Sistemas adaptativos de inferencia neurodifusa con errores heterocedásticos para el modelado de series financieras

Neste trabalho propõem-se uma nova classe de modelos híbridos não lineais. No modelo proposto, a não linearidade em média representa-se utilizando um sistema adaptativo de nevro difusão de inferência (ANFIS, por sua sigla em inglês), enquanto a variação se representa usando um componente auto-regressivo heterecedástico condicional. Apresenta-se a formulação matemática deste tipo de modelos e propõem-se um método para sua estimação; adicionalmente, desenvolve-se para o modelo proposto uma estratégia de especificação baseada em uma bateria de provas estatísticas que incluem provas para a especificação dos modelos de regressão com transição suave (STR, por sua sigla em inglês), e a prova de rádio de verosimilitude. Como um caso de estudo, modela-se a dinâmica da série dos câmbios nos câmbios nos preços de feixe nas ações de IBM, a qual utiliza-se comummente como referente na literatura de séries de tempo. Os resultados indicam que o modelo desenvolvido representa melhor que outros modelos de características similares a dinâmica da série estudada.

• Autores: Zapata Gómez, Elizabeth Catalina; Velásquez Henao, Juan David; Smith Quintero, Ricardo Agustín
• Tipo de recurso: Article of journal
• Fecha de publicación: 2008
• Institución: Pontificia Universidad Javeriana
• Repositorio: Repositorio Universidad Javeriana
• Idioma: spa
• OAI Identifier: oai:repository.javeriana.edu.co:10554/23276
• Acceso en línea: http://revistas.javeriana.edu.co/index.php/cuadernos_admon/article/view/3909; http://hdl.handle.net/10554/23276
• Palabra clave: ANFIS; ARCH; heteroscedasticity; time series; non-linear models; ANFIS; ARCH; heterocedasticidad; series temporales; modelos no lineales; ANFIS; ARCH; hetere cedasticidade; séries temporais; modelos não lineais
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional