A presente tese trata nos modelos de Volatilidade Estocástica usando a classe de mistura na escala de normais e a distribuição normal assimétrica. Os primeiros permitem que o erro do modelo possua distribuições de caudas mais pesadas que a distribuição normal. Esta tentativa já foi estudada anteriormente por diferentes pesquisadores, considerando o modelo com erro t-Student. Implementamos neste contexto, uma alternativa de modelar a característica assimétrica e leptocurtica que apresentam as séries nanceiras. Intuitivamente, a idéia é incorporar erros que permitam considerar pontos mais extremos que permite a normal, por meio de distribuições que apresentam caudas mais pesadas, assim como a leve assimetria dos retornos nanceiros. Em particular, utilizamos as distribuições Skew Normal (SN), e distribuições de mistura de normais na escala(MEN), dentro da família dos modelos elípticos. Iniciamos com o estudo dos modelos clássicos de volatilidade estocástica (VE), isto é com erro gaussiano, depois consideramos os modelos de volatilidade com mistura na escala de normais, incorporando o erro deste tipo só na série dos log retornos, e depois em ambas as séries de retornos e estados. Finalmente implementamos os modelos de volatilidade estocástica com erro normal assimétrico. Todos estes modelos foram estudados no contexto de considerar o efeito alavanca e sem considerar essa característica. Foram feitas aplicações com a série Sand P500, encontrando que os modelos VE-Slash e VE-VG (volatilidade estocástica com erro de distribuição Slash e Variância Gama) foram os mais adequados. Incorporamos uma correlação entre os erros com a nalidade de avaliar o efeito de alavancagem, onde os modelos mais adequados resultaram VELE-Slash e VELE-VG (volatilidade estocástica com efeito alavanca e erro de distribuição Slash e Variância Gama). Comparando com a normal assimétrica a família de MEN sem efeito alavanca resulta ser mais adequada segundo o Fator de Bayes e o critério de seleção DIC, o que não acontece ao comparar com os modelos com efeito alavanca.

This thesis is focused on stochastic volatility models using the class of mixture of normals on the scale and the skew normal distribution. The rst of them allows the models error to have distributions with tails heavier than the normal distribution. This attempt has already been studied previously by dierent researchers, considering the model with t-Student error. We implemented an alternative to model the asymmetric and leptokurtic characteristic which is featured by the nancial séries. Intuitively, the idea is to incorporate errors which allow to consider the extreme points which allow distributions with heavier tails, such as the slight asymmetry of the nancial returns. In particular, we use the Skew Normal distributions (SN), and scale mixture of normal distributions (SMN), within the family of elliptical models. We started with the study of classical stochastic volatility models (SV), ie with Gaussian error, then we consider volatility models with mixture in the scale of normals, incorporating the error of this type only in the log-return séries, and then in both the return and the state series. Finally, we implement the stochastic volatility models with skew normal error. All these models were studied in the context of considering the leverage eect and without considering this feature. Applications were made with the Sand P500 series, to nd that the SV-Slash and SV-VG models were the most appropriate. We incorporate a correlation between the errors in order to evaluate the leverage eect, where the most suitable models resulted SV-SlashLE and SV-VGLE. Compared with the skew normal, SMNs family without leverage eect proves to be the most appropriate according to the Bayes factor and the selection criteria DIC.