ESTIMATIVAS DA VOLATILIDADE DOS RETORNOS DA COMMODITY MILHO VIA MÉTODO AUTOMÁTICO FORMADO PELOS MODELOS ARCH/GARCH/EGARCH E A META-HEURÍSTICA FIREFLY

Levi Lopes Teixeira, Samuel Bellido Rodrigues, Jairo Marlon Correa, TASIA HICKMANN, Edgar MANUEL CARREÑO FRANCO

Resumo


Neste artigo foi proposto um método automático para a modelagem da volatilidade de retornos oriundos de séries temporais financeiras. O método consiste no ajuste, quando necessário, de modelos autorregressivos e médias móveis (ARMA), combinado com a aplicação dos modelos ARCH, GARCH e EGARCH. A estimação dos parâmetros desses modelos foi executada a partir da meta-heurística Firefly, implementada em software Scilab. O método automático proposto foi avaliado a partir da utilização da série de retornos diários da commodity milho. Os resultados obtidos mostram que os modelos ajustados são adequados à série estuda, apresentando eficiência e propiciando agilidade na previsão da volatilidade.

Texto completo:

PDF

Referências


PELLEGRINI, F.R. & FOGLIATTO, F. Estudo comparativo entre modelos de Winters e de Box-Jenkins para a previsão de demanda sazonal. Revista Produto & Produção. Vol. 4, número especial, p.72-85, 2000.

ABDELAZIZ, A.Y.; MEHHAMER, S.F.; BADR, M.A.L.; ALGABALAWY, M.A. The Firefly meta-heuristic algorithms: developments and applications. International Electrical Engineering Journal (IEEJ), v. 6, n. 7, p.1945-1952, 2015.

AGARWAL, S.; SINGH, A.P.; ANAND, N. Evaluation performance study of firefly algorithm, particle swarm optimization and artificial bee colony algorithm for non-linear mathematical optimization functions. Anais... Tiruchengode, India: Computing, communications and networking technologies, 2013.

ASSADI, S.; TAVAKOLI, A.; HEJAZI,S.R.. A new hybrid for improvement of auto-regressive integrated moving average models applying particle swarm optimization. Expert Systems with Applications, 2012.

BARAGONA, R.; CALZIN, F.;BATTAGUA, F. Genetic Algorithms for The Identification of Additive and Innovation Outliers In Time Series. Computational Statistics & Data Analysis, p. 1-12, 2001.

BOLLERSLEV, T. Generalized autoregressive conditional heteroscedasticity. Journal of Econometrics, n.31, p.307-327.

BEHNAMIAN, J.; GHOMI, S. M. T. Development of a PSO–SA hybrid metaheuristic for a new comprehensive regression model to time-series forecasting. Expert Systems with Applications, 2009.

BOX, G.; JENKINS, G.; REINSEL, G. C. Time Series Analysis, Forecasting and Control. 3.ed. Englewood Cliffs:Prentice-Hall, 1994. 598p.

CHEONG, C.W. Modeling and forecasting crude oil markets using ARCH-type models. Energy Policy, n.37, p.2346-2355, 2009.

ENGLE, R. F. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. The Econometric Society, v. 50, n.4, p.987-1007, 1982.

GNANLET, A. e RAJENDRAN, C. Meta-Heuristics in ARMA Forecasting. California Journal of Operations Management. v.7, n.1, p.38-48, feb.2009.

GREBOGI, R. B. Máquina de aprendizagem extrema com otimização por enxame de partículas aplicada à previsão de séries temporais. Curitiba, 144 p. Dissertação (Mestrado em Engenharia Elétrica). Universiadae Federal do Paraná, 2013.

HYNDMAN, R.J.;KHANDAKAR, Y. Automatic time series forecasting: the forecast package for R. Journal of Statiscal Software, v.27, 2008.

JUBERT, R.W.; MONTE, P.A.; PAIXÃO, M.C.S.; LIMA, W.H. Um estudo do padrão de volatilidade dos índices financeiros do Bovespa. Revista UNB Contábil, v.11, n1-2, p.221-239, 2008.

LIMA, F.G.; KIMURA, H.; ASSAF NETO, A.; PERERA, L.C.J. Previsão de preços de commodities com modelos ARIMA-GARCH e redes neurais com ondaletas: velhas tecnologias, novos resultados. Revista Administração, v.45, n.2, p.188-202, 2010.

MORETTIN, P. A.; TOLOI, C. M. Análise de series temporais. São Paulo: Blucher, 2006.

NELSON, D. Conditional heteroskedasticity in asset returns: a new approach. Econometrica, n.59, p.347-370, 1991.

OTUKI, T.F.; WEYDMANN, C.L.;SEABRA, F. Febre aftosa e volatilidade dos preços do produtor de carne suína. Revista de Economia e Agronegócio, v.7, n.2, 2005.

ROUT, M.; MAJHI, B.; MAJHI, R.; PANDA, G. Forecasting of currency exchange rates using an adaptive ARMA model with differential evolution based training. Journal of King Saud University – Computer and Information Sciences, n.26, p.7-18, 2014.

SALTIK, O.; DEGIRMEN, S.; URAL, M. Volatility modelling in crude oil and natural gas prices. Procedia Economics and Finance, n.38, p.476-491, 2016.

SILVA, C. G. Time series forecasting with a non-linear model and the scatter search meta-heuristic. Information Sciences, n.178, p.3288-3299, 2008.

SIQUEIRA, H. V.; ATTUX,R.; LYRA FILHO, C. Exploração de Alternativas Lineares para Previsão de Séries de Vazões. In: Mecánica Computacional XXIX, 2010, Buenos Aires. Anais... Buenos Aires: Associación Argentina de Mecânica Computacional, 2010, p. 9629-9644, 2010.

TSAY, R.S. Analysis of financial time series. New Jersey: John Wiley and Sons, 2001.

WEI, Y.; WANG, Y.; HUANG, D.; Forecasting crude oil market volatility: further evidence using GARCH-class models. Energy Economics, n.32, p.1477-1484, 2010.

YANG, X.S. Engineering Optimization, John Wiley and Sons, 2010.


Apontamentos

  • Não há apontamentos.


O CONTEÚDO DOS ARTIGOS É DE RESPONSABILIDADE EXCLUSIVA DOS AUTORES.