Mostrar el registro sencillo del ítem

dc.contributor.advisorZiegelmann, Flavio Augustopt_BR
dc.contributor.authorBorges, Bruna Kasprzakpt_BR
dc.date.accessioned2013-04-05T01:48:20Zpt_BR
dc.date.issued2012pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/70011pt_BR
dc.description.abstractEsta dissertação analisa a questão da seleção de modelos GARCH multivariados em termos da perfomance de previsão da matriz de covariância condicional. A aplicação empírica é realizada com 7 retornos de índices de ações envolvendo um conjunto de 34 especificações de modelos para os quais computamos as previsões da variância condicional um passo a frente para uma amostra com 60 observações para cada especificação dos modelos GARCH multivariados. A comparação entre os modelos é baseada no procedimento Model Confidence Set (MCS) avaliado através de duas funções perdas robustas a proxies de volatilidade imperfeitas. O MCS é um procedimento que permite comparar vários modelos simultaneamente em termos de sua habilidade preditiva e determinar um conjunto de modelos estatisticamente semelhantes em termos de previsão, dado um nível de confiança.pt_BR
dc.description.abstractThis paper considers the question of the selection of multivariate GARCH models in terms of covariance matrix forecasting. In the empirical application we consider 7 series of returns and compare a set of 34 model specifications based on one-step-ahead conditional variance forecasts over a sample with 60 observations. The comparison between models is performed with the Model Confidence Set (MCS) procedure evaluated using two loss functions that are robust against imperfect volatility proxies. The MCS is a procedure that allows both a multiple model comparison in terms of forecasting accuracy and the determination of a model set composed of statistically equivalent models, under a confidence level.en
dc.format.mimetypeapplication/pdf
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectMultivariate GARCHen
dc.subjectMercado financeiropt_BR
dc.subjectInferência estatísticapt_BR
dc.subjectVariance matrix forecastingen
dc.subjectLoss functionen
dc.subjectEstimaçãopt_BR
dc.subjectModel confidence seten
dc.titleAvaliação da habilidade preditiva entre modelos Garch multivariados : uma análise baseada no critério Model Confidence Setpt_BR
dc.typeDissertaçãopt_BR
dc.identifier.nrb000874410pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentFaculdade de Ciências Econômicaspt_BR
dc.degree.programPrograma de Pós-Graduação em Economiapt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2012pt_BR
dc.degree.levelmestradopt_BR


Ficheros en el ítem

Thumbnail
   

Este ítem está licenciado en la Creative Commons License

Mostrar el registro sencillo del ítem