Método Zero-Variance para Monte Carlo Hamiltoniano aplicado a modelos GARCH univariados e multivariados (2021)
- Authors:
- Autor USP: PAIXãO, RAFAEL SOARES - Interinstitucional de Pós-Graduação em Estatística
- Unidade: Interinstitucional de Pós-Graduação em Estatística
- Sigla do Departamento: SME
- Subjects: INFERÊNCIA BAYESIANA; MÉTODO DE MONTE CARLO; CADEIAS DE MARKOV; DISTRIBUIÇÕES (PROBABILIDADE)
- Keywords: Bayesian inference; GARCH; GARCH; Hamiltonian Monte Carlo; Zero-variance; Zero-variance
- Agências de fomento:
- Language: Português
- Abstract: Este trabalho de doutorado desenvolve, compara e aplica métodos Monte Carlo via Cadeias de Markov (MCMC) para estimação de parâmetros em modelos GJR-GARCH univariados e multivariados. Especificamente, os seguintes problemas são abordados: (i) concepção de uma abordagem de estimação puramente bayesiana; (ii) desenvolvimento de um método bayesiano para maior eficiência computacional na estimação de parâmetros; e (iii) escolha flexível de distribuições de probabilidade de resíduos para modelos GJR-GARCH. Como resultado das investigações dos problemas mencionados, este trabalho apresenta quatro contribuições. A primeira diz respeito a uma abordagem de inferência bayesiana para modelos GJR-GARCH univariados e multivariados. A segunda consiste no estudo de três distribuições de probabilidade de resíduos, uma delas tendo sido utilizada de forma inovadora para casos multivariados. A terceira combina duas técnicas, o algoritmo Hamiltoniano Monte Carlo (HMC) e o método Zero-Variance, para possibilitar a estimação de parâmetros em modelos GJR-GARCH com maior eficácia dos estimadores, bem como com maior eficiência computacional. Por fim, a quarta apresenta resultados de estudos de simulação e de uma aplicação em dados reais, no contexto de índices de bolsas de valores mundiais, mostram que as contribuições propostas solucionam os problemas abordados eficaz e eficientemente, avançando o estado da arte de modelos GARCH univariados e multivariados.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 13.05.2021
-
ABNT
PAIXÃO, Rafael Soares. Método Zero-Variance para Monte Carlo Hamiltoniano aplicado a modelos GARCH univariados e multivariados. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-21072021-163951/. Acesso em: 20 jan. 2026. -
APA
Paixão, R. S. (2021). Método Zero-Variance para Monte Carlo Hamiltoniano aplicado a modelos GARCH univariados e multivariados (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-21072021-163951/ -
NLM
Paixão RS. Método Zero-Variance para Monte Carlo Hamiltoniano aplicado a modelos GARCH univariados e multivariados [Internet]. 2021 ;[citado 2026 jan. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-21072021-163951/ -
Vancouver
Paixão RS. Método Zero-Variance para Monte Carlo Hamiltoniano aplicado a modelos GARCH univariados e multivariados [Internet]. 2021 ;[citado 2026 jan. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-21072021-163951/ - Bayesian inference for the log-symmetric autoregressive conditional duration model
- Diagnósticos para dependência bivariada em valores extremos de séries temporais
- Zero-Variance principle for Hamiltonian Monte Carlo in GJR-GARCH models
- Employing domain indexes to efficiently query medical data from multiple repositories
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
