A GARCH Tutorial with R

Context: modeling volatility is an advanced technique in financial econometrics, with several applications for academic research Objective: in this tutorial paper, we will address the topic of volatility modeling in R We will discuss the underlying logic of GARCH models, their representation and estimation process, along with a descriptive example of a real-world application of volatility modeling Methods: we use a GARCH model to predict how much time it will take, after the latest crisis, for the Ibovespa index to reach its historical peak once again The empirical data covers the period between years 2000 and 2020, including the 2009 financial crisis and the current 2020s episode of the COVID-19 pandemic Conclusion: we find that, according to our GARCH model, Ibovespa is more likely than not to reach its peak once again in one year and four months from June 2020 All data and R code used to produce this tutorial are freely available on the internet and all results can be easily replicated Alternate abstract:Contexto: a modelagem de volatilidade e uma tecnica avancada em econometria financeira, com diversas aplicacoes em pesquisa academica Objetivo: neste artigo tutorial abordaremos o topico da modelagem de volatilidade na plataforma R Discutiremos a logica subjacente dos modelos GARCH, seus processos de representacâo e estimacâo, juntamente com um exemplo descritivo de uma aplicacâo no mundo real Metodos: usamos um modelo GARCH para investigar quanto tempo levara, apos a ultima crise, para que o indice Ibovespa volte a atingir seu pico historico mais uma vez Os dados empiricos cobrem o periodo entre os anos 2000 e 2020, incluindo a crise financeira de 2009 e o episodio atual de 2020 da pandemia do COVID-19 Conclusao: de acordo com nosso modelo GARCH, as chances de o Ibovespa atingir o seu pico passam de 50% um ano e seis meses apos junho de 2020 Todos os dados e codigos R usados para produzir este tutorial estâo disponiveis gratuitamente na internet e todos os resultados podem ser facilmente replicados