[en] STOCHASTIC VOLATILITY VIA MONTE CARLO LIKELIHOOD: A COMPARATIVE STUDY

• Ano de defesa: 2004
• Autor(a) principal: RAPHAEL PIMENTEL DE OLIVEIRA CRUZ
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] VOLATILIDADE ESTOCASTICA; [pt] VEROSSIMILHANCA DE MONTE CARLO; [pt] ESPACO DE ESTADO; [pt] AMOSTRAGEM POR IMPORTANCIA; [en] STOCHASTIC VOLATILITY; [en] MONTE CARLO LIKELIHOOD; [en] STATE SPACE; [en] IMPORTANCE SAMPLING
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4920&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4920&idi=2; http://doi.org/10.17771/PUCRio.acad.4920

[pt] Esta dissertação discute o modelo de Volatilidade Estocástica (SV) estimado via metodologia Durbin & Koopman, chamada Verossimilhança de Monte Carlo( MCL). Comparou-se a cobertura condicional do valor em risco (VaR), deste modelo, com as do modelo GARCH(1,1) e SV estimado via Quasi Máxima Verossimilhança (QML). Os modelos foram estendindos a distúrbios Gaussiano e t-Student na equação da média. O desempenho dos modelos foi avaliado fora da amostra para retornos diários dos índices Ibovespa, S&P500, Nasdaq e Dow Jones. Para o critério de avaliação foi utilizado o teste de Christoffersen. Foram econtradas evidências empíricas de que o modelo SV estimado via MCL é tão eficiente quanto o modelo GARCH(1,1), em termos da cobertura condicional do VaR.