Detalles del recurso
Pertenece a:
MAXWELL NDLTD Union Catalog
Descripción: [pt] O principal objetivo desta dissertação é comparar o desempenho de modelos
lineares e não-lineares de previsão de retornos de 23 ativos do mercado acionário
americano. Propõe-se o modelo STAR-Tree Heterocedástico, que faz uso da
metodologia do STAR-Tree (Smooth Transition AutoRegression Tree) aplicada a
séries temporais heterocedásticas. Com a disponibilidade de dados de retorno e da
volatilidade realizada de ações intra-diários, as séries de retornos são
transformadas através da divisão de cada retorno pela sua volatilidade realizada. A
série transformada apresenta variância constante. O modelo é uma combinação da metodologia STAR (Smooth Transition AutoRegression) e do
algoritmo CART (Classification and Regression Tree). O modelo resultante
pode ser interpretado como uma regressão de múltiplos regimes com transição
suave. A especificação do modelo é feita através de testes de Multiplicadores de
Lagrange, que indicam o nó a ser dividido e a variável de transição correspondente.
Os modelos de comparação usados são o modelo Média, o método Naive,
modelos lineares ARX e Redes Neurais. As previsões dos modelos foram avaliadas
através de medidas estatísticas e financeiras. Os resultados financeiros
baseam-se em uma regra de negociação automática que informa o momento de comprar e vender cada ativo. O modelo STAR-Tree Heterocedástico teve resultados
estatísticos equivalentes aos dos outros modelos, porém apresentou um desempenho
financeiro superior para a maioria das séries. A volatilidade realizada também foi
estimada usando a metodologia STAR-Tree, e sua previsão foi utilizada para
fazer uma análise de alavancagem financeira.
Autor(es): CAMILA ROSA EPPRECHT -
Id.: 51040296
Idioma:
portugués
-
Versión: 1.0
Estado: Final
Palabras clave: [pt] ARVORE DE REGRESSAO -
Tipo de recurso:
TEXTO
-
Tipo de Interactividad: Expositivo
Nivel de Interactividad: muy bajo
Audiencia:
Estudiante
- Profesor
- Autor
-
Estructura: Atomic
Coste: no
Copyright: sí
Requerimientos técnicos: Browser: Any -
Fecha de contribución: 06-sep-2012
Contacto:
Localización:
