Aplicação em modelos de variação autorregressiva condicional baseada na distribuição Birnbaum-Saunders
O modelo de variação autorregressivo condicional (CARR), proposto por Chou (2005) se mostrou eficiente para estimar a volatilidade do preço de ativos. Entretanto, a estimativa requer uma densidade do erro adequada, onde se usa comumente a distribuição deWeibull. Xie & Wu (2017) propôs um modelo b...
| Autor principal: | Lopes, Erico Jander da Silva |
|---|---|
| Outros Autores: | http://lattes.cnpq.br/3711335648910757 |
| Grau: | Dissertação |
| Idioma: | por |
| Publicado em: |
Universidade Federal do Amazonas
2019
|
| Assuntos: | |
| Acesso em linha: |
https://tede.ufam.edu.br/handle/tede/7077 |
| Resumo: |
|---|
|
O modelo de variação autorregressivo condicional (CARR), proposto por Chou (2005)
se mostrou eficiente para estimar a volatilidade do preço de ativos. Entretanto, a estimativa
requer uma densidade do erro adequada, onde se usa comumente a distribuição deWeibull. Xie
& Wu (2017) propôs um modelo baseado na distribuição gamma (GCARR), com resultados
satisfatórios em relação a redução de problema de inlier e outlier. Neste trabalho, propomos o
modelo de variação autorregressiva condicional baseado na distribuição Birnbaum-Saunders
(BSCARR). Implementamos uma abordagem baseada no método da máxima verossimilhança
para obter as estimativas dos parâmetros e derivamos medidas para análise de resíduos e
diagnóstico. Em seguida fizemos um estudo via simulações e Monte Carlo com o objetivo de
avaliar o desempenho dos estimadores de máxima verossimilhança do modelo proposto. Por
fim, ilustramos a metodologia proposta usando um conjunto de dados reais. |