New volatility models under a Bayesian perspective: a case study
AUTOR(ES)
Cuervo, Edilberto Cepeda, Achcar, Jorge Alberto, Barossi-Filho, Milton
FONTE
Econ. Apl.
DATA DE PUBLICAÇÃO
2014-06
RESUMO
Neste artigo, apresentamos uma breve descrição dos modelos ARCH, GARCH e EGARCH. Normalmente, as estimativas dos parâmetros desses modelos são obtidos através de métodos de máxima verossimilhança. Considerando-se novos processos metodológicos para modelar as volatilidades das séries temporais, precisamos usar outra abordagem de inferência para obter estimativas para os parâmetros dos modelos, uma vez que podemos ter grandes dificuldades para obter as estimativas de máxima verossimilhança, devido à complexidade da função de verossimilhança. Desta forma, obtemos as inferências para as volatilidades das séries temporais sob uma abordagem bayesiana, especialmente com o uso de algoritmos populares de simulação como o método de Monte Carlo em Cadeias de Markov (MCCM). Como uma aplicação para ilustrar a metodologia proposta, analisamos uma série temporal financeira da empresa Gillette variando de janeiro de 1999 à maio de 2003.
ASSUNTO(S)
arch garch egarch modelos de volatilidade estocástica series de tempo financieras métodos bayesianos métodos de mcmc
Documentos Relacionados
- Inflammatory bowel disease: reviewing an old study under a new perspective
- Risks and benefits of coronary angioplasty: the patients perspective: a preliminary study.
- The Xavante in perspective: anthropology and history in the study of indigenous populations
- Assessing the service quality in Software-as-a-Service from the customers’ perspective: a methodological approach and case of use
- Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana