Tratamento de dados em alta frequência e estimação de medidas de volatilidade: um estudo de caso para ptr4 (2017)
- Authors:
- Autor USP: MONTINI, ALESSANDRA DE ÁVILA - FEA
- Unidade: FEA
- DOI: 10.5020/2318-0722.23.2.262-276
- Subjects: MERCADO FINANCEIRO; INVESTIMENTOS
- Language: Português
- Abstract: O artigo tem objetivo de analisar o tratamento de dados em alta frequência para a estimação de medidas de volatilidade percebida (realized volatility - RV). Para atingir os objetivos, buscou-se analisar as metodologias para limpeza de outliers e agregação dos preços. Para os métodos de agregação, consideraram-se as seguintes formas de amostragem: último preço negociado; preço ponderado pelo volume; preço ponderado pelo logaritmo do volume; preço ponderado pelo número de negociações; mediana dos preços e preços de maior volume associado. Foram estudadas as métricas RCov (sensível a problemas de microestrutura), rOWCov, medRV, minRV e rRTSCov, consideradas robustas a saltos e ruídos de microestrutura. Quanto aos resultados, observou-se que a remoção de outliers não influenciou de maneira significativa o processo de estimação da volatilidade percebida. Em relação à análise de agregação dos preços, por meio de uma simples mudança na metodologia, observaram-se diferenças significativas nas estimativas das volatilidades percebidas. Para a análise dos métodos de agregação, considerando as seis formas de amostragem, verificou-se que todas as medidas foram sensíveis às mudanças na forma de amostragem para agregar os preços. Do ponto de vista prático, gerenciar dados em alta frequência é um desafio devido à necessidade de manipulação de grandes bases. Por esse motivo, a não correção de possíveis problemas nos bancos de dados pode gerar estimativas de variabilidade imprecisas para a gestão de riscos. O artigo contribui por realizar uma revisão dos estimadores da volatilidade percebida mais recentes, buscando comparar a consistência em relação às diferentes formas de agregação e tratamento da série de preços.
- Imprenta:
- Source:
- Título do periódico: Revista Ciências Administrativas
- ISSN: 2318-0722
- Volume/Número/Paginação/Ano: v. 23, n. 2, p. 262-276, maio/ago. 2017
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by
-
ABNT
ARAUJO, Alcides Carlos de e MONTINI, Alessandra de Ávila. Tratamento de dados em alta frequência e estimação de medidas de volatilidade: um estudo de caso para ptr4. Revista Ciências Administrativas, v. 23, n. 2, p. 262-276, 2017Tradução . . Disponível em: https://doi.org/10.5020/2318-0722.23.2.262-276. Acesso em: 12 ago. 2024. -
APA
Araujo, A. C. de, & Montini, A. de Á. (2017). Tratamento de dados em alta frequência e estimação de medidas de volatilidade: um estudo de caso para ptr4. Revista Ciências Administrativas, 23( 2), 262-276. doi:10.5020/2318-0722.23.2.262-276 -
NLM
Araujo AC de, Montini A de Á. Tratamento de dados em alta frequência e estimação de medidas de volatilidade: um estudo de caso para ptr4 [Internet]. Revista Ciências Administrativas. 2017 ; 23( 2): 262-276.[citado 2024 ago. 12 ] Available from: https://doi.org/10.5020/2318-0722.23.2.262-276 -
Vancouver
Araujo AC de, Montini A de Á. Tratamento de dados em alta frequência e estimação de medidas de volatilidade: um estudo de caso para ptr4 [Internet]. Revista Ciências Administrativas. 2017 ; 23( 2): 262-276.[citado 2024 ago. 12 ] Available from: https://doi.org/10.5020/2318-0722.23.2.262-276 - 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]
Informações sobre o DOI: 10.5020/2318-0722.23.2.262-276 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas