Criptomoedas são ativos digitais com variado potencial financeiro e têm apelo especulativo por exibirem alta volatilidade. Tentativas de precificar este tipo de ativo geralmente usam o estimador de mínimos quadrados ordinários (MQO) que assume que o excesso de retorno das criptomoedas segue uma distribuição de probabilidade do tipo normal, mas existem evidências que essa hipótese não é apropriada. O presente trabalho admite distribuições assimétricas e de caudas pesadas e estima modelos de precificação por meio de modelos de classe GAMLSS (Generalized Additive Models for Location, Scale and Shape) que permitem relaxar a hipótese de normalidade. Comparando os resultados obtidos por MQO e por GAMLSS, o desempenho dos modelos é analisado por seis indicadores e cinco deles evidenciam um melhor desempenho dos modelos GAMLSS. O presente trabalho foi realizado com apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Brasil (CAPES) - Código de Financiamento 001.
Comissão Organizadora
Comissão Científica
Ferramenta completa de submissão, avaliação e publicação de anais para eventos científicos.
