Fitting and Forecasting Brent and WTI future prices curve using Machine Learning/
Figueiredo Neto, Mario de Mello
Fitting and Forecasting Brent and WTI future prices curve using Machine Learning/ Mario Figueiredo. - Rio de Janeiro: IMPA, 2021. - video online
Defesa de Tese - Dissertação de Mestrado. Banca examinadora: Yuri Saporito (IMPA-FGV) Paulo Orenstein (IMPA) Fernando Aiube (UERJ) Suplente: Rodrigo Targino (IMPA-FGV)
Resumo: Nesse trabalho, nós ajustamos os modelos Nelson-Siegel dinâmico e Schwartz-Smith de três fatores à curva de preços futuros do Brent e do WTI. Também estudamos a previsão de preços um dia à frente para toda a curva para cada modelo. Para isso, utilizamos duas abordagens diferentes: por OLS (minimização do erro quadrático) e por Filtragem. Para o modelo Nelson- Siegel dinâmico, nós utilizamos o passeio aleatório, o VAR e modelos baseados em LSTM, incluindo uma versão de LSTM com filtragem (LSTM-KF). Para o modelo de Schwartz-Smith de três fatores, utilizamos as equações que são dadas pelo modelo, assumindo não arbitragem. Nós também testamos um método de previsão a partir da curva diretamente, a que referimos como Basic Model. Nós mostramos que o modelo de Nelson-Siegel dinâmico foi o melhor no ajuste de dados em comparação com o de Schwartz-Smith e que a utilização de LSTM na abordagem OLS gerou as melhores previsões .
Matematica.
Fitting and Forecasting Brent and WTI future prices curve using Machine Learning/ Mario Figueiredo. - Rio de Janeiro: IMPA, 2021. - video online
Defesa de Tese - Dissertação de Mestrado. Banca examinadora: Yuri Saporito (IMPA-FGV) Paulo Orenstein (IMPA) Fernando Aiube (UERJ) Suplente: Rodrigo Targino (IMPA-FGV)
Resumo: Nesse trabalho, nós ajustamos os modelos Nelson-Siegel dinâmico e Schwartz-Smith de três fatores à curva de preços futuros do Brent e do WTI. Também estudamos a previsão de preços um dia à frente para toda a curva para cada modelo. Para isso, utilizamos duas abordagens diferentes: por OLS (minimização do erro quadrático) e por Filtragem. Para o modelo Nelson- Siegel dinâmico, nós utilizamos o passeio aleatório, o VAR e modelos baseados em LSTM, incluindo uma versão de LSTM com filtragem (LSTM-KF). Para o modelo de Schwartz-Smith de três fatores, utilizamos as equações que são dadas pelo modelo, assumindo não arbitragem. Nós também testamos um método de previsão a partir da curva diretamente, a que referimos como Basic Model. Nós mostramos que o modelo de Nelson-Siegel dinâmico foi o melhor no ajuste de dados em comparação com o de Schwartz-Smith e que a utilização de LSTM na abordagem OLS gerou as melhores previsões .
Matematica.