Name: Modelos GARCH em R
Rating: 4.826530612244898 (98 reviews)

Descrição do curso

Você tem curiosidade sobre o ritmo do "batimento cardíaco" do mercado financeiro? Quer saber quando um mercado estável se torna turbulento? Neste curso sobre modelos GARCH, você vai aprender uma abordagem prospectiva para equilibrar risco e retorno na tomada de decisões financeiras. O curso avança gradualmente do modelo GARCH(1,1) normal padrão para modelos de volatilidade mais avançados com efeito de alavancagem, especificação GARCH na média e o uso da distribuição t de Student assimétrica para modelar retornos de ativos. Aplicações em retornos de ações e taxas de câmbio incluem otimização de portfólio, avaliação de previsões com amostras rolantes, previsão de value-at-risk e estudo de covariâncias dinâmicas.

Pré-requisitos

Time Series Analysis in R Manipulating Time Series Data in R

Programa de estudos

Conteúdo do curso

O modelo GARCH padrão como o "cavalo de batalha"

Vamos começar colocando a mão na massa. Uma análise com janela móvel dos retornos diários de ações mostra que seu desvio padrão muda bastante ao longo do tempo. Olhando para o passado, temos evidências claras de volatilidade variável no tempo. Olhando para frente, precisamos estimar a volatilidade dos retornos futuros. É exatamente isso que um modelo GARCH faz! Neste capítulo, você vai aprender o básico de como usar o pacote rugarch para especificar e estimar o modelo GARCH(1,1) padrão no R. Encerramos mostrando sua utilidade na alocação tática de ativos.

Começar capítulo

Aprimoramentos do modelo GARCH normal

Os mercados sobem de escada e descem de elevador. Essa sabedoria de Wall Street tem consequências importantes para especificar um modelo de volatilidade realista. É preciso abandonar a suposição de normalidade, assim como a resposta simétrica da volatilidade a choques. Neste capítulo, você vai conhecer modelos GARCH com efeito de alavancagem e inovações t de Student assimétricas. Ao final, você será capaz de usar modelos GARCH para estimar mais de dez mil diferentes especificações de modelos GARCH.

Começar capítulo

Avaliação de desempenho

Modelos GARCH geram previsões de volatilidade que servem de insumo para decisões financeiras. Seu uso na prática exige primeiro avaliar a qualidade da previsão de volatilidade. Neste capítulo, você vai aprender sobre a análise de significância estatística dos parâmetros GARCH estimados, as propriedades dos retornos padronizados, a interpretação de critérios de informação e o uso de estimação GARCH rolante e erros quadráticos médios de previsão para analisar a precisão da previsão de volatilidade.

Começar capítulo

Aplicações

Neste ponto, você domina a especificação, estimação e validação padrão de modelos GARCH no pacote rugarch. Este capítulo apresenta funcionalidades específicas do rugarch para calcular estimativas de value-at-risk, usar o modelo GARCH em produção e simular retornos GARCH. Você também vai descobrir que a presença de dinâmica GARCH na variância tem implicações para simular log-retornos, estimar o beta de uma ação e encontrar o portfólio de variância mínima.