Estimação não-parametrica de volatilidade em modelos continuos

AUTOR(ES)

Neale Ahmed El-Dash

DATA DE PUBLICAÇÃO

2002

RESUMO

Séries financeiras apresentam problemas sérios para as técnicas mais tradicionais de modelagem por séries temporais. Alguns dos seus aspectos empíricos impedem sua correta compreensão por análises lineares. Por outro lado, técnicas não-paramétricas vêm conseguindo, nas últimas décadas, resultados expressivos na análise de dados dependentes. Essa dissertação tem por ponto inicial os trabalhos de Bertrand(1996), Avesani e Bertrand(1997) e Genon-Catalot et al (1992), que versam sobre estimação não-paramétrica da volatilidade vista como coeficente de modelos de difusão. Apresentamos uma comparação de quatro famílias de estimadores não- paramétricos, três dela por função-núcleo e uma por ondaletas. As comparações são realizadas por suas propriedades teóricas, quando conhecidas, e por simulação, além de uma ilustração em série real. Encontramos fortes evidências favoráveis aos estimadores por função-núcleo normal e por ondaletas, quando as verdadeiras volatilidades são suaves e apenas a esses últimos, quando as funções de volatilidade têm saltos. Confirma-se nas simulações a superioridade computacional das ondaletas sobre os demais métodos.

ASSUNTO(S)

econometria estatistica não-parametrica analise de series temporais teoria da previsão

Documentos Relacionados

• Estimação paramétrica e não-paramétrica em modelos de markov ocultos
• Desconvolução não-parametrica aplicada a modelos de volatilidade estocastica
• Estimação não-paramétrica e semi-paramétrica de fronteiras de produção
• Função variância em modelos de regressão não-paramétrica: estimação e usos
• Estimação não-parametrica para função de covariancia de processos gaussianos espaciais