Publication
Forecasting stock-return volatility in the time-frequency domain
| datacite.subject.fos | Ciências Sociais::Economia e Gestão | pt_PT |
| dc.contributor.advisor | Faria, Gonçalo Manuel A. Pereira Oliveira de | |
| dc.contributor.author | Retto, Gui Duarte Diniz de Abreu Bragança | |
| dc.date.accessioned | 2020-01-31T10:13:17Z | |
| dc.date.available | 2020-01-31T10:13:17Z | |
| dc.date.issued | 2018-06-27 | |
| dc.date.submitted | 2018 | |
| dc.description.abstract | Este estudo foca nos modelos autorregressivos de heterocedasticidade condicional, em especial nos modelos GARCH. A amostra principal usa dados do retorno do índice do S&P500 ajustados a divisão e dividendos de 1990 a 2008, usando uma janela fora da amostra de 2001 até ao final da amostra. O objetivo principal é analisar o desempenho das previsões do modelo num domínio tempo-frequência e, em seguida, compará-los com resultados em um cenário de domínio de tempo. Para fazer uma análise de domínio tempo-frequência, usamos técnicas de wavelets para decompor as séries temporais S&P500 originais em diferentes frequências, cada uma delas originalmente configurada no domínio do tempo. Em última análise, o objetivo é ver se a decomposição com wavelets traz um desempenho aprimorado na previsão/modelagem da volatilidade, observando a função de perdas de previsão de Quasi-Verossimilhança (QL), bem como os índices médios de perdas de previsão ao quadrado (MSFE). Embora a decomposição com wavelets ajude a capturar componentes periódicos ocultos das séries temporais originais, os resultados de domínio de frequência em termos de função de perda (QL e MSFE) não superam o resultado original do domínio do tempo para qualquer frequência dada. No entanto, a maioria das informações para a volatilidade futura é capturada em poucas frequências da série temporal do S&P500, especialmente, na parte de alta frequência dos espectros, representando horizontes de investimento muito curtos. | pt_PT |
| dc.description.abstract | This research focuses on generalized autoregressive conditional heteroskedasticity (GARCH) model. The main sample uses daily split-adjusted and dividend-adjusted log-return data of the S&P500 index ranging from 1990 to 2008, using an out-of-sample window from 2001 until the end of the sample. The main goal is to analyze the performance of the model forecasts in a time-frequency domain and then to compare them with results in a time-domain scenario. To make a time-frequency domain analysis, this research uses wavelets techniques to decompose the original S&P500 time series into different frequencies brands, each of them originally set in time-domain. Ultimately, the aim is to see if the wavelet decomposition brings an enhanced performance on forecasting/modelling volatility by looking at the Quasi-Likelihood forecasting losses (QL) as well as the mean squared forecasting losses ratios (MSFE). Although the wavelet decomposition helps to capture hidden periodic components of the original time-series, frequency-domain results in terms of loss function (QL e MSFE) don’t outperform the original time-domain result for any given frequency. Nevertheless, most of the information for future volatility is captured in few frequencies of the S&P500 time-series, specially in the high-frequency part of the spectra, representing very short investment horizons. | pt_PT |
| dc.identifier.tid | 201963817 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.14/29407 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Volatilidade | pt_PT |
| dc.subject | GARCH | pt_PT |
| dc.subject | Decomposição com wavelets | pt_PT |
| dc.subject | Função de perdas | pt_PT |
| dc.subject | Volatility | pt_PT |
| dc.subject | Wavelet decomposition | pt_PT |
| dc.subject | Loss function | pt_PT |
| dc.title | Forecasting stock-return volatility in the time-frequency domain | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Finanças | pt_PT |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- Forecasting Stock-Return Volatility in the time-frequency domain_Gui Retto.pdf
- Size:
- 1.67 MB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 3.44 KB
- Format:
- Item-specific license agreed upon to submission
- Description: