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

Autores/as

  • Levi Lopes Teixeira Universidade Tecnológica Federal do Paraná
  • Samuel Bellido Rodrigues Universidade Tecnológica Federal do Paraná
  • Jairo Marlon Correa Universidade Tecnológica Federal do Paraná
  • TASIA HICKMANN Universidade Tecnológica Federal do Paraná
  • Edgar MANUEL CARREÑO FRANCO Unioeste

Resumen

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.

Biografía del autor/a

Samuel Bellido Rodrigues, Universidade Tecnológica Federal do Paraná

Possui graduação em Licenciatura Matemática pela Universidade Estadual do Oeste do Paraná (2004), mestrado em Métodos Numéricos em Engenharia pela Universidade Federal do Paraná (2007), doutorado em Métodos Numéricos em Engenharia pela Universidade Federal do Paraná (2015), e pós-doutoramento em Métodos Numéricos Híbridos de Previsão pelo Programa de Pós-Graduação em Engenharia Elétrica e Computação pela Universidade Estadual do Oeste do Paraná (2017). Atualmente é professor adjunto da Universidade Tecnológica Federal do Paraná. Tem experiência na área de Previsões de Séries Temporais.

Citas

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.

Publicado

2018-11-30

Número

Sección

Artigos