Tese

Inferência Bayesiana para modelos de volatilidade estocástica baseados em mistura de escala da distribuição normal assimétrica (2023)

• Authors:
  • Condori, Ritha Rubi Huaysara
  • Ehlers, Ricardo Sandes (Orientador)
• Autor USP: CONDORI, RITHA RUBI HUAYSARA - INTER:ICMC-UFSCAR
• Unidade: INTER:ICMC-UFSCAR
• Sigla do Departamento: SME
• DOI: 10.11606/D.104.2023.tde-15062023-145057
• Subjects: ESTATÍSTICA COMPUTACIONAL; ESTATÍSTICA E PROBABILIDADE
• Keywords: Algo- rithm No-U-Turn Sampler; Algoritmo No-U-Turn Sampler; Efeito de Alavancagem; Leave-Future-Out Cross-Validation; Leave-Future-Out Cross-Validation; Leverage Effect; Mistura de escala da distribuição normal assimétrica; Modelos de volatilidade estocástica; Scale mixtures of the skew-normal distribution; Stochastic volatility models
• Agências de fomento:
  • Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Language: Português
• Abstract: 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
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2023
• Data da defesa: 28.02.2023

Informações sobre o DOI: 10.11606/D.104.2023.tde-15062023-145057 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  CONDORI, Ritha Rubi Huaysara. Inferência Bayesiana para modelos de volatilidade estocástica baseados em mistura de escala da distribuição normal assimétrica. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-15062023-145057/. Acesso em: 02 jun. 2024.

• APA

  Condori, R. R. H. (2023). Inferência Bayesiana para modelos de volatilidade estocástica baseados em mistura de escala da distribuição normal assimétrica (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-15062023-145057/

• NLM

  Condori RRH. Inferência Bayesiana para modelos de volatilidade estocástica baseados em mistura de escala da distribuição normal assimétrica [Internet]. 2023 ;[citado 2024 jun. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-15062023-145057/

• Vancouver

  Condori RRH. Inferência Bayesiana para modelos de volatilidade estocástica baseados em mistura de escala da distribuição normal assimétrica [Internet]. 2023 ;[citado 2024 jun. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-15062023-145057/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Estimation of stochastic volatility models with leverage and heavy tails using Stan software