A presente dissertação discute uma possível extensão multivariada para modelos de volatilidade estocástica estimados com o uso de aproximações de Laplace aninhadas integradas (INLA). As já consagradas técnicas baseadas em simulações, tais como Monte Carlo via Cadeias de Markov (MCMC), podem ser proibitivas ou pouco eficientes em tempo computacional, conforme o número de observações e a dimensionalidade do problema aumentam, além de não estarem livres de problemas de convergência de cadeia. Nesse sentido, o trabalho objetiva o estabelecimento de uma forma mais computacionalmente eficiente de estimar modelos multivariados de volatilidade estocástica, propondo-se, para tanto, uma formulação multifatorial estimada a partir da metodologia INLA, permitindo uma abordagem que explora álgebra linear esparsa e paralelização. Os ganhos de eficiência com o modelo proposto são avaliados em testes realizados por meio de estudo de simulações e análise empírica de séries de retornos de índices de bolsa de valores, sendo então comparados com os resultados de um modelo multivariado e fatorial estimado por MCMC.

The present dissertation discusses a possible multivariate extension for stochastic volatility models estimated using integrated nested Laplace approximations (INLA). The already established simulation-based techniques, such as Markov chain Monte Carlo (MCMC), can be computationally prohibitive or simply inefficient as the number of observations and problem dimensionality increase, and are not free from convergence problems. In this sense, the study aims to institute a more computationally efficient method of estimating multivariate stochastic volatility models, by proposing a multifactor formulation estimated via INLA, allowing for an approach that explores sparse linear algebra and parallelization. The efficiency gains associated with this proposed model are evaluated in tests performed through simulation studies and empirical analysis of stock index return series, and are compared to the results of a multivariate and multifactor model estimated via MCMC techniques.