Técnicas de big data e projeção de risco de mercado utilizando dados em alta frequência (2016)
- Authors:
- Autor USP: MONTINI, ALESSANDRA DE ÁVILA - FEA
- Unidade: FEA
- Subjects: BOLSA DE VALORES; TEMPO-REAL; RISCO
- Language: Português
- Abstract: O mundo passa por um período denominado de Era dos Dados, em que o universo digital poderá ter um tamanho de 44 zetabytes em 2020. Um dos fatores para o crescimento do número de dados são as operações em alta frequência em bolsas de valores, que cresceram significativamente nos últimos anos. Nesse contexto, torna-se difícil mensurar a volatilidade durante o dia devido à quantidade de negociações em tempo real. Nesse caso, devem-se calcular adequadamente as medidas de volatilidade para que o risco realmente seja percebido pelo operador. O objetivo deste artigo é apresentar uma metodologia para obter a volatilidade futura a partir da extração dos dados e do cálculo da volatilidade por meio de técnicas de Big Data. Para atender ao objetivo, foram analisadas todas as ações existentes no banco de dados da BMF&Bovespa. Neste artigo, foram selecionadas as 10 ações mais negociadas no período entre os anos de 2012 e 2014 para apresentação dos resultados. Na primeira fase, desenvolveram-se as funções para tratamento dos dados e estimação das medidas de risco utilizandose a linguagem de programação Python. Na segunda fase, utilizouse o Apache Hadoop e o MapReduce (com o Hadoop Streaming) para o cálculo distribuído da estimação do modelo de volatilidade. Para estimar a Volatilidade Percebida, foram utilizadas séries de preços ponderados pelo volume no intervalo de cinco minutos. Como método de projeção, foi utilizado o modelo HAR-RV, proposto por Corsi. Como resultado, foram desenvolvidas implementações em Python para estimação da Volatilidade Percebida e implementações em Apache Hadoop e MapReduce (com o Hadoop Streaming) para projeção da Volatilidade. Os resultados das estimativas e projeções ocorreram conforme esperado pela literatura
- Imprenta:
- Source:
- Título do periódico: Future Studies Research Journal : Trends and Strategies
- ISSN: 2175-5825
- Volume/Número/Paginação/Ano: v. 8, n. 3, p. 83-108, set./dez. 2016
-
ABNT
ARAUJO, Alcides Carlos de e MONTINI, Alessandra de Ávila. Técnicas de big data e projeção de risco de mercado utilizando dados em alta frequência. Future Studies Research Journal : Trends and Strategies, v. 8, n. 3, p. 83-108, 2016Tradução . . Disponível em: https://www.revistafuture.org/FSRJ/article/download/219/375. Acesso em: 12 ago. 2024. -
APA
Araujo, A. C. de, & Montini, A. de Á. (2016). Técnicas de big data e projeção de risco de mercado utilizando dados em alta frequência. Future Studies Research Journal : Trends and Strategies, 8( 3), 83-108. Recuperado de https://www.revistafuture.org/FSRJ/article/download/219/375 -
NLM
Araujo AC de, Montini A de Á. Técnicas de big data e projeção de risco de mercado utilizando dados em alta frequência [Internet]. Future Studies Research Journal : Trends and Strategies. 2016 ; 8( 3): 83-108.[citado 2024 ago. 12 ] Available from: https://www.revistafuture.org/FSRJ/article/download/219/375 -
Vancouver
Araujo AC de, Montini A de Á. Técnicas de big data e projeção de risco de mercado utilizando dados em alta frequência [Internet]. Future Studies Research Journal : Trends and Strategies. 2016 ; 8( 3): 83-108.[citado 2024 ago. 12 ] Available from: https://www.revistafuture.org/FSRJ/article/download/219/375 - Projeção do consumo residencial de energia elétrica no Brasil por meio do modelo ARX
- Análise de métricas de risco na otimização de portfolios de ações
- Estimação da volatlidade percebida futura pelos modelos ARFIMA e Nearest Neighbor
- Modelo de defasagem distribuída polinomial para teste de estresse do sistema financeiro no Brasil
- Modelos estatísticos para previsão do LGD de empréstimos de varejo
- LGPD: veja cinco mudanças que sua empresa precisa fazer para ontem
- Tecnologia aplicada: o combustível para seu negócio crescer
- Gato por lebre: TV afirma vir com inteligência artificial, mas é só chatbot
- Como o big data tem mudado o mundo
- Crescimento dos bancos digitais e suas consequências. [Entrevista]
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas