O impacto da janela de Hurst na previsão de séries temporais financeiras / The impact of Hursts window on the preview of financial time series

AUTOR(ES)

Natália Diniz

FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

31/10/2011

RESUMO

Sabe-se que, na literatura, existem muitos modelos para se fazer previsão para séries temporais financeiras. Sabe-se também que não há um modelo perfeito e que os mais utilizados atualmente são os modelos de redes neurais recorrentes e os da família GARCH. Referências internacionais apontam que existe uma técnica de medição de uma janela temporal para se identificar o tipo de comportamento existente em uma série temporal; tal técnica é conhecida como Expoente de Hurst. É uma medida que qualifica a série como persistente ou anti-persistente. Este trabalho analisou se o Expoente de Hurst, interfere na qualidade das previsões feitas com o modelo de redes neurais recorrentes com e sem o uso do filtro de ondaletas, utilizando os preços diários das principais commodities, ações negociadas no mercado e a taxa de câmbio. no período de janeiro de 1998 a dezembro de 2010. Com a pesquisa observa-se, na maioria dos casos, há uma possível melhora na qualidade das previsões para as séries antipersistentes.

ASSUNTO(S)

arima garch arima garch expoente de hurst financial time series forecasting hurst exponent neural networks ondaletas previsão redes neurais recorrentes séries temporais financeiras wavelets

Documentos Relacionados

• O estudo das propriedades multifractais de séries temporais financeiras.
• ARTIFICIAL NEURAL NETWORKS IN TIME SERIES FORECASTING
• Modelagem de séries temporais financeiras multidimensionais via processos estocásticos e cópulas de Lévy
• Utilização de redes neurais na análise e previsão de séries temporais
• APLICAÇÃO DA METODOLOGIA DE REDES NEURAIS EM PREVISÃO DE SÉRIES TEMPORAIS