Aplicações de Modelos de Volatilidade: Premissas e Previsão
Vamos verificar algumas premissas importantes sobre os modelos de volatilidade ARCH/GARCH, o funcionamento da geração de previsões dos modelos e como avaliar os resultados utilizando o R e o Python.
Avaliação de Previsões Macroeconométricas
Uma extensão natural para a criação de modelos macroeconométricos é, certamente, avaliar o quão bom ou ruim é a previsão gerada. Para isso, existem algumas medidas que procuram qualificar a distância entre a previsão feita e o valor efetivamente observado. Neste artigo, verificamos algumas dessas medidas.
Estacionariedade de Séries Temporais
Neste artigo, vamos apresentar o conceito de estacionariedade, verificar como estimar e interpretar aplicando em exemplos do mundo real usando as linguagens de programação R e Python. Além disso, apresentamos conceitos sobre série temporal e tipos de processos estocásticos.
Construindo uma análise exploratória envolvendo funções de autocorrelação
Neste artigo, vamos apresentar o conceito de autocorrelação na estatística, avaliar sua aplicabilidade no mundo real, verificar como estimar e interpretar e, por fim, vamos ver como aplicar a análise de autocorrelação com dados macro-financeiros do Brasil, usando as linguagens de programação R e Python.
Volatilidade de Ativos e Modelos de Volatilidade
Uma importante medida em finanças é o risco associado a um ativo e a volatilidade de ativos é talvez a medida de risco mais utilizada. Há, entretanto, diversas medidas de volatilidade. Portanto, no post de hoje, iremos verificar as características da volatilidade, os principais modelos e a possibilidade de estimação usando o R e o Python.
