Use este identificador para citar ou linkar para este item: http://rebacc.crcrj.org.br/handle/123456789/5856
Título: Value-at-risk modeling and forecasting with range-based volatility models: empirical evidence
Modelagem e previsão do valor em risco com modelos de volatilidade baseada em variação: evidências empíricas
Palavras-chave: volatility; forecasting models; financial markets; price range; value at risk (VaR)
volatilidade; modelos de previsão; mercados financeiros; variação de preço; valor em risco (VaR)
Editora / Evento / Instituição: Universidade de São Paulo. Faculdade de Economia, Administração e Contabilidade
Descrição: Este artigo considera a modelagem da volatilidade baseada em variação para a identificação e previsão de modelos de volatilidade condicional baseados em retornos. Sugere-se a inclusão da medida de variação, definida como a diferença entre o preço máximo e mínimo de um ativo em um intervalo de tempo, como uma variável exógena em modelos generalizados de heterocedasticidade condicional autorregressiva (GARCH). A motivação é avaliar se a variação proporciona informações adicionais ao processo de volatilidade (variabilidade intradiária) e aprimora a previsão, quando comparada a abordagens do tipo GARCH e ao modelo de variação autorregressiva condicional (CARR). A análise empírica emprega dados dos principais índices das bolsas de valores das economias norte-americana e brasileira, ou seja, S&P 500 e Ibovespa, respectivamente, no período de janeiro de 2004 a dezembro de 2014. O desempenho é comparado em termos de precisão, modelagem e previsão do valor em risco (VaR). Os resultados fora da amostra indicam que os modelos de volatilidade baseados em variação proporcionam previsões do VaR mais precisas do que os modelos GARCH.
This article considers range-based volatility modeling for identifying and forecasting conditional volatility models based on returns. It suggests the inclusion of range measuring, defined as the difference between the maximum and minimum price of an asset within a time interval, as an exogenous variable in generalized autoregressive conditional heteroscedasticity (GARCH) models. The motivation is evaluating whether range provides additional information to the volatility process (intraday variability) and improves forecasting, when compared to GARCH-type approaches and the conditional autoregressive range (CARR) model. The empirical analysis uses data from the main stock market indexes for the U.S. and Brazilian economies, i.e. S&P 500 and IBOVESPA, respectively, within the period from January 2004 to December 2014. Performance is compared in terms of accuracy, by means of value-at-risk (VaR) modeling and forecasting. The out-of-sample results indicate that range-based volatility models provide more accurate VaR forecasts than GARCH models.
URI: http://rebacc.crcrj.org.br/handle/123456789/5856
Outros identificadores: https://www.revistas.usp.br/rcf/article/view/138284
10.1590/1808-057x201704140
Aparece nas coleções:Revista Contabilidade & Finanças - USP

Arquivos associados a este item:
Não existem arquivos associados a este item.
Mostrar registro completo do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.