COMBINANDO FILTROS DE WAVELETS E KALMAN PARA PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS

Informações

Código: FIN874
Divisão: FIN - Finanças
Tema de Interesse: Tema 03 - Gestão de Riscos e Derivativos

Autores

Fabiano Guasti Lima, Antônio Carlos da Silva Filho, Luiz Carlos Jacob Perera, Alexandre Assaf Neto, Roberto Borges Kerr

Resumo

O estudo sobre o comportamento das séries temporais financeiras, com objetivo de previsãofutura de preços e retornos, é foco de discussão e embates, mediante distintas abordagens.Especialmente ao se tratar dos movimentos implícitos dos retornos de um ativo financeiro,analisando seu comportamento, as teorias sobre os modelos de ajustes a esse comportamentosão divergentes na busca da compreensão desses fatos empíricos. Entre as diversas técnicasque desempenharam esse papel de prever um valor para o futuro, existem diversos modelos jáverificados na literatura e, mais recentemente, os filtros de separação de séries surgiram comouma alternativa complementar às atuais técnicas de previsão. Encontrou-se suporte naliteratura que já vinha apontando para a necessidade de melhoria nos filtros de volatilidade emconjunto com as técnicas já desenvolvidas e testadas. O background levantado apontou para aexistência de dois principais filtros: wavelets, conforme Gençay, Selçuk e Whitcher (2002) eKalman, segundo Harvey (2001). Desta forma, o objetivo geral deste estudo é realizar umaanálise comparativa do uso combinado de filtros de wavelets e kalman juntamente commodelos de previsão para séries temporais financeiras, a fim de verificar qual produz a melhorprevisão futura para mensuração de ativos. Para se investigar o assunto, buscou-se umametodologia quantitativa e descritiva dos modelos e das formas combinadas de uso dos filtrospara previsão. Os resultados apontaram que realmente o uso das técnicas de filtragemconsegue reduzir o erro das previsões. Testada a junção das técnicas para uma série com altavolatilidade como o IBOVESPA, o resultado aponta o uso do filtro de Kalman primeiro e emseguida o uso de wavelets com redes neurais recorrentes, com erro medido pelo MAPE de0,72%. Testando as possíveis variações na forma da wavelet de filtragem para checar apossível interferência nos resultados das previsões, chegou-se ao resultado que o erro somenteé inferior para as formas de onda primária, no caso para a wavelet de “Haar” e “daubesch 1”.Em suma, juntando-se a curiosidade de pesquisador com as citações encontradas na literaturaque se chegou à hipótese central desta pesquisa: o uso combinado de filtros de wavelets eKalman para redução de ruídos melhora a qualidade da previsão quando comparados com asimples aplicação de um só deles sem séries temporais financeiras. Posteriormente,incorporou-se na hipótese central a possibilidade de se trocar as formas de wavelets para ver oganho obtido. Dessa forma, o estudo contribui para a área contábil pois demonstra redução deerros de previsão futura e consequente melhor gestão de riscos em posições de investimentosno mercado financeiro.

Abrir PDF