• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
Document
Auteur
Nom complet
David de Souza Dias
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2018
Directeur
Jury
Ehlers, Ricardo Sandes (Président)
Herencia, Mauricio Enrique Zevallos
Moura, Maria Sílvia de Assis
Titre en portugais
Inferência Bayesiana em Modelos de Volatilidade Estocástica usando Métodos de Monte Carlo Hamiltoniano
Mots-clés en portugais
Inferência Bayesiana
LOO
Método HMC
Modelos de volatilidade estocástica
Valor em Risco (VaR)
WAIC
Resumé en portugais
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.
Titre en anglais
Bayesian Inference in Stochastic Volatility Models using Hamiltonian Monte Carlo Methods
Mots-clés en anglais
Bayesian inference
HMC methods
LOO
Stochastic volatility models
Value at Risk (VaR)
WAIC
Resumé en anglais
This paper presents a study using Bayesian approach in stochastic volatility models for modeling financial time series, using Hamiltonian Monte Carlo methods (HMC). We propose the use of other distributions for the errors of the equation at stochastic volatiliy model, besides the Gaussian distribution, to treat the problem as heavy tails and asymmetry in the returns. Moreover, we use recently developed information criteria WAIC and LOO that approximate the crossvalidation methodology, to perform the selection of models. Throughout this work, we study the quality of the HMC methods through examples, simulation study and application to dataset. In addition, we evaluated the performance of the proposed models and methods by calculating estimates for Value at Risk (VaR) for multiple time horizons.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2019-07-17
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2022. Tous droits réservés.