Projetos em andamento

Estatística e aprendizado de máquina aplicados em economia e finanças.

Este projeto de pesquisa tem como finalidade aplicar e desenvolver procedimentos estatísticos e de aprendizado de máquina passíveis de uso em problemas de economia e finanças. Além do ênfase na aplicação e desenvolvimento de novos métodos, este projeto também tem foco no ensino (capacitando alunos de graduação e pós-graduação em temas não contemplados na grade curricular) e na extensão (promovendo o uso, divulgação e popularização dos métodos quantitativos através de seminários periódicos, bem como disponibilizando gratuitamente os códigos utilizados neste projeto).

  • Financiamento: FAEPEX 2525/23

Modelagem e Previsão de Séries Temporais na era do Big Data: Alta dimensão e Alta frequência.

A era do Big Data é caracterizada pelo volume, velocidade, variedade e veracidade dos dados utilizados, bem como o valor agregado fornecido aos agentes interessados após uma análise apropriada desses dados. Em um contexto de séries temporais, a era do Big Data implica analisar um grande número de séries temporais de forma conjunta (alta dimensão) em granularidades cada vez mais finas (alta frequência), podendo, inclusive, utilizar dados de fontes externas, tais como redes sociais, jornais e fóruns especializados. Isto tem gerado uma crescente demanda por modelos e/ou metodologias apropriadas para modelar e prever séries temporais em diferentes campos de aplicação, tais como economia, finanças, energia, varejo, tráfego urbano e segurança cibernética. Assim, faz-se necessário o constante desenvolvimento/extensão de modelos e metodologias que permitam capturar apropriadamente a dinâmica desses dados, objeto deste projeto de pesquisa.

Previsão da (co)volatilidade e medidas de risco através de modelos de séries temporais univariados, multivariados e de alta dimensão com mudança de regime.

Modelos com mudança de regime têm-se mostrado bastante úteis na estimação e previsão da (co)volatilidade e medidas de risco tais como o Value-at-Risk e o Expected Shortfall. A incorporação de mundança de regime na modelagem tem-se dado, principalmente, nos modelos da famiília (M)GARCH, deixando uma grande quantidade de famílias de modelos sendo inexplorados. O projeto visa incluir mudança de regime em uma grande variedade de modelos de séries temporais. Entre eles, nos modelos DCS (dynamic conditional score), nos modelos RB (range-based), nos SV (stochastic volatilty), nos GDFM (general dynamic factor models) e em outros modelos de redução de dimensão para séries temporais. Serão desenvolvidas propostas metodológicas para estimaçã e previsão, as quais serão avaliadas via experimentos de Monte Carlo em amostras finitas, e aplicações nos mercados brasileiro, internacional e de criptomoeda, tanto para o gerenciamento de risco, quanto na alocação de carteiras e estratégias de hedge.