skip to main content

Inferência Bayesiana em Modelos de Volatilidade Estocástica usando Métodos de Monte Carlo Hamiltoniano

Dias, David De Souza

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Estatística Interinstitucional do ICMC e UFSCarr 2018-08-10

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Inferência Bayesiana em Modelos de Volatilidade Estocástica usando Métodos de Monte Carlo Hamiltoniano
  • Autor: Dias, David De Souza
  • Orientador: Ehlers, Ricardo Sandes
  • Assuntos: Waic; Valor Em Risco (Var); Modelos De Volatilidade Estocástica; Método Hmc; Loo; Inferência Bayesiana; Stochastic Volatility Models; Hmc Methods; Value At Risk (Var); Waic; Bayesian Inference
  • Notas: Dissertação (Mestrado)
  • Descrição: Este trabalho apresenta um estudo através da abordagem Bayesiana em modelos de volatilidade estocástica, para modelagem de séries temporais financeiras, com o uso do método de Monte Carlo Hamiltoniano (HMC). Propomos o uso de outras distribuições para os erros da equação de observações do modelos de volatilidade estocástica, além da distribuição Gaussiana, para tratar problemas como caudas pesadas e assimetria nos retornos. Além disso, utilizamos critérios de informações, recentemente desenvolvidos, WAIC e LOO que aproximam a metodologia de validação cruzada, para realizar a seleção de modelos. No decorrer do trabalho, estudamos a qualidade do método HMC através de exemplos, estudo de simulação e aplicação a conjunto de dados. Adicionalmente, avaliamos a performance dos modelos e métodos propostos através do cálculo de estimativas para o Valor em Risco (VaR) para múltiplos horizontes de tempo.
  • DOI: 10.11606/D.104.2019.tde-17072019-144803
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Estatística Interinstitucional do ICMC e UFSCarr
  • Data de criação/publicação: 2018-08-10
  • Formato: Adobe PDF
  • Idioma: Português

Buscando em bases de dados remotas. Favor aguardar.