Artigo em revista científica Q2
Detecting outliers in multivariate volatility models: a wavelet procedure
Aurea Grané (Grané, A.); Belén Martín-Barragan (Martín-Barragan, B.); Helena Veiga (Veiga, H.);
Título Revista
Sort: Statistics and Operations Research Transactions
Ano (publicação definitiva)
2019
Língua
Inglês
País
Espanha
Mais Informação
Web of Science®

N.º de citações: 1

(Última verificação: 2024-04-18 23:27)

Ver o registo na Web of Science®


: 0.1
Scopus

N.º de citações: 1

(Última verificação: 2024-04-18 14:49)

Ver o registo na Scopus


: 0.1
Google Scholar

N.º de citações: 11

(Última verificação: 2024-04-16 02:53)

Ver o registo no Google Scholar

Abstract/Resumo
It is well known that outliers can affect both the estimation of parameters and volatilities when fitting a univariate GARCH-type model. Similar biases and impacts are expected to be found on correlation dynamics in the context of multivariate time series. We study the impact of outliers on the estimation of correlations when fitting multivariate GARCH models and propose a general detection algorithm based on wavelets, that can be applied to a large class of multivariate volatility models. Its effectiveness is evaluated through a Monte Carlo study before it is applied to real data. The method is both effective and reliable, since it detects very few false outliers.
Agradecimentos/Acknowledgements
--
Palavras-chave
Correlations,Multivariate GARCH models,Outliers,Wavelets
  • Matemáticas - Ciências Naturais
  • Economia e Gestão - Ciências Sociais
  • Outras Ciências Sociais - Ciências Sociais
Registos de financiamentos
Referência de financiamento Entidade Financiadora
FQM-329 Junta de Andalucia
PGC2018-096977-B-l00 Spanish Ministry of Science, Innovation and Universitie
MTM2012-36163-C06-03 Spanish Ministry of Economy and Competitiveness
ECO2015-70331-C2-2-R Spanish Ministry of Economy and Competitiveness
MTM2014-56535-R Spanish Ministry of Economy and Competitiveness
UID/GES/00315/2019 Fundação para a Ciência e a Tecnologia