A previsão da volatilidade tem ganhado cada vez mais importância. Ela é um elemento crucial no cálculo de muitas atividades financeiras e, por isso, prevê-la com exatidão tem se tornado indispensável. Muitos artigos têm aparecido na literatura recente, aplicando a Máquina de Suporte Vetorial para previsão e estimação de variáveis concernentes ao contexto dos mercados financeiros. Nesta dissertação buscamos realizar a previsão da volatilidade com o uso de um modelo GARCH, baseado em Máquina de Suporte Vetorial, denominado SVM-GARCH, introduzido recentemente na literatura. Para este propósito apresentamos uma introdução aos Kernels e à Maquina de Suporte Vetorial para Regressão. Para contornar o problema da volatilidade ser um fenômeno não observável, realizamos, sob situação controlada, simulações de processos GARCH, nos quais temos acesso à verdadeira volatilidade para comparar com os valores previstos. Não poderíamos deixar de aplicar a Máquina de Suporte Vetorial para a previsão de volatilidade em séries financeiras reais, e para tal fim, usamos o método na série dos retornos do Índice Bovespa. Atenção especial foi dada, em ambos os casos, à simulação e à série dos retornos do Ibovespa, para a verificação dos efeitos da variação dos parâmetros do SVM no erro absoluto médio de previsão, por meio de análise de sensibilidade. O modelo SVM-GARCH é comparado com os modelos GARCH Padrão, EGARCH, Médias Móveis e EWMA. Para avaliar o desempenho preditivo entre os modelos, utilizamos uma variante robusta do teste Diebold-Mariano. Após a comparação, foi constatado um desempenho superior do modelo SVM-GARCH quanto à previsão da volatilidade em relação aos demais modelos.

not available