New volatility models under a Bayesian perspective: a case study

Autores

  • Edilberto Cepeda Cuervo Universidad Nacional de Colombia; Departamento de Estatística
  • Jorge Alberto Achcar Universidade de São Paulo; Departamento de Medicina Social; FMRP
  • Milton Barossi-Filho Universidade de São Paulo; Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

DOI:

https://doi.org/10.1590/1413-8050/ea91

Resumo

Neste artigo, apresentamos uma breve descrição dos modelos ARCH, GARCH e EGARCH. Normalmente, as estimativas dos parâmetros desses modelos são obtidos através de métodos de máxima verossimilhança. Considerando-se novos processos metodológicos para modelar as volatilidades das séries temporais, precisamos usar outra abordagem de inferência para obter estimativas para os parâmetros dos modelos, uma vez que podemos ter grandes dificuldades para obter as estimativas de máxima verossimilhança, devido à complexidade da função de verossimilhança. Desta forma, obtemos as inferências para as volatilidades das séries temporais sob uma abordagem bayesiana, especialmente com o uso de algoritmos populares de simulação como o método de Monte Carlo em Cadeias de Markov (MCCM). Como uma aplicação para ilustrar a metodologia proposta, analisamos uma série temporal financeira da empresa Gillette variando de janeiro de 1999 à maio de 2003.

Downloads

Não há dados estatísticos.

Downloads

Publicado

2014-06-01

Como Citar

Cuervo, E. C., Achcar, J. A., & Barossi-Filho, M. (2014). New volatility models under a Bayesian perspective: a case study . Economia Aplicada, 18(2), 179-197. https://doi.org/10.1590/1413-8050/ea91

Edição

Seção

Artigos

Artigos mais lidos pelo mesmo(s) autor(es)