$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas | Formato DC|



Título: MEAN AND REALIZED VOLATILITY SMOOTH TRANSITION MODELS APPLIED TO RETURN FORECASTING AND AUTOMATIC TRADING
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Autor(es): CAMILA ROSA EPPRECHT

Colaborador(es):  ALVARO DE LIMA VEIGA FILHO - Orientador
Número do Conteúdo: 13209
Catalogação:  30/03/2009 Idioma(s):  PORTUGUESE - BRAZIL

Tipo:  TEXT Subtipo:  THESIS
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=13209@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=13209@2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.13209

Resumo:
The main goal of this dissertation is to compare the performance of linear and nonlinear models to forecast 23 assets of the American Stocks Market. The Heteroscedastic STAR-Tree Model is proposed using the STAR- Tree (Smooth Transition AutoRegression Tree) methodology applied to heteroscedastic time series. As assets returns and realized volatility intraday data are available, the returns series are transformed by dividing each return by its realized volatility, which gives homocedastic series. The model is a combination of the STAR (Smooth Transition AutoRegression) methodology and the CART (Classification and Regression Tree) algorithm. The resulting model can be interpreted as a smooth transition multiple regime regression. The model specification is done by Lagrange Multiplier tests that indicate the node to be split and the corresponding transition variable. The comparison models used are the Mean model, Naive method, ARX linear models and Neural Networks. The forecasting models were evaluated through statistical and financial measures. The financial results are based on an automatic trading rule that signals buy and hold moments in each stock. The Heteroscedastic STAR-Tree Model statistical performance was equivalent to the other models, however its financial performance was superior for most of the series. The STAR-Tree methodology was also applied for forecasting the realized volatility, and the forecasts were used in financial leverage analysis.

Descrição Arquivo
COVER, ACKNOWLEDGEMENTS, RESUMO, ABSTRACT, SUMMARY AND LISTS  PDF
CHAPTER 1  PDF
CHAPTER 2  PDF
CHAPTER 3  PDF
CHAPTER 4  PDF
CHAPTER 5  PDF
CHAPTER 6  PDF
REFERENCES AND ANNEX  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui