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-regres...
| Autores: | , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2008 |
| País: | Colombia |
| Institución: | Pontificia Universidad Javeriana |
| Repositorio: | Repositorio Universidad Javeriana |
| Idioma: | español |
| 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 |
| Access Level: | acceso abierto |
| 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 |
| Sumario: | 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. |
|---|