Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/BUBD-A4NHVD
Type: | Tese de Doutorado |
Title: | Nonparametric dependence modelling for space-time cluster detection |
Authors: | Ricardo Fonseca Couto |
First Advisor: | Luiz Henrique Duczmal |
First Co-advisor: | Denise Burgarelli Duczmal |
First Referee: | Ricardo Hiroshi Caldeira Takahashi |
Second Referee: | Roberto da Costa Quinino |
Third Referee: | Gladston Juliano Prates Moreira |
metadata.dc.contributor.referee4: | André Luiz Fernandes Cançado |
metadata.dc.contributor.referee5: | Denise Burgarelli Duczmal |
Abstract: | Estruturas de dependência são estudadas exaustivamente em diversas aplicações. Nesta tese, uma nova metodologia para a detecção de clusters, chamada de Distância Ponderada de Voronoi, é apresentada levando em consideração não somente a localização dos pontos, mas também sua estrutura temporal. Usando o espaço de variáveis ao invés da localização geográfica, como em estatística espacial, e o toro em lugar do plano cartesiano, esta metodologia permite que o usuário aplique a ideia para um número maior de cenários alternativos. Em particular nos mercados financeiros, diferentes modelagens de dependência entre ativos podem levar a mudanças drásticas na alocação de recursos e a diferentes exposições a risco. Além disso, estas relações de dependência podem ser utilizadas como mecanismos para a detecção de crises financeiras mais rápidos que os modelos fundamentalistas, através do efeito contágio. Inicialmente, esta aplicação é realizada entre ativos de um mesmo mercado, o mercado americano, comparando a metodologia proposta com metodologias mencionadas na literatura como coeficientes lineares e copulas. Esta abordagem foi estendida para ativos de mercados distintos, a fim de se analisar a disseminação de crises financeiras entre diferentes mercados. Resultados obtidos através de simulações e aplicações com dados reais mostraram melhorias se comparados com abordagens clássicas, especialmente em períodos financeiros turbulentos. |
Abstract: | The dependence structures have been exhaustively studied in many applications. In this thesis, a new methodology for cluster detection is presented, i.e. the Weighted Voronoi Distance (WVD), taking into consideration not only the location of the points but also their time structure. Using variables space instead of geographical location as in spatial statistics and the torus instead of a regular Cartesian plane, this methodology allows the user to apply the rationale for more alternative scenarios. Particularly in financial markets, different dependence modelling among assets can lead to significant changes in asset allocation and different risk exposures. Besides, these dependence relationships can be used as mechanisms to detect financial crisis more quickly than fundamental models through the contagion effect. Initially, this application is run using assets from the same market, i.e. the US market, comparing the proposed methodology with methodologies mentioned in literature such as linear coefficients and copulas. This approach will be extended to assets from distinct markets in order to analyse the financial crisis dissemination across different markets. Results obtained from simulations and real data applications showed improvements compared to classical approaches especially in during turbulent financial periods. |
Subject: | Estatística Algoritmos de computador Amostragem por conglomerados Analise por conglomerados Análise espacial (Estatística) |
language: | Inglês |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
Rights: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/BUBD-A4NHVD |
Issue Date: | 25-Jun-2015 |
Appears in Collections: | Teses de Doutorado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
tese_de_doutorado_em_estatistica___ricardo_couto.pdf | 1.47 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.