Resumo

ZAPATA GOMEZ, Elizabeth Catalina; VELASQUEZ HENAO, Juan David  e  SMITH QUINTERO, Ricardo Agustín. Sistemas adaptativos de inferência em neuro difusão com erros heterecedásticos para o modelado de séries financeiras. Cuad. Adm. [online]. 2008, vol.21, n.37, pp.311-334. ISSN 0120-3592.

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 neuro 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 especifi cação 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.

Palavras-chave : ANFIS; ARCH; hetere cedasticidade; séries temporais; modelos não lineais.

        · resumo em Espanhol | Inglês     · texto em Espanhol     · Espanhol ( pdf )