Publicação
Previsão da estrutura temporal da taxa de juro na zona Euro : aproximação paramétrica e por métodos de aprendizagem automática
| dc.contributor.advisor | Bravo, Jorge Miguel Ventura | |
| dc.contributor.advisor | Castelli, Mauro | |
| dc.contributor.author | Garcia, Inês Regina Portela Costa | |
| dc.date.accessioned | 2016-05-24T13:14:44Z | |
| dc.date.available | 2016-05-24T13:14:44Z | |
| dc.date.issued | 2016-03-21 | |
| dc.description | Dissertation presented as the partial requirement for obtaining a Master's degree in Statistics and Information Management, specialization in Risk Analysis and Management | pt_PT |
| dc.description.abstract | A estrutura temporal das taxas de juro, também conhecida por yield curve ou curva de rendimentos define a relação entre as taxas de juros e o prazo de vencimento (ou maturidades) dos investimentos feitos. Assim, o desenvolvimento de modelos que possibilitem a obtenção de previsões precisas sobre a estrutura temporal das taxas de juro e que permitam estudar a dinâmica da evolução das taxas de juro é de crucial importância em diversas áreas de financiamento. Neste estudo investigou-se a performance de diferentes métodos de previsão para obter a estrutura temporal das taxas de juro da Zona Euro, considerando o período entre 2009 e 2015. Em termos mais específicos, foi analisada a capacidade preditiva do modelo de Nelson-Siegel & Svensson assumindo que os parâmetros resultantes da estimação da especificação paramétrica podem ser modelizados através de métodos de séries temporais univariados (modelos ARIMA, Random walk) e multivariados (modelos VAR) e Redes Neuronais Artificiais (RNA) individuais e conjuntas. Os resultados deste estudo mostram que (i) as RNA com a previsão dos parâmetros em simultâneo exibem os valores de erro mais baixos para as maturidades de curto e médio prazo (3 meses a 5 anos); (ii) As RNAs individuais são melhores para prever as taxas de juro nas maturidades compreendidas entre os 7 e os 10 anos, e que (iii) para as maturidades de longo e muito longo prazo (15 e 30 anos respetivamente) deverá ser escolhido o modelo VAR(1). Estes resultados são robustos e consistentes para todos os horizontes de previsão analisados (1,2 e 3 meses). Contudo, no período analisado nenhum dos modelos testados apresenta valores de erro inferiores aos obtidos com o modelo Random Walk. | pt_PT |
| dc.identifier.tid | 201125692 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10362/17494 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Taxas de juro | pt_PT |
| dc.subject | Zona Euro | pt_PT |
| dc.subject | Modelo Nelson-Siegel & Svensson | pt_PT |
| dc.subject | Redes neuronais artificiais | pt_PT |
| dc.subject | Previsão | pt_PT |
| dc.title | Previsão da estrutura temporal da taxa de juro na zona Euro : aproximação paramétrica e por métodos de aprendizagem automática | 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 Estatística e Gestão de Informação, especialização em Análise e Gestão de Risco | pt_PT |