DETECÇÃO E ANÁLISE MULTI-SCALE DE EVENTOS ORIGINADOS POR FATORES EXTERNOS DE INCERTEZA EM SÉRIES FINANCEIRAS

Abstract

Different external factors reported in the media can impact a financial time series. Such factors, such as government transitions, economic crises, or corruption scandals, can be related to events that increase uncertainty in the time series. In particular, these external factors can increase the risk perceived in a financial time series through events such as anomalies or change points. A study based on the different characteristics that make up an event can determine predictions, in addition to helping to minimize the risk in investments. The influence of these factors can have different cycles of fluctuations, affecting a time series over months or years. Hence, discovering these events in the financial time series is a challenging task. This paper presents Multi-Scale Event Detect (MSED), a technique for detecting events in non-stationary and nonlinear time series. Added to this, this work makes an associative study of the events found by the detection methods in the components of the Intrinsic Mode Function (IMF) with the external factors labels obtained through the Economic Policy Uncertainty (EPU). The objective is to identify which type of event is reflected by a given external uncertainty factor in a financial series, using this approach it is possible to determine the most predominant nature of the events based on the uncertainty variations presented in the series of (EPU). This information makes it possible to determine a set of time series where the influence of uncertainty generates acceptable events for a given investment profile. Thus, mitigating the risk to which it is intended to be exposed.Existem diferentes fatores externos relatados na mídia que podem impactar uma série temporal financeira. Tais fatores, como transições de governo, crises econômicas ou escândalos de corrupção, podem estar relacionados a eventos que aumentam a incerteza na série temporal. Em particular, esses fatores externos podem aumentar o risco percebido em uma série temporal financeira por meio de eventos como anomalias ou pontos de mudança. Um estudo baseado nas diferentes características que compõem um evento pode determinar previsões, além de ajudar a minimizar o risco em investimentos. A influência desses fatores pode ter diferentes ciclos de flutuação, afetando uma série temporal ao longo de meses ou anos. Portanto, descobrir esses eventos na série temporal financeira é uma tarefa desafiadora. Essa dissertação apresenta o Multi-Scale Event Detect (MSED), uma técnica para detecção de eventos em séries temporais não estacionárias e não lineares. Somado a isso, este trabalho faz um estudo associativo dos eventos encontrados pelos métodos de detecção nos componentes de Intrinsic Mode Function (IMF) com as marcações de eventos externos obtidos através da Economic Policy Uncertainty (EPU). O objetivo é identificar que tipo de evento é refletido por um determinado fator de incerteza externo em uma série financeira, utilizando essa abordagem, é possível determinar a natureza mais predominante dos eventos com base nas variações de incerteza apresentadas na série de EPU. Essas informações permitem especificar um conjunto de séries temporais onde a influência da incerteza gera eventos aceitáveis para um determinado perfil de investimento, mitigando assim, o risco a que se pretende estar exposto.