摘要:Neste artigo, apresentamos uma breve descrição dos modelos ARCH, GARCH e EGARCH. Normalmente, as estimativas dos parâmetros desses modelos são obtidos através de métodos de máxima verossimilhança. Considerando-se novos processos metodológicos para modelar as volatilidades das séries temporais, precisamos usar outra abordagem de inferência para obter estimativas para os parâmetros dos modelos, uma vez que podemos ter grandes dificuldades para obter as estimativas de máxima verossimilhança, devido à complexidade da função de verossimilhança. Desta forma, obtemos as inferências para as volatilidades das séries temporais sob uma abordagem bayesiana, especialmente com o uso de algoritmos populares de simulação como o método de Monte Carlo em Cadeias de Markov (MCCM). Como uma aplicação para ilustrar a metodologia proposta, analisamos uma série temporal financeira da empresa Gillette variando de janeiro de 1999 à maio de 2003.
其他摘要:In this paper, we present a brief description of ARCH, GARCH and EGARCH models. Usually, their parameter estimates are obtained using maximum likelihood methods. Considering new methodological processes to model the volatilities of time series, we need to use other inference approach to get estimates for the parameters of the models, since we can encouter great difficulties in obtaining the maximum likelihood estimates due to the complexity of the likelihood function. In this way, we obtain the inferences for the volatilities of time series under a Bayesian approach, especially using popular simulation algorithms such as the Markov Chain Monte Carlo (MCMC) methods. As an application to illustrate the proposed methodology, we analyze a financial time series of the Gillette Company ranging from January, 1999 to May, 2003.
关键词:ARCH;GARCH;EGARCH;Modelos de Volatilidade Estocástica;Series de tempo Financieras;Métodos Bayesianos;Métodos de MCMC
其他关键词:ARCH;GARCH;EGARCH;Stochastic Volatility Models;Financial Time Series;Bayesian methodology;MCMC methods