Inferência Bayesiana para modelos de volatilidade estocástica baseados em mistura de escala da distribuição normal assimétrica

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Condori, Ritha Rubi Huaysara
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-15062023-145057/
Resumo: Esta dissertação tem como objetivo avaliar e comparar o desempenho do algoritmo No-U-Turn Sampler (NUTS), implementado no software Stan, na estimação dos parâmetros de modelos de volatilidade estocástica com alavancagem baseados em mistura de escala da distribuição normal assimétrica. Esses modelos SV conseguem capturar simultaneamente características importantes das séries de retornos financeiros, como efeito de alavancagem, caudas pesadas e assimetria. Os resultados dos estudos de simulação mostram que, de acordo com as medidas de viés e raiz quadrada do erro quadrático médio (RMSE), o algoritmo NUTS apresenta um bom desempenho. Ao comparar a abordagem de amostragem do NUTS com a do pacote stochvol, observamos que o stochvol apresenta tempos de execução menores, mas o NUTS supera essa abordagem em termos de tamanho efetivo da amostra. Além disso, propomos o uso da técnica de Validação Cruzada Leave-Future-Out (LFO-CV) para seleção de modelos de volatilidade estocástica e avaliamos o desempenho de critérios de informação e técnicas de validação cruzada para seleção de modelos. Finalmente, aplicamos a metodologia desenvolvida a séries de retornos reais.