Volatilidade realizada multivariada: uma análise via aprendizado de máquina para dados do mercado brasileiro (2021)
- Authors:
- Autor USP: VIEIRA, LEONARDO IERACITANO - FEARP
- Unidade: FEARP
- Sigla do Departamento: EAE
- DOI: 10.11606/D.96.2021.tde-01102021-091638
- Subjects: APRENDIZADO COMPUTACIONAL; ANÁLISE DE COVARIÂNCIA; ECONOMIA; BOLSA DE VALORES
- Keywords: Alta dimensão; Aprendizado de máquina; High dimension; Machine learning; Realized volatility; Volatilidade realizada
- Agências de fomento:
- Language: Português
- Abstract: O presente trabalho é um exercício preditivo para a dinâmica da matriz de covariância incondicional de ativos do mercado brasileiro. Levamos em consideração métodos distintos para o cálculo da matriz, esquivando-se da matriz de covariância amostral e avaliamos o impacto preditivo no uso de regressões com encolhimento na estimação da matriz de covariância explicada pelo seu passado - um formato autorregressivo, portanto. Diferentemente do mundo univariado, o estudo de matriz de covariância tornou-se custoso devido à maldição da dimensionalidade. Tradicionalmente, via VAR, o exercício proposto traria problemas de especificação e também de dimensão, devido ao grande número de covariadas. Os resultados encontrados mostram que não necessariamente temos pior desempenho preditivo ao reduzir o número de séries, mas com a metodologia do MCS não rejeitamos a hipótese de mesma habilidade preditiva entre modelos que selecionam variáveis e que não o fazem. Diante do exercício proposto investigamos quais dificuldades e padrões estão inseridos nos dados no contexto do mercado brasileiro: trata-se de um mercado pouco líquido e que mesmo em ativos mais negociados temos problemas de dados faltantes e de concentração setorial nos ativos mais negociados. Do ponto de vista econômico encontramos resultados em linha com a literatura de referência, mostrando maior dinâmica intra setorial para processos de variância e do ponto de vista preditivo não encontramos um padrão claro para os processos de covariância
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2021
- Data da defesa: 02.08.2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
VIEIRA, Leonardo Ieracitano. Volatilidade realizada multivariada: uma análise via aprendizado de máquina para dados do mercado brasileiro. 2021. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/96/96131/tde-01102021-091638/. Acesso em: 28 mar. 2024. -
APA
Vieira, L. I. (2021). Volatilidade realizada multivariada: uma análise via aprendizado de máquina para dados do mercado brasileiro (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/96/96131/tde-01102021-091638/ -
NLM
Vieira LI. Volatilidade realizada multivariada: uma análise via aprendizado de máquina para dados do mercado brasileiro [Internet]. 2021 ;[citado 2024 mar. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/96/96131/tde-01102021-091638/ -
Vancouver
Vieira LI. Volatilidade realizada multivariada: uma análise via aprendizado de máquina para dados do mercado brasileiro [Internet]. 2021 ;[citado 2024 mar. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/96/96131/tde-01102021-091638/
Informações sobre o DOI: 10.11606/D.96.2021.tde-01102021-091638 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas