Seminário sobre empirical likelihood e extensões
Na próxima terça feira (8/09) estarei dando um seminário interno aqui no Insper sobre aplicações de empirical likelihood e extensões para estimações de modelos de séries financeiras.
O seminário deve ser uma mistura do artigo "Estimação de Equações Diferenciais Estocásticas Usando Verossimilhança Empírica e Mínimo Contraste Generalizado" e o artigo que estou finalizando agora sobre estimação semiparamétrica de modelos de volatilidade estocástica. Acho que consegui resultados muito interessantes nesse artigo de volatilidade estocástica, já que os resultados da estimação por gel e gmc para estes modelos são significante melhores que as técnicas normalmente utilizadas de quasi-máxima verossimilhança e gmm, principalmente nas situações com problemas de especificação, outliers, etc. e o viés em amostras finitas é de 10 a 20 vezes menor que nas estimações por qml e gmm.
Alem disso a teoria semiparamétrica que baseia a estimação por estes métodos é uma das teorias esteticamente mais bonitas que eu já estudei.
Se alguém tiver interesse em assistir é só entrar em contato comigo.
O seminário deve ser uma mistura do artigo "Estimação de Equações Diferenciais Estocásticas Usando Verossimilhança Empírica e Mínimo Contraste Generalizado" e o artigo que estou finalizando agora sobre estimação semiparamétrica de modelos de volatilidade estocástica. Acho que consegui resultados muito interessantes nesse artigo de volatilidade estocástica, já que os resultados da estimação por gel e gmc para estes modelos são significante melhores que as técnicas normalmente utilizadas de quasi-máxima verossimilhança e gmm, principalmente nas situações com problemas de especificação, outliers, etc. e o viés em amostras finitas é de 10 a 20 vezes menor que nas estimações por qml e gmm.
Alem disso a teoria semiparamétrica que baseia a estimação por estes métodos é uma das teorias esteticamente mais bonitas que eu já estudei.
Se alguém tiver interesse em assistir é só entrar em contato comigo.
0 Comments:
Postar um comentário
<< Home