The main stylized facts for financial time series data are the absence of linear autocorrelation, heavy tails, asymmetry for gains or losses, agglomeration of volatilities, and leverage effect. When studying financial time series, researchers can regularly observe common characteristics ( Cont, 2001). The simple question of how much uncertainty we can expect for future prices of financial contracts resulted in a large body of literature interested in understanding the statistical properties of price changes and how we can use them to make better predictions ( Brockwell & Davis, 2016 Francq & Zakoian, 2019). Modeling uncertainty is a certain element of the financial practice, with important applications in portfolio allocation, risk management, and pricing of financial contracts. Palavras-chave: volatilidade, GARCH, Ibovespa, tutorial. Todos os dados e códigos R usados para produzir este tutorial estão disponíveis gratuitamente na internet e todos os resultados podem ser facilmente replicados. Os dados empíricos cobrem o período entre os anos 2000 e 2020, incluindo a crise financeira de 2009 e o episódio atual de 2020 da pandemia do COVID-19.Ĭonclusão: de acordo com nosso modelo GARCH, as chances de o Ibovespa atingir o seu pico passam de 50% um ano e seis meses após junho de 2020. Métodos: usamos um modelo GARCH para investigar quanto tempo levará, após a última crise, para que o índice Ibovespa volte a atingir seu pico histórico mais uma vez. Discutiremos a lógica subjacente dos modelos GARCH, seus processos de representação e estimação, juntamente com um exemplo descritivo de uma aplicação no mundo real. Objetivo: neste artigo tutorial abordaremos o tópico da modelagem de volatilidade na plataforma R. Keywords: volatility+ GARCH+ Ibovespa+ tutorial.Ĭontexto: a modelagem de volatilidade é uma técnica avançada em econometria financeira, com diversas aplicações em pesquisa acadêmica.
All data and R code used to produce this tutorial are freely available on the internet and all results can be easily replicated. The empirical data covers the period between years 20, including the 2009 financial crisis and the current 2020’s episode of the COVID-19 pandemic.Ĭonclusion: we find that, according to our GARCH model, Ibovespa is more likely than not to reach its peak once again in one year and four months from June 2020. Methods: we use a GARCH model to predict how much time it will take, after the latest crisis, for the Ibovespa index to reach its historical peak once again. We will discuss the underlying logic of GARCH models, their representation and estimation process, along with a descriptive example of a real-world application of volatility modeling. Objective: in this tutorial paper, we will address the topic of volatility modeling in R. Context: modeling volatility is an advanced technique in financial econometrics, with several applications for academic research.
0 kommentar(er)
