Inferência Bayesiana para a distribuição conjunta das r-maiores estatísticas de ordem com ponto de mudança
valores extremos, r-maiores estatísticas de ordem, abordagem bayesiana, ponto de mudança.
A análise de valores extremos tem sido amplamente utilizada a fim de avaliar e prever catástrofes ambientais ocasionadas devido a mudanças climáticas ocorridas ao longo dos anos. Além da área ambiental, outras áreas comuns de aplicações destas análises são finanças, atuária, entre outras. Desta maneira, o presente trabalho consiste na estimação de parâmetros e níveis de retornos esperados, considerando a distribuição de valores extremos para as r-maiores estatísticas de ordem. Tais estimações serão avaliadas em séries que possuem pontos de mudança no regime, ou seja, será proposto um modelo para detecção de pontos de mudança numa série, aplicado a distribuição das r-maiores estatísticas de ordem (GEVr). Será abordado o caso em que a série possui k pontos de mudança, na qual a série possui k+1 diferentes regimes, e será modelado cada regime pela distribuição GEVr. A inferência usada no modelo é baseada numa abordagem bayesiana, em que ambos o parâmetros da GEVr para cada regime, e os pontos de mudança são considerados como parâmetros desconhecidos a serem estimados. Além de uma avaliação quanto ao critério de escolha do r ótimo para a distrubuição dos dados. A estimação é realizada pelo Método de Monte Carlo via Cadeias de Markov (MCMC) com o uso da técnica do algoritmo de Metropolis-Hastings. Inicialmente, foram realizadas apenas simulações, para avaliação de séries com um e dois pontos de mudança, em que obteve-se resultados pertinentes. Além disso, foi realizada um breve análise de níveis de retornos quanto a diferentes valores do r, e uma sumária análise descritiva dos dados reais que serão utilizados nas aplicações do modelo proposto. E por fim, a aplicação do modelo proposto para os dados de cotas do rio Parnaíba e Paraná, além de dados de retornos diários da Nasdaq.