Sample records for deterministic estimation
from WorldWideScience.org

Sample records 1 - 3 shown.



1

O uso de dados de alta freqüência na estimação da volatilidade e do valor em risco para o IBOVESPA

Moreira, João Maurício de Souza; Lemgruber, Eduardo Facó
2004-03-01

Resumo em português Este artigo investiga o uso de dados de alta freqüência na estimação das volatilidades diária e intradiária do IBOVESPA e no cálculo do valor em risco (VaR). Os modelos GARCH e EGARCH são usados em conjunto com métodos determinísticos de filtragem de sazonalidade para a previsão da volatilidade e do VaR intradiários. Uma comparação com o método não-paramétrico baseado no quantil empírico é efetuada. No cálculo do VaR diário, dois métodos simples de p (mais) revisão buscam captar a informação de volatilidade contida nos dados de alta freqüência. O primeiro utiliza o desvio padrão amostral com janela móvel e o segundo faz uso da técnica de alisamento exponencial. Alguns métodos tradicionais aplicados a dados diários são usados para comparação. No cálculo do VaR diário, os dois métodos baseados em dados intradiários apresentaram bom desempenho. No cálculo do VaR intradiário, os resultados mostram que a filtragem do padrão sazonal é indispensável à obtenção de medidas úteis de volatilidades com o uso dos modelos GARCH e EGARCH. Resumo em inglês This paper investigates the use of high frequency data in the estimation of daily and intraday volatility, in order to compute value at risk (VaR) forecasts for the IBOVESPA. GARCH models and deterministic methods for the filtering of seasonal patterns are used in the computation of intraday volatility and VaR forecasts. A comparison with a non-parametric method based on the empirical quantile is done. For daily VaR two simple methods seek to extract the volatility inform (mais) ation conveyed by the high frequency data. The first method is based on the sample standard deviation with a moving window, while the second is based on exponencially weighted moving average. Some traditional methods applied to daily data are used for benchmarking. Both methods tested present good performance. For intraday VaR the results indicate that the filtering of the seasonal pattern is a fundamental step in obtaining useful forecasts of volatility and VaR.

Scientific Electronic Library Online (Portuguese)

2

Modelagem Bayesiana do risco de infecção tuberculosa para estudos com perdas de seguimento/ Bayesian model for the risk of tuberculosis infection for studies with individuals lost to follow-up/ Modelaje Bayesiano del riesgo de infección tuberculosa para estudios con pérdidas de seguimiento

Martinez, Edson Zangiacomi; Ruffino-Netto, Antonio; Achcar, Jorge Alberto; Aragon, Davi Casale
2008-12-01

Resumo em português OBJETIVO: Desenvolver um modelo estatístico baseado em métodos Bayesianos para estimar o risco de infecção tuberculosa em estudos com perdas de seguimento, comparando-o com um modelo clássico determinístico. MÉTODOS: O modelo estocástico proposto é baseado em um algoritmo de amostradores de Gibbs, utilizando as informações de perdas de seguimento ao final de um estudo longitudinal. Para simular o número desconhecido de indivíduos reatores ao final do estudo e (mais) perdas de seguimento, mas não reatores no tempo inicial, uma variável latente foi introduzida no novo modelo. Apresenta-se um exercício de aplicação de ambos os modelos para comparação das estimativas geradas. RESULTADOS: As estimativas pontuais fornecidas por ambos os modelos são próximas, mas o modelo Bayesiano apresentou a vantagem de trazer os intervalos de credibilidade como medidas da variabilidade amostral dos parâmetros estimados. CONCLUSÕES: O modelo Bayesiano pode ser útil em estudos longitudinais com baixa adesão ao seguimento. Resumo em espanhol OBJETIVO: Desarrollar un modelo estadístico en basado en métodos Bayesianos para estimar el riesgo de infección tuberculosa en estudios con pérdidas de seguimiento, comparándolo con un modelo clásico deterministico. MÉTODOS: El modelo estocástico propuesto se basa en un algoritmo de muestreadotes de Gibbs, utilizando las informaciones de pérdidas de seguimiento al final de un estudio longitudinal. Para simular el número desconocido de individuos reactores al fin (mais) al del estudio y pérdidas de seguimiento, pero no reactores en el tiempo inicial, una variable latente fue introducida en el nuevo modelo. Se presenta un ejercicio de aplicación de ambos modelos para comparación de las estimaciones generadas. RESULTADOS: Las estimaciones puntuales suministradas por ambos modelos son próximas, pero el modelo Bayesiano presentó la ventaja de traer los intervalos de credibilidad como medidas de variabilidad muestral de los parámetros estimados. CONCLUSIONES: El modelo Bayesiano puede ser útil en estudios longitudinales con baja adhesión al seguimiento. Resumo em inglês OBJECTIVE: To develop a statistical model based on Bayesian methods to estimate the risk of tuberculosis infection in studies including individuals lost to follow-up, and to compare it with a classic deterministic model. METHODS: The proposed stochastic model is based on a Gibbs sampling algorithm that uses information of lost to follow-up at the end of a longitudinal study. For simulating the unknown number of reactors at the end of the study and lost to follow-up, but n (mais) ot reactors at time 0, a latent variable was introduced in the new model. An exercise of application of both models in the comparison of the estimates of interest was presented. RESULTS: The point estimates obtained from both models are near identical; however, the Bayesian model allowed the estimation of credible intervals as measures of precision of the estimated parameters. CONCLUSIONS: The Bayesian model can be valuable in longitudinal studies with low adherence to follow-up.

Scientific Electronic Library Online (Portuguese)

3

Modelagem Bayesiana do risco de infecção tuberculosa para estudos com perdas de seguimento/ Bayesian model for the risk of tuberculosis infection for studies with individuals lost to follow-up/ Modelaje Bayesiano del riesgo de infección tuberculosa para estudios con pérdidas de seguimiento

Martinez, Edson Zangiacomi; Ruffino-Netto, Antonio; Achcar, Jorge Alberto; Aragon, Davi Casale
2008-12-01

Resumo em português OBJETIVO: Desenvolver um modelo estatístico baseado em métodos Bayesianos para estimar o risco de infecção tuberculosa em estudos com perdas de seguimento, comparando-o com um modelo clássico determinístico. MÉTODOS: O modelo estocástico proposto é baseado em um algoritmo de amostradores de Gibbs, utilizando as informações de perdas de seguimento ao final de um estudo longitudinal. Para simular o número desconhecido de indivíduos reatores ao final do estudo e (mais) perdas de seguimento, mas não reatores no tempo inicial, uma variável latente foi introduzida no novo modelo. Apresenta-se um exercício de aplicação de ambos os modelos para comparação das estimativas geradas. RESULTADOS: As estimativas pontuais fornecidas por ambos os modelos são próximas, mas o modelo Bayesiano apresentou a vantagem de trazer os intervalos de credibilidade como medidas da variabilidade amostral dos parâmetros estimados. CONCLUSÕES: O modelo Bayesiano pode ser útil em estudos longitudinais com baixa adesão ao seguimento. Resumo em espanhol OBJETIVO: Desarrollar un modelo estadístico en basado en métodos Bayesianos para estimar el riesgo de infección tuberculosa en estudios con pérdidas de seguimiento, comparándolo con un modelo clásico deterministico. MÉTODOS: El modelo estocástico propuesto se basa en un algoritmo de muestreadotes de Gibbs, utilizando las informaciones de pérdidas de seguimiento al final de un estudio longitudinal. Para simular el número desconocido de individuos reactores al fin (mais) al del estudio y pérdidas de seguimiento, pero no reactores en el tiempo inicial, una variable latente fue introducida en el nuevo modelo. Se presenta un ejercicio de aplicación de ambos modelos para comparación de las estimaciones generadas. RESULTADOS: Las estimaciones puntuales suministradas por ambos modelos son próximas, pero el modelo Bayesiano presentó la ventaja de traer los intervalos de credibilidad como medidas de variabilidad muestral de los parámetros estimados. CONCLUSIONES: El modelo Bayesiano puede ser útil en estudios longitudinales con baja adhesión al seguimiento. Resumo em inglês OBJECTIVE: To develop a statistical model based on Bayesian methods to estimate the risk of tuberculosis infection in studies including individuals lost to follow-up, and to compare it with a classic deterministic model. METHODS: The proposed stochastic model is based on a Gibbs sampling algorithm that uses information of lost to follow-up at the end of a longitudinal study. For simulating the unknown number of reactors at the end of the study and lost to follow-up, but n (mais) ot reactors at time 0, a latent variable was introduced in the new model. An exercise of application of both models in the comparison of the estimates of interest was presented. RESULTS: The point estimates obtained from both models are near identical; however, the Bayesian model allowed the estimation of credible intervals as measures of precision of the estimated parameters. CONCLUSIONS: The Bayesian model can be valuable in longitudinal studies with low adherence to follow-up.

Scientific Electronic Library Online (Portuguese)