skip to main content
Idioma:
Primo Advanced Search
Primo Advanced Search Query Term
Primo Advanced Search prefilters
Busca Simples

Aprendizado automático de decomposições para a previsão da estrutura a termo de taxas de juros com redes neurais

Kauffmann, Piero Conti

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Matemática e Estatística 2022-07-20

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Aprendizado automático de decomposições para a previsão da estrutura a termo de taxas de juros com redes neurais
  • Autor: Kauffmann, Piero Conti
  • Orientador: Stern, Julio Michael
  • Assuntos: Aprendizagem De Máquina; Redes Neurais; Previsão Da Estrutura A Termo Das Taxas De Juros; Modelos De Fatores Dinâmicos; Modelagem Bayesiana; Decomposição Da Curva De Taxas De Juros; Machine Learning; Dynamic Factor Models; Neural Networks; Bayesian Modeling; Yield Curve Decomposition; Yield Curve Forecasting
  • Notas: Dissertação (Mestrado)
  • Descrição: Este trabalho propõe um modelo para a previsão da estrutura a termo das taxas de juros que faz aprendizado automático de novas decomposições de curvas de taxas de juros a partir de um modelo linear Gaussiano de espaço de estados acoplado a uma rede neural geradora de decomposições. Para controlar a complexidade do modelo e garantir que as decomposições estimadas preservem propriedades desejáveis, como suavidade e ortogonalidade dos fatores latentes, uma distribuição Priori com efeito de regularização destas propriedades é definida para os parâmetros do modelo, e em seguida, é descrito um procedimento computacionalmente eficiente de estimação para todos os parâmetros do modelo em uma etapa. Uma avaliação empírica com 14 anos de dados históricos da curva de taxa de juros brasileira mostrou que a técnica proposta é capaz de obter melhores previsões fora-de-amostra que modelos tradicionais da literatura, como o modelo Nelson e Siegel dinâmico e variações.
  • DOI: 10.11606/D.45.2022.tde-05092022-160733
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Matemática e Estatística
  • Data de criação/publicação: 2022-07-20
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados
Ir para página anteriorAnterior Resultado  7 AvançarIr para próxima página

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.