Modeling high frequency intraday discrete returns

Resumo

Esta tese inclui três artigos sobre o tópico de modelagem de retornos intradiários discretos em alta-frequencia. Em todos os artigos nós conduzimos a tarefa de modelar a distribuição condicional discreta das mudanças de preço, propomos novos modelos de previsão e conduzimos exercícios de estimação e previsão em larga escala para comparar os novos modelos com os modelos existentes na literatura. No primeiro artigo nós estendemos o modelo de espaço de estados univariado, não-linear e não-gaussiano de Koopman, Lit and Lucas (2017) incluindo uma especificação para a média condicional. No segundo artigo nós propomos um novo modelo para a distribuição condicinal bivariada usando cópulas gaussianas dinâmicas e modelando o coeficiente de correlação com um modelo em espaço de estados não-linear e não-gaussiano. No último artigo nós propomos um novo modelo para a distribuição univariada condicional onde a volatilidate condicional é prevista por uma rede neural feedforward. Nós tambem incorporamos três novas variaveis para o modelos de previsão de volatilidade em alta frequência com preços discretos: o spread de compra e venda, o spread entre o preço maximo e preço mínimo e o volume transacionado. Em todos os três artigos os novos modelos mostraram melhor performance nos exercícios de previsão de densidade condicional quando comparados a modelos recentes da literatura.

Ficha do documento

Tipo

Tese

Ano

2020

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Inglês

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/29115

Temas

EconomiaModelagem EconômicaDados

Palavras-chave

Volatility modelsHigh frequency dataDiscrete price changesImportance samplingDeep learningNeural networksScore driven modelsSkellamNon-Gaussian time series modelsTime-varying copulasDynamic discrete dataNAISModelos de volatilidadeDados em alta frequênciaRetornos discretosAprendizagem de máquinaRedes neuraisModelos de scoreModelos de série de tempo não gaussianosEconomiaAnálise de séries temporaisVolatilidade (Finanças)Aprendizado do computadorRedes neurais (Computação)Ações (Finanças) - Preços - Previsão