Testing for extreme long-memory common features in volatility processes

• Ano de defesa: 2020
• Autor(a) principal: Antunes Neto, José Parreiras
• Orientador(a): Fernandes, Marcelo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Memória longa; Volatilidade; Componentes comuns; Integração fracionada; Autocorrelação; Estimador de distância mínima; Agregação
• Palavras-chave em Inglês: Long memory; Volatility; Common features; Fractional integration; Autocorrelation; Minimum distance estimator; Aggregation
• Link de acesso: http://hdl.handle.net/10438/29188

A agregação de processos de baixa dependência gera uma elevação na memória da variável agregada. Muitos modelos capturam esta memória longa e foram utilizados para modelar volatilidade. Destes, os que mais se destacam são baseados no modelo de integração fracionada. Entretando, dependendo do modod em que as séries são agregadas, os modelos de integração fracionada não conseguem aproximar da melhor forma a função de autocorrelação. Nós assumimos uma forma mais flexível para a função de autocorrelação de modo a acomodar a memória longa existente nos processos de volatilidade. Neste artigo, propomos um estimador para séries de memória longa e derivamos o seu comportamento assintótico. Baseado no nosso estimador, construímos um teste para a identificação de componentes comuns em várias medidas de volatilidade que apresentam alta persistência. Nós aplicamos a nossa metodologia a medidas observáveis de volatilidade de mercado (especificamente VIX e VXO), onde a memória longa é um problema frequente. Encontramos evidência a favor da existência de um componente comum de memória longa nestas séries que pode ser relacionado à volatilidade natural de mercado.