Publicação
Forecasting volatility using GARCH models
| Resumo: | Esta dissertação tem como ponto central a previsão da volatilidade usando vários modelos GARCH (General autoregressive conditional heteroeskedasticity) de modo a testar qual tem a melhor capacidade de previsão. O foco desta dissertação é o estudo do mercado dos EUA.Os dados usados para este estudo são cotações do NASDAQ-100, de 1986 até 2016. Neste estudo são considerados três períodos de estimação para os modelos GARCH: 500 dias, 1000 dias e 2000 dias de modo a minimizar a possível presença de mudanças na estrutura dos dados. Regressões lineares (Mincer-Zarnowitz) foram efectuadas de forma a avaliar a performance individual de cada modelo GARCH. Depois disso, de forma a detectar qual o melhor modelo para prever a volatilidade, o teste de SPA de Hansen and Lunde (2005) foi utilizado. Os resultados são conclusivos de que os modelos são semelhantes no que toca à previsão da volatilidade condicional do dia seguinte, com a possível excepção do modelo IGARCH. O modelo GJR não apresenta resultados satisfatórios quando a janela de estimação utilizada na estimação dos modelos é de 1000 dias. |
|---|---|
| Autores principais: | Costa, Francisco João Matos |
| Assunto: | GARCH Volatilidade Previsão Volatility Forecast |
| Ano: | 2017 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | inglês |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Esta dissertação tem como ponto central a previsão da volatilidade usando vários modelos GARCH (General autoregressive conditional heteroeskedasticity) de modo a testar qual tem a melhor capacidade de previsão. O foco desta dissertação é o estudo do mercado dos EUA.Os dados usados para este estudo são cotações do NASDAQ-100, de 1986 até 2016. Neste estudo são considerados três períodos de estimação para os modelos GARCH: 500 dias, 1000 dias e 2000 dias de modo a minimizar a possível presença de mudanças na estrutura dos dados. Regressões lineares (Mincer-Zarnowitz) foram efectuadas de forma a avaliar a performance individual de cada modelo GARCH. Depois disso, de forma a detectar qual o melhor modelo para prever a volatilidade, o teste de SPA de Hansen and Lunde (2005) foi utilizado. Os resultados são conclusivos de que os modelos são semelhantes no que toca à previsão da volatilidade condicional do dia seguinte, com a possível excepção do modelo IGARCH. O modelo GJR não apresenta resultados satisfatórios quando a janela de estimação utilizada na estimação dos modelos é de 1000 dias. |
|---|