Algoritmos de filtragem e previsão em modelos de volatilidade.

• Ano de defesa: 2000
• Autor(a) principal: Lovisotto, Fernando
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Algoritmos de previsão; Filtro de Kalman (Aplicação); Kalman filter (Application); Prediction algorithms
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3139/tde-08112024-154810/

A estimação da volatilidade de ativos financeiros tem sido um assunto de grande interesse nos últimos tempos, seja pelo seu uso na previsão de riscos, seja pelo seu uso no apreçamento de ativos. O presente trabalho tem por objetivo testar alguns modelos de estimação, verificando, de acordo com os critérios adotados, quais os melhores para as séries escolhidas. Inicialmente apresentaremos alguns modelos e suas principais propriedades. Dentre eles podemos citar: desvio-padrão, modelo de máximo-mínimo (\"High-Low\"), modelo de abertura-máximo-mínimo-fechamento (\"Open-High-Low-Close\"), Garch (1,1), EGarch, IGarch, Volatilidade Implícita e Volatilidade Estocástica. Daremos grande atenção a este último grupo, para o qual derivaremos todas as equações necessárias para sua modelagem, estimação de parâmetros e previsão de volatilidades. Por fim testaremos esses modelos em três séries temporais: taxa de juros pré-fixadas, preços de recibo de Telebrás PN e taxa de câmbio real-dólar.