Ensaios em econometria de séries temporais

Autor: Abbara, Omar Muhieddine Franco, 1984
Přispěvatelé: Zevallos Herencia, Mauricio Enrique, 1966, Hotta, Luiz Koodi, Pereira, Pedro Luiz Valls, Franco, Glaura da Conceição, Fernandes, Marcelo, Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica, Programa de Pós-Graduação em Estatística, UNIVERSIDADE ESTADUAL DE CAMPINAS
Rok vydání: 2018
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
ISSN: 2373-7484
Popis: Orientador: Mauricio Enrique Zevallos Herencia Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica Resumo: Esta tese é composta de três ensaios que tratam sobre estimação de modelos univariados e multivariados. Os dois primeiros ensaios estudam a estimação do risco de mercado de uma carteira a partir da abordagem de pair-copula (ou também chamado de vine copulas), e o último ensaio aborda a estimação e diagnóstico de modelos univariados de volatilidade estocástica em que a volatilidade apresenta longa memória. O primeiro ensaio, intitulado "Portfolio risk decomposition through pair-copula models", artigo publicado no Communications in Statistics ¿ Case Studies and Data Analysis, vol. 3., 2017, pag 29-40, DOI: 10.1080/23737484.2017.1399483, avalia empiricamente se diferentes especificações D-vine alteram a estimativa do risco de mercado de uma carteira de pesos iguais. Os resultados obtidos indicam que apesar dos resultados fora da amostra do risco total da carteira serem muito próximos, diferentes especificações de pair-copula alteram a decomposição do risco. O segundo ensaio, intitulado "Modeling and Forecasting Intraday VaR of an exchange rate portfolio", artigo publicado no Journal of Forecasting, 2018, 1-10, DOI: 10.1002/for.2540 avalia o desempenho de modelos D-Vine para prever o valor em risco de uma carteira com base em retornos intradiários. Tendo em vista a frequência dos dados, o modelo marginal adotado foi o Multiplicative Component GARCH (MCGARCH); que diferentemente dos modelos GARCH tradicionais, incorpora as diferentes componentes da volatilidade intradiária. Apesar de existirem diversos trabalhos a respeito da estimação do valor em risco utilizando cópulas há poucos trabalhos com dados de alta frequência, e assim a principal contribuição deste trabalho é preencher esta lacuna. A metodologia proposta apresentou bons resultados em termos de previsão fora da amostra. O terceiro ensaio, intitulado "Modeling and forecasting long memory stochastic volatility models", propõe um novo método para estimar modelos de volatilidade estocástica com longa memória. O modelo é transformado para ser escrito como modelo de espaço de estados linear em que o termo de erro da equação de observação é expresso por uma mistura de variáveis aleatórias gaussianas. O estimador é obtido maximizando a função de verossimilhança aproximada obtida a partir das inovações do filtro de Kalman. O método proposto foi testado em um experimento de Monte Carlo e com dados reais, e apresentou bons resultados especialmente nos processos não estacionários. No final da tese é apresentado um estudo de Monte Carlo de estimação do modelo de volatilidade estocástica com memória curta Abstract: This PhD dissertation is made of three essays about estimation of univariate and multivariate models. The first two essays discuss the estimation of market risk of a portfolio using the pair-copula methodology (also known as vine copulas), and the last essay discuss the estimation and diagnostics of stochastic volatility univariate model where the volatility has long memory. The first essay, titled "Portfolio risk decomposition through pair-copula models", work published in Communications in Statistics ¿ Case Studies and Data Analysis, vol. 3, 2017, pages 29-40, DOI: 10.1080/23737484.2017.1399483, assess empirically if different D-vine specifications change the estimation of market risk of an equally-weighed portfolio. The results show that even the backtesting results are nearly the same, different D-vine specifications change the decomposition of the portfolio. The second essay, titled "Modeling and Forecasting Intraday VaR of an exchange rate portfolio", work published on Journal of Forecasting, 2018, 1-10, DOI: 10.1002/for.2540 assess the performance of Value-at-Risk (VaR) forecasts of D-vine models using intraday returns. Considering the frequency of the data, the chosen marginal model was the Multiplicative Component GARCH (MCGARCH), where it is made of different components of intraday volatility. Although there are several works discussing copula models for estimating VaR few of them deals with high frequency data, and then the main contribution of this work is to fill this gap. The proposed methodology had good backtesting results. The third essay, titled "Modeling and forecasting long memory stochastic volatility models", proposes a new method of estimating long memory stochastic volatility models. This estimator is obtained maximizing the likelihood function obtained from innovations of Kalman filter. The Kalman filter algorithm, in its turn, is obtained from the first difference of the process, and the disturbance error of observation equation is expressed by a mixture of Gaussian random variables. The proposed method was tested by a Monte Carlo experiment and with real-life data, and the method presented good results, especially for nonstationary processes. At the end of this dissertation, in the Appendix, it is presented a study about estimation of short memory stochastic volatility Doutorado Estatística Doutor em Estatística CNPQ 140801/2016-2 CAPES
Databáze: OpenAIRE
Externí odkaz: