Estimação do valor em risco usando informação intra diária
|
|
- Rita Caetano Fartaria
- 7 Há anos
- Visualizações:
Transcrição
1 FUNDAÇÃO GETULIO VARGAS ESCOLA DE PÓS GRADUAÇÃO EM ECONOMIA CURSO DE MESTRADO EM ECONOMIA TÍTULO Esimação do valor em risco usando informação inra diária DISSERTAÇÃO APRESENTADA À ESCOLA DE PÓS GRADUAÇÃO EM ECONOMIA PARA A OBTENÇÃO DO GRAU DE MESTRE EM ECONOMIA JOANA CALDAS SILVA Rio de Janeiro, 8 de fevereiro de 00
2 Capíulo Inrodução Anes dos anos 70 as insiuições financeiras eram duramene reguladas ou carelizadas na maioria dos países indusrializados. Medidas ais como a imposição de eos para as axas de juros sobre os depósios enaram proeger os mercados de movimenos nas próprias axas. As empresas, muias das quais auando principalmene nos mercados domésicos, não se preocupavam ano com fluuações nas axas de câmbio e com crises financeiras em mercados disanes. Com o aumeno de volailidade a parir dos anos 70, quando o mundo volou a um sisema de axas de câmbio (relaivamene) fluuanes, novos produos financeiros foram criados para servir de ferramenas no gerenciameno de risco. O desenvolvimeno desses novos produos, chamados derivaivos, por um lado permiiu a diminuição da exposição aos riscos financeiros, mas por ouro permiiu níveis de alavancagem nunca anes observados. O resulado foi a necessidade de medir riscos. A abordagem RiskMerics (JP Morgan, 994) é amplamene conhecida e aplicada na mensuração do valor em risco (VaR). Uilizando uma écnica de alisameno exponencial para o cálculo da volailidade e correlação, o procedimeno do JP Morgan passou a ser referência na esimação de VaR dada a simplicidade do modelo. Enreano, a esimação do processo de volailidade especificado pelo RiskMerics apresena sérios problemas. O processo de volailidade condicional auoregressivo assumido pela abordagem RiskMerics é um caso paricular da família GARCH (Bollerslev, 986), que se caraceriza pela ausência de esacionaridade. O méodo de esimação proposo pelo RiskMerics ignora compleamene a naureza não esacionária do modelo e, porano, é esaisicamene inconsisene. O objeivo desse rabalho é propor uma alernaiva exremamene simples à abordagem RiskMerics. A idéia é aplicar o conceio de volailidade realizada (Andersen & Bollerslev, 998) para padronizar o reorno diário e, após a consaação de normalidade da série obida uma medida de VaR é calculda a parir dela. Andersen, Bollerslev, Diebold & Labys (00a) mosram que, sob ceras condições, a soma dos quadrados dos reornos inra diários (volailidade realizada) é um esimador não endencioso, consisene e assinoicamene livre de erro da volailidade diária. Andersen, Bollerslev, Diebold & Labys (00c) mosram enão como calcular uma medida de VaR a parir da volailidade realizada.
3 Apesar de recene, a lieraura sobre volailidade realizada já é basane exensa. Andersen & Bollerslev (998) uilizam a volailidade realizada para mosrar que os modelos usuais de heerocedasicidade condicional apresenam bom desempenho em ermos de previsão. Andersen, Bollerslev, Diebold & Labys (00b) mosram que variações cambiais normalizadas pela volailidade realizada são aproximadamene Gaussianas. Andersen, Bollerslev, Diebold & Ebens (00) e Andersen, Bollerslev, Diebold & Labys (00a) aplicam o conceio de volailidade realizada para invesigar a disribuição da volailidade dos mercados de capial e cambial, respecivamene. Andersen, Bollerslev, Diebold & Labys (000) e Oomen (00) analisam os efeios das microesruuras dos mercados financeiros na esimação da volailidade realizada. Para a aplicação dessa meodologia foi escolhido o primeiro conrao fuuro do índice S&P 500 a vencer negociado na Chicago Mercanile Exchange. Foram uilizados reornos a cada 5 minuos para o cálculo da volailidade realizada no período enre de Janeiro e 7 de Agoso de 00 e, porano, a amosra compreende 6 dados. Os resulados obidos refleem exaamene os períodos de ala volailidade observados. O resane do rabalho esá organizado da seguine forma: O capíulo apresena resenhas sobre alguns méodos de exração de volailidade, VaR e Backesing. O capíulo 3 apresena o resulado empírico e o capíulo 4 conclui o rabalho oferecendo algumas considerações finais. Os gráficos e hisogramas esão no Apêndice no final do rabalho.
4 Capíulo Exração de Volailidade e Valor em Risco A previsão de volailidade em muias aplicações práicas, como na análise e na omada de decisão de invesimenos, na seleção de porfólios e nos modelos de precificação de derivaivos. Porano, se orna clara a imporância da disinção enre os vários modelos de previsão a fim de se enconrar aquele com maior precisão e mais adequado ao cálculo do valor em risco. O méodo mais simples para se prever a volailidade de uma série é esimar a sua volailidade hisórica segundo uma janela previamene escolhida. É o méodo mais simples pois não impõe nenhuma esruura sobre a evolução da volailidade ao longo do empo e pondera igualmene odas as observações passadas. A única variável de escolha é o período observado. Dessa forma, σˆ = T s= (r+ s r) (T ) onde σˆ = esimaiva da volailidade em P r = ln é o reorno do aivo com composição conínua P T r r =, reorno médio. T = Uma das desvanagens do modelo hisórico é o seu méodo de ponderação. Pelo fao de aribuir pesos iguais às observações, ele não capa uma caracerísica muio observada nas séries dos reornos dos aivos: a concenração de volailidade. As séries dos reornos dos aivos apresenam períodos de ala (baixa) volailidade que são seguidos por ala (baixa) volailidade (Mandelbro, 963). O méodo RiskMerics (JP Morgan, 994) propõe a aplicação da ponderação exponencial para capar esse efeio, pois às observações mais recenes são aribuídos pesos maiores. Nesse méodo, a previsão da variância para o período + em é dada por 3
5 σˆ = λσ + ( λ) r +, 0 < λ < onde λ é o faor de decaimeno exponencial. O Riskmerics escolhe o faor de decaimeno exponencial que minimiza o erro de previsão definido como ε ˆ + = r + σ +. Dese modo, o problema de oimização consise em enconrar o valor de λˆ que minimiza a média dos erros de previsão ao quadrado. Para o cálculo da covariância, pode-se ambém uilizar o esimador com ponderação exponencial σˆ ˆ,+ = λσ, + ( λ)r r. Há dois grandes problemas nessa abordagem. O primeiro reside no fao que o quadrado do reorno diário é um esimador muio voláil da variância do reorno. Inclusive, apesar de ser não endencioso, o quadrado do reorno diário não é um esimador consisene pois não é assinoicamene livre de erro (ver Andersen, Bollerslev, Diebold & Labys, 00 a). O segundo problema esá na esimação do parâmero λ. O processo de volailidade condicional auoregressivo assumido pela abordagem Riskmerics é um caso paricular da família GARCH desenvolvida por Bollerslev (986), a saber um modelo IGARCH (Engle & Bollerslev, 986) sem inercepo como veremos a seguir. Engle (98) apresenou o modelo ARCH (Auoregressive Condiional Heeroskedaciy) para prever a volailidade. Os processos ARCH assumem que a variância condicional não é consane, embora a variância incondicional o seja. No esudo das séries financeiras os resíduos de uma mesma magniude endem a aparecer concenrados, sugerindo que a variância de um resíduo pode depender do amanho do resíduo anerior. Isso é formalizado escrevendo a variância de ε condicional a ε como uma função linear do quadrado de ε. O processo ARCH de ordem p, ARCH (p), é escrio da forma 4
6 ε Ω ~ N 0, ( h ) E [ ε Ω ] = h h = α 0 + αε α p ε p iso é, dado o conjuno de informação disponível aé -, Ω, a variância condicional das inovações é dada por h, uma função dos quadrados das inovações aneriores. Uma generalização do modelo ARCH feia por Bollerslev (986) é o modelo GARCH, onde a variância condicional depende não somene dos quadrados das inovações, mas ambém das variâncias condicionais aneriores. Definindo ainda h como a variância condicional e uilizando as informações aé -, o processo GARCH (p,q) é dado por q i= i h = α + α ε + β h 0 i p i= i i onde p 0,q > 0, α > 0, α > 0, β 0. 0 i i Um modelo muio uilizado no campo das finanças é o GARCH (,), h = α 0 + α ε + β h onde α + ) é o coeficiene de persisência. ( β A esimação dos parâmeros de ambos modelos é feia a parir da maximização de uma função de verossimilhança. Devido a isso, muios auores rabalham com a hipóese de normalidade das inovações. O modelo GARCH pode ser viso como uma represenação de um processo ARMA para ε onde o i-ésimo coeficiene auoregressivo é dado por ( αi + βi) e possuirá uma raiz 5
7 uniária se q i= α i + p i= β i =. Engle & Bollerslev (986) relacionam os modelos que saisfazem essa condição como um modelo GARCH inegrado - IGARCH. Um processo IGARCH assume que o processo de volailidade é inegrado, de modo que choques na volailidade possuem persisência infinia. Em conrase com o caso da raiz uniária (inegração na média), Nelson (990) mosra que o modelo IGARCH é esriamene esacionário desde que o inercepo seja esriamene posiivo. Como dio aneriormene, sendo a abordagem Riskmerics uma represenação IGARCH sem inercepo, a fala de esacionariedade do modelo de volailidade condicional dessa represenação dificula a esimação dos parâmeros. Em paricular, o méodo de esimação proposo por essa abordagem não leva em consideração a não esacionariedade do modelo e, porano, é esaisicamene inconsisene. Para incorporar o efeio assimeria foram desenvolvidos dois modelos: o EGARCH (GARCH exponencial) por Nelson (99) e o GJR-Glosen, Jaganahan & Runkle (993) (ese úlimo modelo ambém é conhecido como TARCH-Threshold ARCH). Para Nelson, o modelo GARCH possuía vanagens e desvanagens. Uma vanagem é que ele consegue capar uma grande caracerísica das séries financeiras, que é a concenração de volailidade ( volailiy clusering ). Mas o modelo possuía mais desvanagens do que vanagens. Como desvanagem, Nelson aponou o grande número de resrições sobre os parâmeros necessários para garanir uma variância posiiva. Além disso, o modelo não capava o efeio assimérico das inovações sobre a volailidade. Nas séries financeiras é evidene o efeio maior das quedas sobre a volailidade; ou melhor, a volailidade é muio maior nos períodos de queda do que de ala nos mercados financeiros (é o conhecido leverage effec ). Para capar esses efeios e acabar com o problema das resrições sobre os parâmeros, Nelson desenvolveu uma versão exponencial para o modelo GARCH (EGARCH). A especificação da variância condicional do modelo EGARCH é dada por log ( h ) = ω + βlog( h ) + α ε h + γ π ε h 6
8 onde a hipóese de assimeria é verificada quando γ 0 e o leverage effec é observado quando γ < 0. Para o modelo GJR, a fórmula da variância condicional é dada por h = ω + αε + βh + γε d onde d = se ε < 0 e d = 0 caso conrário. Nese modelo, inovações posiivas êm o efeio α enquano que as inovações negaivas êm o impaco α + γ. Se γ > 0, as inovações negaivas êm um efeio menor do que as inovações posiivas. Esse é o conhecido leverage effec. Se γ 0, o efeio das inovações é assimérico. Uma alernaiva à esimação de volailidade para o cálculo do VaR é a esimação da volailidade realizada. Andersen & Bollerslev (998) argumenam que a modelagem da volailidade ex-pos simplesmene pelos quadrados dos reornos esá desinada a gerar resulados não acurados afeando, assim, a qualidade das previsões. Muio embora os quadrados dos reornos consiuírem um esimador não viesado para a volailidade, ese por sua vez possui um grande componene idiossincráico que é não relacionado à volailidade real durane o período observado. Assim, os auores propõem um refinameno no conceio de volailidade relevane e desenvolvem uma medida de volailidade realizada baseada na acumulação dos quadrados dos reornos obidos a parir de dados de ala frequência. Essa volailidade inegrada esá relacionada à noção de processo de variação quadráica de uma difusão em empo conínuo. A parir daí os auores mosram que para previsões diárias de volailidade de axas de câmbio, o modelo GARCH (,) uilizando a volailidade inegrada gera resulados significaivamene superiores aos dos modelos que uilizam volailidade não condicional hisórica. Andersen, Bollerslev & Lange (999) usam o conceio de volailidade inegrada, sendo esa aproximada pela soma dos quadrados dos reornos inra diários e o aplicam ambém ao mercado de câmbio, não somene para previsões diárias mas ambém para horizones mais longos. O uso de reornos de dados de ala freqüência fornece resulados mais consisenes na previsão de volailidade de um ou mais dias. 7
9 Andersen, Bollerslev, Diebold & Labys (000) esimam volailidades e correlações realizadas diárias uilizando dados de ala frequência dos reornos das axas de câmbio DM/USD e JPY/USD durane uma década. Os auores deixam de raar volailidade como uma variável laene e passam a raá-la como observável. Andersen, Bollerslev, Diebold & Labys (00 a) demonsram que a Teoria da Variação Quadráica revela que, sob ceras condições, a volailidade realizada não é somene um esimador ex-pos não viesado da volailidade do reorno diário, mas é ambém um esimador assinoicamene livre de erro. Oomen (00) além de calcular, modelar e prever a volailidade realizada do índice de ações FTSE-00 mosra ainda que o decaimeno da dependência serial dos reornos de ala frequência com a frequência amosral é consisene com um processo ARMA sob agregação emporal. Esse resulado êm implicações imporanes para a modelagem de reornos de ala frequência e para a escolha da frequência amosral óima no cálculo da volailidade realizada. Ainda sobre volailidade realizada dos reornos no mercado de ações, Andersen, Bollerslev, Diebold & Ebens (000) invesigam as disribuições não condicionais das variâncias e correlações das rina ações componenes do índice Dow Jones Indusrial. Os riscos financeiros esão classificados em seis ipos: riscos de mercado, de crédio, de liquidez, operacional, legal e sisêmico. Os riscos de mercado são advindos das variações dos aivos e passivos financeiros (ou volailidade) e são medidos aravés das variações no valor das posições em abero ou nos ganhos. Nos riscos de mercado esão incluídos o risco de base (que ocorre quando a relação enre os produos usados para proeger um ao ouro muda ou é quebrada) e o risco gama (devido às relações não-lineares). Os riscos de mercado podem omar duas formas: risco absoluo, medido pela perda poencial em ermos moneários e o risco relaivo, comparado a um índice (benchmark). Enquano que o primeiro rabalha com a volailidade dos reornos oais, o úlimo mede o risco em ermos de desvios do índice. O risco de crédio é aquele quando há a impossibilidade das conrapares honrarem suas obrigações conrauais. O seu efeio é medido aravés do cuso de se realocar o fluxo de caixa quando um devedor não cumpre a sua obrigação. 8
10 Risco de liquidez é o risco associado `a probabilidade de fala da aividade do próprio mercado (por exemplo, por fala de compradores e/ou vendedores de uma cera ação negociada em uma bolsa de valores). O risco operacional ocorre devido à falha humana, fraude, falha de gerenciameno e sisemas inadequados. A melhor forma de se eviar esse ipo de risco é efeuando uma clara separação das responsabilidades denro da insiuição com um fore sisema de conrole inerno. Por risco legal enende-se o risco que se incorre pela manipulação de mercado, informação privilegiada e odas as aividades que esão sob regulação governamenal. Uma oura forma de risco legal é aquela que ocorre quando um acionisa não saisfeio com a grandes perdas incorridas pela empresa em uma operação de mercado, por exemplo, e enra com uma ação legal conra a mesma. O risco sisêmico é o risco resulane do efeio de um resulado adverso em uma insiuição (ou aé em um país) em oura insiuição (e enão em ouro país). Aualmene é um ipo de risco muio comenado, dada a globalização dos mercados financeiros. A proposa da abordagem do valor em risco é quanificar o risco de mercado. A vanagem dessa meodologia é que ela sumariza em um único número a perda máxima esperada durane um período de empo dado um inervalo de confiança. Esse período, ambém chamado de holding period é geralmene considerado como o empo necessário para a liquidação do porfólio. A escolha desses dois faores de alguma forma é arbirária. Enquano que o "holding period" deve ser escolhido de acordo com a liquidez do aivo no mercado em que ele é ransacionado, a escolha do inervalo de confiança dependerá do objeivo do cálculo do valor em risco. No caso em que o valor em risco é calculado com a finalidade de se deerminar o capial mínimo exigido, quano maior a aversão ao risco, maior o inervalo de confiança uilizado. Se o valor em risco é calculado para a comparação dos riscos em diferenes mercados, a escolha do inervalo de confiança não é ão imporane, mas se o objeivo é a validação do modelo, o inervalo de confiança deve ser o maior possível, pois ele fornecerá uma medida de risco que raramene será excedida. Embora haja uma grande discussão sobre a uilidade dessa medida de risco, é imporane deixar claro os objeivos dessa meodologia. Anes de udo, o objeivo do VaR 9
11 não é descrever (ou aé mesmo prever) os piores resulados possíveis, mas sim fornecer uma esimaiva de um domínio de possíveis perdas. Além disso, ao reporar o valor em risco de um porfólio em uma medida quaniaiva que qualquer pessoa possa enender (em unidades moneárias), os invesidores podem decidir por permanecer ou não em uma financeira, pois caso algum dos seus fundos de invesimeno incorra em grandes perdas não haverá razão para os invesidores enrarem com alguma ação legal conra a insiuição alegando desconhecimeno do risco a que esavam se submeendo. Sendo assim, o fao de reporar o valor em risco aumenaria a ransparência e a esabilidade nos mercados financeiros. Além de promover uma maior ransparência nas aividades financeiras e uma maior esabilidade nos mercados, o valor em risco pode ser usado como uma ferramena da insiuição financeira para penalizar os raders que omam riscos maiores, ou seja, haveria uma políica de incenivos para se correr riscos menores. Mas, nesse caso deve-se omar cuidado para não se criar uma visão oimisa do risco, como por exemplo em 994 os operadores de câmbio poderiam omar grandes posições em peso mexicano que possuía uma volailidade hisórica baixa mas um grande risco de desvalorização. Essa deve ser encarada como uma limiação da abordagem valor em risco que só pode ser adminisrada por um gerene de risco aeno às adapações do modelo. Porano, ela possui as suas limiações, mas mesmo assim não deve ser encarada como dispensável; a ciência deve rabalhar para aperfeiçoar o modelo e, nesse caso específico, as esimaivas de volailidade. Há rês méodos clássicos para se calcular o valor em risco, a saber: Méodo Dela- Normal, Simulação Hisórica e Simulação de Mone Carlo (ver Jorion, 995). Méodo Dela-Normal - Assume que os reornos de odos os aivos são normalmene disribuídos. Como o reorno do porfólio é uma combinação linear de variáveis normalmene disribuídas, logo ele ambém é normalmene disribuído. Ese méodo consise em volar no empo e compuar as variâncias e as correlações para odos os faores de risco. O risco do porfólio é enão gerado pela combinação das exposições lineares aos vários faores (que ambém são omados como normalmene disribuídos) e pela previsão da mariz de covariância. Considere R i, + como o reorno do aivo i no 0
12 próximo período e ω como sendo o peso do aivo i na daa. Enão, o reorno do porfólio i, um período à frene é dado por N p,+ = ωi, i= R R. i,+ Usando noação maricial, a variância é dada por V ' ( + ) = ω Σ + ω R p, onde Σ + é a mariz de covariância dos reornos. Uma das deerminanes do risco é, porano, prevendo Σ +. Denro desse méodo há duas maneiras de se esimar essa mariz. Uma delas é usando somene dados hisóricos e a oura é uilizando a volailidade implícia das opções obida aravés do modelo Black-Scholes (Black & Scholes, 973). O úlimo méodo é superior ao primeiro, mas nem odas as variáveis financeiras possuem dados disponíveis de opções. O Méodo Dela-Normal esá sujeio a várias críicas. Uma delas é que as disribuições dos reornos possuem caudas pesadas. Como esse méodo pressupõe normalidade dos reornos, o excesso de curose subesima o número de ouliers e dessa forma, o valor em risco. Por fim, o Méodo Dela-Normal não mensura correamene o risco de insrumenos não-lineares, como as opções. Simulação Hisórica O porfólio é reavaliado sob disribuições de reornos hisóricas. Simulação de Mone Carlo Gera cenários aleaoriamene baseado em uma disribuição de probabilidade conjuna para os faores de risco associados aos aivos. Os dados hisóricos de mercado são uilizados para se inferir sobre caracerísicas esaísicas ais como a variância e a correlação da disribuição assumida. Ese méodo é uilizado para variáveis não lineares nos faores de risco, ais como opções. Além disso, o processo esocásico deve ser modelado correamene, caso conrário oda a análise esará incorrea. A grande quesão que as insiuições se defronam ao adoarem a meodologia do valor em risco é conseguir uma écnica de previsão que seja ao mesmo empo capaz de não
13 deixar as suas operações descoberas e que ambém faça com que o capial exigido seja realmene mínimo: as suas operações devem esar coberas por moivos óbvios, e o capial exigido deve ser o mínimo possível pois há um cuso na não uilização desse capial. Logo, as insiuições esão perane um dilema: como quano maior a volailidade, maior a segurança em relação ao valor em risco porém maior o capial exigido. Dadas as funções ano como ferramenas de gerenciameno de conroles inernos quano meas regulaórias a serem respeiadas, se orna imporane quanificar o quão acurado é o modelo uilizado por uma insiuição e porano, a mensuração de exposição ao risco. Com o objeivo de verificar acurácia das esimaivas de valor em risco, o Comiê da Basiléia recomenda o backesing, iso é, a comparação das esimaivas de valor em risco com a subsequene perda ou ganho do porfólio. Apesar da recomendação, o Comiê não fornece nenhum dealhe do ese de verificação proposo. Kupiec (995) aborda écnicas para analisar os resulados do modelos de valor em risco.
14 Capíulo 3 Exercício Empírico A análise empírica do rabalho consise no cálculo da volailidade realizada para padronizar o reorno diário e a parir dese ober o valor em risco do primeiro conrao a vencer do fuuro do índice S&P 500 negociado na Chicago Mercanile Exchange e sua comparação com a abordagem RiskMerics. Para o cálculo da volailidade realizada foram agrupados os dados inra diários a cada 5 minuos. Porano, a cada dia foram usados 8 dados (a parir das 8:30 da manhã aé às 5:30) no período enre de Janeiro de 00 e 7 de Agoso de 00. O s meses de vencimeno do conrao fuuro uilizados foram Fevereiro, Abril, Junho e Agoso. Porano, os conraos foram considerados como um conínuo, sendo cada um incorporado na série imediaamene após o vencimeno do anerior. Os auocorrelogramas dos reornos inra diários esão no Apêndice. Como não há indício de auocorrelação nas séries, basa somar os reornos inra diários ao quadrado para ober a volailidade realizada de cada dia. Uma vez obida, a volailidade realizada é uilizada para padronizar o reorno diário, dado pelo logarímo neperiano da razão dos preços de fechameno do aivo. A figura 3. apresena o gráfico da volailidade realizada. Figura 3. Volailidade Realizada /0/0 6/0/0 30/0/0 3/0/0 7/0/0 3/03/0 7/03/0 0/04/0 4/04/0 08/05/0 /05/0 05/06/0 9/06/0 03/07/0 7/07/0 3/07/0 4/08/0 3
15 O primeiro pico na volailidade ocorreu devido à diminuição da axa de juros Americana pelo FED. O erceiro pico na volailidade realizada ocorreu no dia 4 de Março devido aos resulados de empresas componenes do índice S&P divulgados durane o dia. No dia 0 de Março o Federal Reserve baixou a axa de juros Americana de 5,5% para 5%. O quino pico de volailidade em 4 de Abril ocorreu em conseqüência do esemunho do presidene do FED, Alan Greenspan, no Senado americano. O mercado financeiro inerpreou o discurso de Greenspan como uma indicação de queda da axa de juros na reunião do FED. Em 8 de Abril uma nova redução em 0,5% na axa de juros americana gerou um aumeno na expecaiva de aceleração da economia. Por fim, a queda nos juros em 7 de Junho em 0,5% ilusra um novo período de ala volailidade. Na esimação de um modelo ARMA (,) para a volailidade realizada, foram obidos os seguines resulados: Dependen Variable: Volailidade_Realizada Mehod: Leas Squares Dae: 06/03/0 Time: 6: Sample(adjused): 6 Included observaions: 60 afer adjusing endpoins Convergence achieved afer 3 ieraions Variable Coefficien Sd. Error -Saisic Prob. C AR() MA() R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion.6737 Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) O resulado acima mosra um bom ajuse da variável se comparado com a lieraura sobre modelagem ARMA da volailidade. Andersen & Bollerslev (998) mencionam que um R baixo é consisene ao se modelar volailidade das séries financeiras. Além disso, os auores mosram que o R é exremamene sensível à frequência da amosra uilizada. A figura 3. apresena o gráfico dos reornos diários padronizados pela volailidade realizada. 4
16 Figura Reornos Diários Padronizados 03/0/0 7/0/0 3/0/0 4/0/0 8/0/0 4/03/0 8/03/0 /04/0 5/04/0 09/05/0 3/05/0 06/06/0 0/06/0 04/07/0 8/07/0 0/08/0 5/08/0 O hisograma da série com as esaísicas descriivas esá na Figura 3.3. Figura Series: RET_PADRONZ Sample 6 Observaions 6 Mean Median Maximum.8748 Minimum Sd. Dev..58 Skewness Kurosis Jarque-Bera.8969 Probabiliy De acordo com a esaísica do ese Jarque-Bera obida, a hipóese de normalidade da série não pode ser rejeiada. Com esse resulado, a parir dese pono o rabalho será desenvolvido assumindo normalidade da série dos reornos diários.padronizados. 5
17 A volailidade uilizada pela abordagem RiskMerics esá apresenada na Figura 3.4. O faor de alisameno exponencial uilizado foi de 0.84, calculado de acordo com a écnica ambém uilizada pelo RiskMerics mencionada no Capíulo. Figura 3.4 Volailidade Riskmerics /0/00 7/0/00 3/0/00 4/0/00 8/0/00 4/03/00 8/03/00 /04/00 5/04/00 09/05/00 3/05/00 06/06/00 0/06/00 04/07/00 8/07/00 0/08/00 5/08/00 Na esimação VaR unicaudal com os reornos padronizados - com um inervalo de confiança de 95% - o modelo exrapola o VaR vezes em 6 dias (3%) apesar de, como viso aneriormene, a série da volailidade realizada capurar perfeiamene odos os efeios dos evenos de ala volailidade ocorridos no período. O resulado obido com um VaR bicaudal uilizando o valor absoluo dos reornos padronizados o modelo é exrapolado 69 vezes em 6 dias (43%). Ambos os gráficos esão apresenados nas figuras 3.5 e 3.6, respecivamene. Pelo modelo Riskmerics com o mesmo inervalo de confiança, o VaR,usando o reorno padronizado pela raiz quadrada da volailidade calculada por esse méodo, é excedido 0 vezes em 6 dias (6,%), e seu gráfico esá apresenado na figura 3.7. No modelo bicaudal o modelo é exrapolado 48 vezes (9%). O resulado esá apresenado na Figura 3.8. No enano, o resulado do RiskMerics não é robuso a variações no faor de decaimeno λ do processo de volailidade. Como o período de ala volailidade ocorre com mais frequência no início da série, quano menor o faor de decaimeno, menor o 6
18 peso dado às observações mais recenes, e menos vezes o VaR é exrapolado. Dessa forma, o resulado do procedimeno de RiskMerics depende excessivamene do faor λ de decaimeno, que infelizmene não pode ser esimado de forma consisene (ver Nelson, 990). Figura 3.5 Aderência Unicaudal -95% /0/00 7/0/00 3/0/00 4/0/00 8/0/00 4/03/00 8/03/00 /04/00 5/04/00 09/05/00 3/05/00 06/06/00 0/06/00 04/07/00 8/07/00 0/08/00 5/08/00-4 Reornos Diários Padronizados -.65 Figura 3.6 Aderência Bicaudal -68% /0/0 7/0/0 3/0/0 4/0/0 8/0/0 4/03/0 8/03/0 /04/0 5/04/0 09/05/0 3/05/0 06/06/0 0/06/0 04/07/0 8/07/0 0/08/0 5/08/0 Reornos Diários Realizados Absoluos 7
19 Figura 3.7 Aderência - Unicaudal -95% Reornos Diários Figura 3.8 Aderência - Bicaudal Reornos Diários Uma das propriedades assinóicas desejáveis de um esimador é que ele seja a respresenação mais próxima do verdadeiro valor do parâmero a medida que a amosra aumena. Um esimador é consisene se a disribuição de probabilidade do esimador colapsa para um único pono nesse caso o verdadeiro valor do parâmero. A 8
20 propriedade de consisência é mais desejável do que a ausência de viés. Um esimador viesado mas consisene pode não ser igual ao verdadeiro valor do parâmero em media, mas se aproxima dele na medida que a amosra aumena. Mas um esimador viesado e inconsisene vai coninuar a se desviar subsancialmene do verdadeiro parâmero na medida que a amosra aumena. 9
21 Capíulo 4 Conclusão O rabalho apresenado compara, no que ange a esimação do valor em risco, o méodo de exração de volailidade pregado pelo RiskMerics e a volailidade realizada calculada a parir de reornos inra diários. Apesar da esimação da volailidade realiazada er apresenado resulados consisenes com a evidência empírica, o cálculo do VaR uilizando a série dos reornos diários padronizados pela volailidade realizada não originou resulados saisfaórios. Dado o amanho da série, uma modelagem mais sofisicada não é possível devido a fala de suficienes graus de liberdade. Uma alernaiva seria o aumeno ano da frequência de agragação dos dados inra diários quano do amanho da série. Todos os rabalhos ciados aneriormene como referência de aplicações de volailidade realizada uilizaram não menos que um ano de dados diários com uma agregação de no mínimo 5 minuos de dados inra diários. Apesar da esimação via Riskmerics apresenar um melhor resulado para um faor λ = 0,84 os resulados são exremamene sensíveis ao valor de λ. Em paricular, o desempenho empobrece consideravalmene quando aplicamos um faor levemene inferior. Como a não esacionaridade do processo de volailidade assumido pelo RiskMerics impede uma esimação desse parâmero, concluímos que essa abordagem não incorpora o grau de confiabilidade necessário para uma gesão adequada do risco. 0
22 Referências Andersen, T.G., & T. Bollerslev (998), "Answering he skepics: Yes, sandard volailiy models do provide accurae forecass," Inernaional Economic Review, 39, Andersen, T.G., T. Bollerslev, F.X. Diebold & H. Ebens (00), "The disribuion of sock reurn volailiy," Journal of Financial Economics, no prelo. Andersen, T.G., T. Bollerslev, F.X. Diebold & P. Labys (000), "Marke microsrucure effecs and he esimaion of inegraed volailiy," Norhwesern Universiy, Duke Universiy, e Universiy of Pennsylvania. Andersen, T.G., T. Bollerslev, F.X. Diebold & P. Labys (00a), "The disribuion of realized exchange rae volailiy," Journal of he American Saisical Associaion, no prelo. Andersen, T.G., T. Bollerslev, F.X. Diebold & P. Labys (00b), "Exchange rae reurns sandardized by realized volailiy are (nearly) Gaussian," Mulinaional Finance Journal, no prelo. Andersen, T.G., T. Bollerslev, F.X. Diebold & P. Labys (00c), "Modeling and forecasing realized volailiy," Norhwesern Universiy, Duke Universiy, e Universiy of Pennsylvania. Andersen, T.G., T. Bollerslev & S. Lange (999), "Forecasing financial marke volailiy: Sample frequency vis-a-vis forecas horizon," Journal of Empirical Finance, 6, Bollerslev, T. (986), Generalized Auoregressive Condiional Heeroskedasiciy, Journal of Economerics, 3, Engle, Rober F. & T. Bollerslev (986), Modelling he Persisence of Condiional Variances, Economeric Reviews, 5, (), -50. Kupiec, Paul H. (995), Techniques for Verifying he Accuracy of Risk Measuremen Models, Journal of Derivaives, 3, (Winer), Jorion, P. (997), Value-a-Risk: The New Benchmark for Conrolling Marke Risk. McGraw- Hill. JP Morgan (994), RiskMerics Technical Documens, s ediion, New York. Nelson, Daniel F. (990), Saionary and Persisence in he GARCH(,) Model, Economeric Theory 6,
23 Oomen, Roel (00) Using high frequency sock marke index daa o calculae, model, and forecas realized reurn volailiy, Working Paper ECO 00/6, European Universiy Insiue.
24 Apêndice - Correlograma dos reornos inra diários 4 de Março de 00 AC PAC Q-Sa Prob de Abril de 00 AC PAC Q-Sa Prob de Maio de 00 AC PAC Q-Sa Prob
25 4 de Junho de 00 AC PAC Q-Sa Prob
Cálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH
Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale
Leia maisCapítulo 4. Propriedades dos Estimadores de Mínimos Quadrados
Capíulo 4 Propriedades dos Esimadores de Mínimos Quadrados Hipóeses do Modelo de Regressão Linear Simples RS1. y x e 1 RS. Ee ( ) 0 E( y ) 1 x RS3. RS4. var( e) var( y) cov( e, e ) cov( y, y ) 0 i j i
Leia mais3 Retorno, Marcação a Mercado e Estimadores de Volatilidade
eorno, Marcação a Mercado e Esimadores de Volailidade 3 3 eorno, Marcação a Mercado e Esimadores de Volailidade 3.. eorno de um Aivo Grande pare dos esudos envolve reorno ao invés de preços. Denre as principais
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Paricia Maria Borolon, D. Sc. Séries Temporais Fone: GUJARATI; D. N. Economeria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Processos Esocásicos É um conjuno de variáveis
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Licenciaura em Economia E C O N O M E T R I A II (LEC310) Exame Final Época de Recurso 14 de Julho de 2006 NOTAS PRÉVIAS: 1. A primeira pare da prova em duração de 75 minuos
Leia maisSéries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial
Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na
Leia mais3 Metodologia do Estudo 3.1. Tipo de Pesquisa
42 3 Meodologia do Esudo 3.1. Tipo de Pesquisa A pesquisa nese rabalho pode ser classificada de acordo com 3 visões diferenes. Sob o pono de visa de seus objeivos, sob o pono de visa de abordagem do problema
Leia mais4 O modelo econométrico
4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no
Leia maisMÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida
Leia mais4 Método de geração de cenários em árvore
Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.
Leia mais3 Uma metodologia para validação estatística da análise técnica: a busca pela homogeneidade
3 Uma meodologia para validação esaísica da análise écnica: a busca pela homogeneidade Ese capíulo em como objeivo apresenar uma solução para as falhas observadas na meodologia uilizada por Lo e al. (2000)
Leia maisANÁLISE DA VOLATILIDADE DOS PREÇOS DE BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS GARCH CARLOS ALBERTO GONÇALVES SILVA; CEFET-RJ
ANÁLISE DA VOLATILIDADE DOS PREÇOS DE BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS GARCH CARLOS ALBERTO GONÇALVES SILVA; CEFET-RJ RIO DE JANEIRO - RJ - BRASIL gon.silva@sof.com.br APRESENTAÇÃO
Leia mais4. Modelagem (3) (4) 4.1. Estacionaridade
24 4. Modelagem Em um modelo esaísico adequado para se evidenciar a exisência de uma relação lead-lag enre as variáveis à visa e fuura de um índice é necessário primeiramene verificar se as variáveis logarimo
Leia mais4 O Papel das Reservas no Custo da Crise
4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Série Esaísica Universidade do Esado do Rio de Janeiro - UERJ Rio de Janeiro RJ - Brasil ISSN 43-9 / v. 6 p. 5-8, 9 MODELAGEM DE ESTIMAÇÃO DA VOLATILIDADE DO RETORNO DAS AÇÕES BRASILEIRAS:
Leia maisINFLUÊNCIA DE EVENTOS POSITIVOS E NEGATIVOS SOBRE A VOLATILIDADE DOS MERCADOS NA AMÉRICA LATINA
INFLUÊNCIA DE EVENTOS POSITIVOS E NEGATIVOS SOBRE A VOLATILIDADE DOS MERCADOS NA AMÉRICA LATINA Paulo S. Cerea, Newon C. A. da Cosa Jr Programa de Pós-Graduação Engenharia de Produção - UFSC Caixa Posal
Leia maisProf. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisSéries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas
Séries de Tempo Inrodução José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo . Por quê o esudo de séries de empo é imporane? Primeiro, porque muios dados econômicos e financeiros
Leia maisConceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia mais4 Análise dos tributos das concessionárias selecionadas
4 Análise dos ribuos das concessionárias selecionadas Nese capíulo serão abordados os subsídios eóricos dos modelos esaísicos aravés da análise das séries emporais correspondenes aos ribuos e encargos
Leia maisIV. METODOLOGIA ECONOMÉTRICA PROPOSTA PARA O CAPM CONDICIONAL A Função Máxima Verosimilhança e o Algoritmo de Berndt, Hall, Hall e Hausman
IV. MEODOLOGIA ECONOMÉRICA PROPOSA PARA O CAPM CONDICIONAL 4.1. A Função Máxima Verosimilhança e o Algorimo de Bernd, Hall, Hall e Hausman A esimação simulânea do CAPM Condicional com os segundos momenos
Leia mais5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t
5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,
Leia maisRevista Ciências Administrativas ISSN: Universidade de Fortaleza Brasil
Revisa Ciências Adminisraivas ISSN: 44-0896 revcca@unifor.br Universidade de Foraleza Brasil Benini Duare Sandrini, Gisleia Esudo comparaivo da capacidade prediiva dos diferenes méodos de esimação da volailidade
Leia mais5 Erro de Apreçamento: Custo de Transação versus Convenience Yield
5 Erro de Apreçameno: Cuso de Transação versus Convenience Yield A presene seção em como objeivo documenar os erros de apreçameno implício nos preços eóricos que eviam oporunidades de arbiragem nos conraos
Leia mais4 Distribuições univariadas e multivariadas de retornos e volatilidades
35 4 Disribuições univariadas e mulivariadas de reornos e volailidades 4.1. Disribuições Condicionais Univariadas de Reornos Caracerizar disribuições (incondicionais) de reornos de aivos é uma preocupação
Leia maisSeminário Rumos da Política Cambial 23/3/2007 Fluxos de Capitais, Derivativos Financeiros e Intervenções nos Mercados de Câmbio II Márcio Gomes Pinto
Seminário Rumos da Políica Cambial 23/3/2007 Fluxos de Capiais, Derivaivos Financeiros e Inervenções nos Mercados de Câmbio II Márcio Gomes Pino Garcia Deparameno de Economia PUC-Rio Fluxos de Capiais,
Leia mais4 Filtro de Kalman. 4.1 Introdução
4 Filro de Kalman Ese capíulo raa da apresenação resumida do filro de Kalman. O filro de Kalman em sua origem na década de sessena, denro da área da engenharia elérica relacionado à eoria do conrole de
Leia maisANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO Breno Richard Brasil Sanos
Leia maisCritérios e Metodologia de Apuração de Superfície de Volatilidade
Criérios e Meodologia de Apuração de Superfície de Volailidade Diariamene são calculadas superfícies de volailidade implícia de odos os vencimenos de conraos de opções em que há posição em abero e/ou séries
Leia maisGrupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisAplicações à Teoria da Confiabilidade
Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016
Nome: Aluno nº: Duração: h:30 m MESTRADO INTEGRADO EM ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL Ano lecivo 05/6 - ª Época (V) 8 de Janeiro de 06 I (7 valores) No quadro de dados seguine (Tabela
Leia maisEstudo Comparativo de Modelos de Gerenciamento de Risco de Mercado com uma Carteira Composta por Ativos Típicos de um Fundo de Ações
Esudo Comparaivo de Modelos de Gerenciameno de Risco de Mercado com uma Careira Composa por Aivos Típicos de um Fundo de Ações Auores: Anonio Francisco de Almeida e André Ghirardi Resumo O cálculo do Value
Leia maisEconometria Semestre
Economeria Semesre 00.0 6 6 CAPÍTULO ECONOMETRIA DE SÉRIES TEMPORAIS CONCEITOS BÁSICOS.. ALGUMAS SÉRIES TEMPORAIS BRASILEIRAS Nesa seção apresenamos algumas séries econômicas, semelhanes às exibidas por
Leia maisProf. Carlos H. C. Ribeiro ramal 5895 sala 106 IEC
MB770 Previsão usa ando modelos maemáicos Prof. Carlos H. C. Ribeiro carlos@comp.ia.br www.comp.ia.br/~carlos ramal 5895 sala 106 IEC Aula 14 Modelos de defasagem disribuída Modelos de auo-regressão Esacionariedade
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisTeoria do Mercado de Capitais
Teoria do Mercado de Capiais Capíulo 9: Ross e all. 1 Inrodução Objeivo de Finanças: avaliação do risco de uma careira de aivos financeiros Risco: é medido em ermos de variações dos preços dos aivos P
Leia mais4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.
4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia
Leia maisO Modelo Linear. 4.1 A Estimação do Modelo Linear
4 O Modelo Linear Ese capíulo analisa empiricamene o uso do modelo linear para explicar o comporameno da políica moneária brasileira. A inenção dese e do próximo capíulos é verificar se variações em preços
Leia mais3 Modelo Teórico e Especificação Econométrica
3 Modelo Teórico e Especificação Economérica A base eórica do experimeno será a Teoria Neoclássica do Invesimeno, apresenada por Jorgensen (1963). Aneriormene ao arigo de Jorgensen, não havia um arcabouço
Leia mais5 Resultados empíricos Efeitos sobre o forward premium
5 Resulados empíricos Efeios sobre o forward premium A moivação para a esimação empírica das seções aneriores vem da relação enre a inervenção cambial eserilizada e o prêmio de risco cambial. Enreano,
Leia mais*UiILFRGH&RQWUROH(:0$
*UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos
Leia maisMódulo de Regressão e Séries S Temporais
Quem sou eu? Módulo de Regressão e Séries S Temporais Pare 4 Mônica Barros, D.Sc. Julho de 007 Mônica Barros Douora em Séries Temporais PUC-Rio Mesre em Esaísica Universiy of Texas a Ausin, EUA Bacharel
Leia mais1 Pesquisador - Embrapa Semiárido. 2 Analista Embrapa Semiárido.
XII Escola de Modelos de Regressão, Foraleza-CE, 13-16 Março 2011 Análise de modelos de previsão de preços de Uva Iália: uma aplicação do modelo SARIMA João Ricardo F. de Lima 1, Luciano Alves de Jesus
Leia maisInstituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época Normal 17/06/2013 Duração: 2 horas. Nome Turma: Processo:
Insiuo Superior de Economia e Gesão Universidade Técnica de Lisboa Economeria Época Normal 7/6/3 Duração: horas Nome Turma: Processo: Espaço reservado para classificações Noas: a uilização do elemóvel
Leia maisUniversidade de Brasília - UnB Instituto de Exatas Departamento de Estatística ANÁLISE DE VOLATILIDADE DE ÍNDICES FINANCEIROS SETORIAIS
Universidade de Brasília - UnB Insiuo de Exaas Deparameno de Esaísica ANÁLISE DE VOLATILIDADE DE ÍNDICES FINANCEIROS SETORIAIS Mauricio Lamas Vioi de Barros 06/986 Brasília - DF 0 MAURICIO LAMAS VIOTTI
Leia maisUMA APLICAÇÃO DE MODELOS DE VOLATILIDADE PARA O MERCADO DE OPÇÕES DE PETRÓLEO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. Salvador, BA, Brasil, 06 a 09 de ouubro de 009 UMA APLICAÇÃO DE MODELOS DE VOLATILIDADE PARA O MERCADO DE OPÇÕES DE PETRÓLEO Leonardo Muzenbecher Rodriguez
Leia mais4 Modelo de fatores para classes de ativos
4 Modelo de aores para classes de aivos 4.. Análise de esilo baseado no reorno: versão original (esáica A análise de esilo baseada no reorno é um procedimeno esaísico que visa a ideniicar as ones de riscos
Leia mais5 Método dos Mínimos Quadrados de Monte Carlo (LSM)
Méodo dos Mínimos Quadrados de Mone Carlo (LSM) 57 5 Méodo dos Mínimos Quadrados de Mone Carlo (LSM) O méodo LSM revela-se uma alernaiva promissora frene às radicionais écnicas de diferenças finias e árvores
Leia mais5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço
5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que
Leia mais3 METODOLOGIA E AMOSTRA
3 METODOLOGIA E AMOSTRA 3.1. Descrição da Amosra Foram uilizados o índice da Bolsa de Valores de São Paulo (Ibovespa) como represenaivo da careira de mercado e os cerificados de depósios inerfinanceiros
Leia mais3 Metodologia 3.1. O modelo
3 Meodologia 3.1. O modelo Um esudo de eveno em como obeivo avaliar quais os impacos de deerminados aconecimenos sobre aivos ou iniciaivas. Para isso são analisadas as diversas variáveis impacadas pelo
Leia mais2. REVISÃO BIBLIOGRÁFICA
. REVISÃO BIBLIOGRÁFICA.1 Modelo de Apreçameno de Opções GARCH A eoria de apreçameno de opções por GARCH foi desenvolvida por Duan (1995) ao esender o conceio de neuralidade a risco de Rubinsein (1976)
Leia mais3 Modelos de Markov Ocultos
23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável
Leia maisA excessiva volatilidade, ou um aumento muito grande, pode interferir no mercado financeiro de diversas formas:
MODELOS GARCH. Inrodução O mercado financeiro, na aualidade, sofre grande influência dos aconecimenos diários. Analisando-se uma série de reornos financeiros que apresena alernância enre períodos de grande
Leia maisInsper Instituto de Ensino e Pesquisa. Decio Albert da Silva Santos PREVISÃO DE VOLATILIDADE:
Insper Insiuo de Ensino e Pesquisa Programa de Mesrado Profissional em Economia Decio Alber da Silva Sanos PREVISÃO DE VOLATILIDADE: A VOLATILIDADE IMPLÍCITA COMO VARIÁVEL EXPLICATIVA DA VARIÂNCIA CONDICIONAL
Leia maisEstimação em Modelos de Volatilidade Estocástica com Memória Longa
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA Esimação em Modelos de Volailidade Esocásica com Memória Longa Auor: Gusavo Correa Leie Orienador: Professor
Leia maisModelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais
XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br
Leia maisAnálise da volatilidade dos preços do boi gordo no Estado de São Paulo: uma aplicação dos modelos ARCH/GARCH
"Conhecimenos para Agriculura do Fuuro" ANÁLISE DA VOLATILIDADE DOS PREÇOS DO BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS ARCH/GARCH RAQUEL CASTELLUCCI CARUSO SACHS; MARIO ANTONIO MARGARIDO.
Leia maisCOMPARAÇÃO DE ESTIMADORES DE VOLATILIDADE NA ADMINISTRAÇÃO DE CARTEIRAS DE INVESTIMENTO UMA ABORDAGEM ATRAVÉS DO MODELO DE MARKOWITZ
III SEMEAD COMPARAÇÃO DE ESIMADORES DE VOLAILIDADE NA ADMINISRAÇÃO DE CAREIRAS DE INVESIMENO UMA ABORDAGEM ARAVÉS DO MODELO DE MARKOWIZ Alexandre Linz (*) Liliane Renyi (**) RESUMO A busca de modelos que
Leia maisMODELOS DE VOLATILIDADE: COMPARAÇÃO COM DADOS SIMULADOS
MODELOS DE VOLATILIDADE: COMPARAÇÃO COM DADOS SIMULADOS Paulo Henrique Soo Cosa PUC-Rio / Dep. Engenharia Indusrial Rua M. S. Vicene 5 sala 950L CEP:453-900 Rio de Janeiro RJ UERJ / Fac. Ciências Econômicas
Leia maisÁrea Temática: Finanças
1 Área Temáica: Finanças Tíulo do Trabalho: Avaliação do Desempenho Prediivo de Modelos para a Volailidade: um Esudo para o Mercado Acionário Brasileiro enre 2000 e 2009 AUTORES PEDRO AUGUSTO ALVIM SABINO
Leia maisContabilometria. Séries Temporais
Conabilomeria Séries Temporais Fone: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Conabilidade e Adminisração, Ediora Alas, São Paulo, 2010 Cap. 4 Séries Temporais O que é? Um conjuno
Leia maisGERAÇÃO DE PREÇOS DE ATIVOS FINANCEIROS E SUA UTILIZAÇÃO PELO MODELO DE BLACK AND SCHOLES
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Mauridade e desafios da Engenharia de Produção: compeiividade das empresas, condições de rabalho, meio ambiene. São Carlos, SP, Brasil, 1 a15 de ouubro de
Leia maisRisco de Base em Derivativos Agropecuários: uma Abordagem Estocástica para o Café do Cerrado
Risco de Base em Derivaivos Agropecuários: uma Abordagem Esocásica para o Café do Cerrado Auoria: Anderson Luiz Rezende Mol, Luiz Gonzaga de Casro Júnior, Renao Elias Fones, Marcelo Márcio Romaniello RESUMO
Leia maisCaracterísticas dos Processos ARMA
Caracerísicas dos Processos ARMA Aula 0 Bueno, 0, Capíulos e 3 Enders, 009, Capíulo. a.6 Morein e Toloi, 006, Capíulo 5. Inrodução A expressão geral de uma série emporal, para o caso univariado, é dada
Leia maisModelos Não-Lineares
Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene
Leia maisGráfico 1 Nível do PIB: série antiga e série revista. Série antiga Série nova. através do site
2/mar/ 27 A Revisão do PIB Affonso Celso Pasore pasore@acpasore.com Maria Crisina Pinoi crisina@acpasore.com Leonardo Poro de Almeida leonardo@acpasore.com Terence de Almeida Pagano erence@acpasore.com
Leia maisProblema de controle ótimo com equações de estado P-fuzzy: Programação dinâmica
Problema de conrole óimo com equações de esado P-fuzzy: Programação dinâmica Michael Macedo Diniz, Rodney Carlos Bassanezi, Depo de Maemáica Aplicada, IMECC, UNICAMP, 1383-859, Campinas, SP diniz@ime.unicamp.br,
Leia maisVOLATILIDADE IMPLÍCITA VERSUS VOLATILIDADE ESTATÍSTICA: UMA AVALIAÇÃO PARA O MERCADO BRASILEIRO A PARTIR DOS DADOS DE OPÇÕES E AÇÕES DA TELEMAR S.A.
VOLATILIDADE IMPLÍCITA VERSUS VOLATILIDADE ESTATÍSTICA: UMA AVALIAÇÃO PARA O MERCADO BRASILEIRO A PARTIR DOS DADOS DE OPÇÕES E AÇÕES DA TELEMAR S.A. João Gabe Marcelo S. Porugal 3 Resumo A parir de uma
Leia mais4 Análise Empírica. 4.1 Definição da amostra de cada país
57 4 Análise Empírica As simulações apresenadas no capíulo anerior indicaram que a meodologia desenvolvida por Rigobon (2001 é aparenemene adequada para a análise empírica da relação enre a axa de câmbio
Leia maisMotivação. Prof. Lorí Viali, Dr.
Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas
Leia maisMODELAGEM E PREVISÃO DE VOLATILIDADE DETERMINÍSTICA E ESTOCÁSTICA PARA A SÉRIE DO IBOVESPA 1
MODELAGEM E PREVISÃO DE VOLATILIDADE DETERMINÍSTICA E ESTOCÁSTICA PARA A SÉRIE DO IBOVESPA Igor A. C. de Morais Marcelo S. Porugal 3 RESUMO A variância de um aivo é uma das informações mais imporanes para
Leia mais3 A Função de Reação do Banco Central do Brasil
3 A Função de Reação do Banco Cenral do Brasil Nese capíulo será apresenada a função de reação do Banco Cenral do Brasil uilizada nese rabalho. A função segue a especificação de uma Regra de Taylor modificada,
Leia maisINFLUÊNCIA DO FLUIDO NA CALIBRAÇÃO DE UMA BALANÇA DE PRESSÃO
INFLUÊNCIA DO FLUIDO NA CALIBRAÇÃO DE UMA BALANÇA DE PRESSÃO Luiz Henrique Paraguassú de Oliveira 1, Paulo Robero Guimarães Couo 1, Jackson da Silva Oliveira 1, Walmir Sérgio da Silva 1, Paulo Lyra Simões
Leia maisNOTA TÉCNICA. Nota Sobre Evolução da Produtividade no Brasil. Fernando de Holanda Barbosa Filho
NOTA TÉCNICA Noa Sobre Evolução da Produividade no Brasil Fernando de Holanda Barbosa Filho Fevereiro de 2014 1 Essa noa calcula a evolução da produividade no Brasil enre 2002 e 2013. Para ano uiliza duas
Leia maisRelatório Coppead é uma publicação do Instituto COPPEAD de Administração da Universidade Federal do Rio de Janeiro (UFRJ)
Relaório Coppead é uma publicação do Insiuo COPPED de dminisração da Universidade Federal do Rio de Janeiro (UFRJ) Comissão de Pesquisa ngela Rocha Paulo Fernando Fleury Ricardo Leal Gerência de Publicações
Leia maisAssimetria na Volatilidade de Commodities Agrícola
Assimeria na Volailidade de Commodiies Agrícola Paulo Sergio Cerea Jonas Cardona Venurini Vanessa Rabelo Dura Gendelsky Resumo: Ese esudo em por objeivo analisar o comporameno emporal das axas de reorno
Leia mais3 Estudo da Barra de Geração [1]
3 Esudo da Barra de eração [1] 31 Inrodução No apíulo 2, raou-se do máximo fluxo de poência aiva e reaiva que pode chear à barra de cara, limiando a máxima cara que pode ser alimenada, e do possível efeio
Leia mais4 Modelo teórico Avaliação tradicional
4 Modelo eórico 4.1. Avaliação radicional Em economia define-se invesimeno como sendo o ao de incorrer em um cuso imediao na expecaiva de fuuros reornos (DIXIT e PINDYCK, 1994). Nesse senido as empresas
Leia maisFunção de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco
Função de risco, h() 3. Função de risco ou axa de falha Manuenção e Confiabilidade Prof. Flavio Fogliao Mais imporane das medidas de confiabilidade Traa-se da quanidade de risco associada a uma unidade
Leia maisA UTILIZAÇÃO DO MÉTODO ARCH PARA MODELAR A VARIÂNCIA CONDICIONAL DA BOLSA DE VALORES DO RIO DE JANEIRO: UMA ABORDAGEM INTRODUTÓRIA
1 A UTILIZAÇÃO DO MÉTODO ARCH PARA MODELAR A VARIÂNCIA CONDICIONAL DA BOLSA DE VALORES DO RIO DE JANEIRO: UMA ABORDAGEM INTRODUTÓRIA T01E009 RESUMO The ARCH Auoregressive Condiional Heeroscdasiciy models
Leia maisInformation. Séries de Tempo. José Fajardo. EBAPE- Fundação Getulio Vargas. Agosto 2011
Informaion Séries de Tempo José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo Prf. José Faardo Informaion Ph. D in Mahemaical Economics (IMPA-Brazil) Mahemaical Finance, Financial
Leia maisExpectativas, consumo e investimento CAPÍTULO 16. Olivier Blanchard Pearson Education Pearson Education Macroeconomia, 4/e Olivier Blanchard
Expecaivas, consumo e Olivier Blanchard Pearson Educaion CAPÍTULO 16 16.1 Consumo A eoria do consumo foi desenvolvida na década de 1950 por Milon Friedman, que a chamou de eoria do consumo da renda permanene,
Leia maisCentro Federal de EducaçãoTecnológica 28/11/2012
Análise da Dinâmica da Volailidade dos Preços a visa do Café Arábica: Aplicação dos Modelos Heeroscedásicos Carlos Albero Gonçalves da Silva Luciano Moraes Cenro Federal de EducaçãoTecnológica 8//0 Objevos
Leia mais4 Análise de Sensibilidade
4 Análise de Sensibilidade 4.1 Considerações Gerais Conforme viso no Capíulo 2, os algorimos uilizados nese rabalho necessiam das derivadas da função objeivo e das resrições em relação às variáveis de
Leia mais3 O Modelo SAGA de Gestão de Estoques
3 O Modelo SG de Gesão de Esoques O Sisema SG, Sisema uomaizado de Gerência e poio, consise de um sofware conendo um modelo maemáico que permie fazer a previsão de iens no fuuro com base nos consumos regisrados
Leia maisAplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo
Aplicação Uma famosa consuloria foi conraada por uma empresa que, enre ouras coisas, gosaria de enender o processo gerador relacionado às vendas de deerminado produo, Ainda, o conraane gosaria que a empresa
Leia maisUtilização de modelos de holt-winters para a previsão de séries temporais de consumo de refrigerantes no Brasil
XXVI ENEGEP - Foraleza, CE, Brasil, 9 a 11 de Ouubro de 2006 Uilização de modelos de hol-winers para a previsão de séries emporais de consumo de refrigeranes no Brasil Jean Carlos da ilva Albuquerque (UEPA)
Leia mais6 Processos Estocásticos
6 Processos Esocásicos Um processo esocásico X { X ( ), T } é uma coleção de variáveis aleaórias. Ou seja, para cada no conjuno de índices T, X() é uma variável aleaória. Geralmene é inerpreado como empo
Leia maisPAULO HENRIQUE SALES GUIMARÃES MODELOS DE VOLATILIDADE COM INOVAÇÕES SKEW-T
PAULO HENRIQUE SALES GUIMARÃES MODELOS DE VOLATILIDADE COM INOVAÇÕES SKEW-T LAVRAS MG 014 PAULO HENRIQUE SALES GUIMARÃES MODELOS DE VOLATILIDADE COM INOVAÇÕES SKEW-T Tese apresenada à Universidade Federal
Leia maisOTIMIZAÇÃO DE CARTEIRAS DE TÍTULOS PÚBLICOS BOND PORTFOLIO OPTIMIZATION
OTIMIZAÇÃO DE CARTEIRAS DE TÍTULOS PÚBLICOS BOND PORTFOLIO OPTIMIZATION João Frois Caldeira* E-mail: joao.caldeira@ufrgs.br Guilherme Valle Moura** E-mail: guilherme.moura@ufsc.br André Alves Porela Sanos**
Leia mais5 Solução por Regressão Simbólica 5.1. Introdução
5 Solução por Regressão Simbólica 5.. Inrodução ese capíulo é descrio um esudo de caso uilizando-se o modelo proposo no capíulo 4. reende-se com esse esudo de caso, mosrar a viabilidade do modelo, suas
Leia maisTeoremas Básicos de Equações a Diferenças Lineares
Teoremas Básicos de Equações a Diferenças Lineares (Chiang e Wainwrigh Capíulos 17 e 18) Caracerização Geral de Equações a diferenças Lineares: Seja a seguine especificação geral de uma equação a diferença
Leia maisFACULDADE DE CIÊNCIAS ECONÔMICAS PROGRAMA DE PÓS-GRADUÇÃO EM ECONOMIA ROSANGELA CAVALERI COMBINAÇÃO DE PREVISÕES APLICADA À VOLATILIDADE
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL FACULDADE DE CIÊNCIAS ECONÔMICAS PROGRAMA DE PÓS-GRADUÇÃO EM ECONOMIA ROSANGELA CAVALERI COMBINAÇÃO DE PREVISÕES APLICADA À VOLATILIDADE Poro Alegre 008 ROSANGELA
Leia maisUTILIZAÇÃO DO MÉTODO DE HOLT-WINTERS PARA PREVISÃO DO LEITE ENTREGUE ÀS INDÚSTRIAS CATARINENSES
UTILIZAÇÃO DO MÉTODO DE HOLT-WINTERS PARA PREVISÃO DO LEITE ENTREGUE ÀS INDÚSTRIAS CATARINENSES Rober Wayne Samohyl Professor do Programa de Pós-Graduação em Engenharia de Produção e Sisemas UFSC. Florianópolis-SC.
Leia maisAULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM
AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 163 22. PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 22.1. Inrodução Na Seção 9.2 foi falado sobre os Parâmeros de Core e
Leia maisValor em Risco (VaR) utilizando modelos de previsão de volatilidade: EWMA, GARCH e Volatilidade Estocástica
Vol. 4, No. 1 Viória-ES, Brasil Jan/ Abr007 pp. 74-95 Valor em Risco (VaR) uilizando modelos de previsão de volailidade: EWMA, GARCH e Volailidade Esocásica Fernando Caio Galdi * Universidade de São Paulo
Leia maisUNIVERSIDADE TÉCNICA DE LISBOA. Construção de um Índice Sintético para o Mercado Accionista Português:
UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO MESTRADO EM: FINANÇAS Consrução de um Índice Sinéico para o Mercado Accionisa Poruguês: 977 007 Ana Margarida Gonçalves de Sousa Fernandes
Leia mais