Agenda Qualificações e Defesas

  • Hugo Mamoru Aoki Hissanaga Open or Close

    Data: 25/08/2017, às 14h00
    Local: Sala 30, Bloco A da FEA-RP
    Título: Previsão da curva de juros com análise de componentes principais utilizando matriz de covariâcia de longo prazo
    Autor: Hugo Mamoru Aoki Hissanaga

     

    Banca: Prof(a). Dr(a). Marcio Poletti Laurini (Presidente)

    Prof(a). Dr(a). Fabio Augusto Reis Gomes (Faculdade de Economia, Administração e Contabilidade - FEA)

    Prof(a). Dr(a). Andreza Aparecida Palma (Universidade Federal de Alfenas - UNIFAL)

    Prof(a). Dr(a). João Frois Caldeira (Universidade Federal do Rio Grande do Sul - UFRGS) - Skype

     

    Resumo: 

    Apesar da Analise de Componentes Principais (PCA) ser um dos métodos mais importantes na análise da estrutura a termo de taxa de juros, há fortes indícios de não ser adequada para estimar fatores da curva de juros quando há presença de dependência temporal e erros de medida. Para corrigir esses problemas é indicado utilizar a matriz de covariância de longo prazo, extraindo a correta estrutura de covariância presente nestes processos. Neste trabalho, mostramos que realizar a  previsão fora da amostra da curva de taxa de juros com o método de Análise de Componentes Principais (PCA) utilizando como base a matriz de covariância de longo prazo (LRCM) parece ser mais acurada comparada a PCA com base de matriz de covariância amostral.