Gestão de Riscos e Investimentos
|
|
- Ana Clara Morais Chaves
- 6 Há anos
- Visualizações:
Transcrição
1
2 Existem duas abordagens gerais para calcular o VAR 1. Avaliação Local (local valuation) Métodos que vimos até agora São procedimentos em geral analíticos Baseiam-se no valor inicial do instrumento ou carteira e avaliam possíveis variações em relação ao valor inicial com base na volatilidade dos fatores de risco 2
3 Existem duas abordagens gerais para calcular o VAR (Cont.) 2. Avaliação Plena (full valuation) Família de métodos numéricos Baseiam-se em simulações do valor da carteira em diversos cenários possíveis Portanto, estes métodos recalculam completamente o valor da carteira em função de valores possíveis assumidos pelos fatores de risco Dois métodos básicos: Simulação Histórica e Simulação de Monte Carlo 3
4 Métodos de simulação Envolvem a simulação de trajetórias possíveis do valor da carteira Utilizando dados históricos ou cenários hipotéticos Com isto, obtemos uma distribuição de valores finais da carteira A partir da qual calculamos o VAR 4
5 Simulação histórica A ideia da simulação histórica é simples Utilizamos movimentos passados dos fatores de risco para simular seus movimentos futuros potenciais Cada taxa de retorno passada corresponde a um cenário possível de variação do fator de risco A cada cenário para o fator de risco corresponde um cenário para o valor da carteira 5
6 Simulação histórica um exemplo Simulação histórica com a ação da Petrobrás 1. Supomos que os retornos passados da ação podem se repetir no próximo período com igual probabilidade 2. A partir daí, construímos um conjunto de valores hipotéticos para a ação no próximo período 3. Com base nesta distribuição, calculamos o VAR facilmente com base na diferença entre a média da distribuição e o quantil desejado * ; VAR E W W E W Q W c 6
7 Vantagens da simulação histórica É um método relativamente simples de implementar, intuitivo e robusto Não precisa estimar uma matriz de covariâncias Por basear-se em preços reais, naturalmente incorpora não-linearidades Dispensa qualquer suposição sobre a distribuição dos fatores de risco e pode incorporar caudas pesadas e eventos muito incomuns 7
8 Problemas com a simulação histórica Precisa de um histórico suficiente de retornos Assume que o passado representa o que pode ocorrer no futuro de forma razoável A janela pode omitir eventos importantes A janela pode conter eventos que não se repetirão no futuro Problema: usa somente uma trajetória amostral Assume que os retornos são i.i.d. 8
9 Problemas com a simulação histórica (Cont.) Pode não ser realista ponderar igualmente todas as observações da janela histórica Demora para incorporar quebras estruturais Erro amostral grande se o histórico não for longo Ex.: com 100 pontos e 99% de confiança, só teremos uma observação na cauda, gerando imprecisão 9
10 Simulação de Monte Carlo Baseia-se em cenários hipotéticos para o valor da carteira Estes cenários não dependem dos dados históricos e são gerados por números aleatórios Envolve diversas suposições, especialmente sobre: Os processos estocásticos que geram os fatores de risco Os parâmetros destes processos 10
11 Simulação de Monte Carlo um exemplo A evolução dos preços de alguns ativos (ex: ações) se parece com isto ,00 Trajetória Simulada do Preço 104,00 102,00 103,38 100,00 98,00 96,00 94,00 92,00 90,
12 Simulação de Monte Carlo um exemplo (Cont.) A ideia do método de Monte Carlo é repetir muitas vezes o procedimento, gerando centenas ou milhares de trajetórias possíveis para o valor da carteira ou do título 140,00 130,00 3 Trajetórias Simuladas do Preço 130,66 120,00 110,00 100,00 92,75 90,00 96,96 80,00 0 0,2 0,4 0,6 0,8 1 Série1 Série2 Série3 12
13 Simulação de Monte Carlo um exemplo (Cont.) Assim, teremos centenas ou milhares de valores finais A partir da distribuição dos valores finais é fácil computar o VAR * ; ; VAR c T E W W E W Q W c T T T T Ex: média da distribuição de valores finais simulados = R$104 Ex: 95% dos valores finais simulados estão acima de R$97,30 VAR 95%;1 dia ,3 R$6,70 Quanto maior for o número de replicações (rodadas da simulação), mais preciso será o VAR 13
14 Simulação de Monte Carlo um exemplo (Cont.) Assim, teremos centenas ou milhares de valores finais A partir da distribuição dos valores finais é fácil computar o VAR * ; ; VAR c T E W W E W Q W c T T T T Ex: média da distribuição de valores finais simulados = R$104 Ex: 95% dos valores finais simulados estão acima de R$97,30 VAR 95%;1 dia ,3 R$6,70 Quanto maior for o número de replicações (rodadas da simulação), mais preciso será o VAR 14
15 Vantagens da simulação de Monte Carlo Grande flexibilidade para desenhar o modelo Pode incorporar: não linearidades e ativos com comportamentos complexos (ex: opções) Caudas pesadas e cenários extremos Adequado também para a estimação de riscos em horizontes mais longos (ex: títulos de crédito) 15
16 Problemas com a simulação de Monte Carlo Envolve maior conhecimento técnico e grande custo computacional Utiliza muitas suposições (ex: distribuição, parâmetros do processo, etc.) Substancial risco de modelo O processo estocástico pode ser errado Variação amostral, dependendo do número de replicações Difícil comunicar e explicar para usuário da informação 16
17 FIM 17
Gestão de Riscos e Investimentos
Generalizando o modelo... Investimento inicial: Taxa de retorno: R W Valor final da carteira no horizonte considerado: Retorno esperado: Volatilidade do retorno: E R Menor valor final da carteira no nível
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia mais5 MEDIDAS DE RISCO 5.1 INTRODUÇÃO
5 MEDIDAS DE RISCO 5.1 INTRODUÇÃO Neste capítulo, são apresentadas as medidas de risco usadas no setor elétrico e em finanças, analisando as propriedades da definição de medida de risco coerente [30].
Leia maisMedida de Risco via Teoria de Valores Extremos. Análise de Risco (8) R.Vicente
Medida de Risco via Teoria de Valores Extremos Análise de Risco (8) R.Vicente 1 Resumo EVT: Idéia geral Medidas de risco Teoria de Valores Extremos (EVT) Distribuição de Máximos Distribuição de Exceedances
Leia maisValue at Risk (VaR) Introdução. Introdução. Prf. José Fajardo FGV-EBAPE
Value at Risk (VaR) Prf. José Fajardo FGV-EBAPE Introdução Quando estamos usando VaR, o administrador de uma carteira de instrumentos financeiros esta interessado em fazer uma afirmação da seguinte forma:
Leia maisRealimentação de Relevância
Wendel Melo Faculdade de Computação Universidade Federal de Uberlândia Recuperação da Informação Ciclo de realimentação onde uma consulta q recebida do usuário é transformada em uma consulta modificada
Leia maisCOS767 - Modelagem e Análise Aula 3 - Simulação
COS767 - Modelagem e Análise Aula 3 - Simulação Validando resultados da simulação Média e variância amostral Teorema do Limite Central Intervalo de confiança Organizando as execuções da simulação Verificando
Leia maisGerenciamento de Risco
2010 Gerenciamento de Risco Nota Técnica 03 Diretoria de Investimentos Previ-Rio 09/2010 Nota técnica 03 Gerenciamento de Risco O gerenciamento de risco é um instrumento essencial para a otimização do
Leia maisGestão de Riscos e Investimentos
Variações do VAR Variações do modelo básico do VAR 2 Até aqui utilizamos importantes suposições simplificadoras para calcular o VAR 1. A história recente é um indicador adequado de movimentos futuros dos
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi Material
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É
Leia maisEstimador: combinação dos elementos da amostra, construída com a finalidade de representar, ou estimar, um parâmetro de interesse na população.
Objetivo: tirar conclusões sobre uma população com base na informação de uma amostra. estimação testes de hipóteses Parâmetro metro: quantidades desconhecidas da população e sobre as quais temos interesse.
Leia mais4.1 Conceitos Básicos em Reamostragem
4 Reamostragem O tipo de estatística não-paramétrica que foi ensinado no passado desempenhou um importante papel na análise de dados que não são contínuos e, portanto, não podem empregar a distribuição
Leia mais4 Modelos de Mensuração de Risco de Mercado
Modelos de Mensuração de Risco de Mercado 39 4 Modelos de Mensuração de Risco de Mercado 4.1. Maturity A Maturity ou Maturidade é definida como o prazo para o vencimento de uma operação, independente do
Leia maisBOOTSTRAP. - APLICAÇÃO DO MB: podem ser aplicados quando existe, ou não, um modelo probabilístico bem definido para os dados.
OOTSTRAP INTRODUÇÃO - IDEIA ÁSICA: reamostrar de um conjunto de dados, diretamente ou via um modelo ajustado, a fim de criar replicas dos dados, a partir das quais podemos avaliar a variabilidade de quantidades
Leia maisProfessora Ana Hermínia Andrade. Período
Estimação intervalar Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Estimação Intervalar Vimos que como
Leia maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisGestão de Riscos e Investimentos
Introdução ao Risco de Crédito 2 Riscos de mercado vs. risco de crédito Até agora, estudamos o VAR e a mensuração de riscos no contexto dos riscos de mercado Decorrentes de movimentos potencialmente adversos
Leia mais4 Comparação dos Modelos
4 Comparação dos Modelos Nesta seção, apresentamos uma comparação entre os três métodos de apreçamento: Black e Scholes, Duan e a transformada de Esscher Não Paramétrica (ENP). Serão realizados quatro
Leia maisH11 GESTÃO DE RECURSOS LTDA.
H11 GESTÃO DE RECURSOS LTDA. Empresa: Documento: H11 Gestão de Recursos Ltda. Versão anterior: 30/09/2015 Atualização: 18/02/2016 Data Emissão / Revisão n.º revisão: 18/02/2016 ver. 2 Página: 2 Introdução:
Leia maisTESTE DE KOLMOGOROV-SMIRNOV. Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA
TESTE DE KOLMOGOROV-SMIRNOV Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA Conteúdo 2 Ewaldo Santana Introdução 3 Ewaldo Santana Introdução Testes estatísticos paramétricos, tais como
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário (bootstrap) Este método foi proposto por Efron
Leia maisMANUAL DE RISCOS DE MERCADO Modal Administradora de Recursos Ltda. MAR & Modal Distribuidora de Títulos e Valores Mobiliários Modal DTVM
MANUAL DE RISCOS DE MERCADO Modal Administradora de Recursos Ltda. MAR & Modal Distribuidora de Títulos e Valores Mobiliários Modal DTVM Última atualização: Janeiro / 2019 ÍNDICE I. OBJETIVO 3 II. DIRETRIZES
Leia maisANÁLISE DE RESULTADOS
ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados
Leia maisAvaliação Quantitativa de Sistemas
Avaliação Quantitativa de Sistemas Contexto A Avaliação Quantitativa de Sistemas permite a avaliação de sistemas antes mesmo da sua implementação física. Dessa forma, é possível avaliar um sistema projetado
Leia maisão, Regressão & Simulação
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 09: Correlação ão, Regressão & Simulação 1/43 Pode-se pesar um urso com fita métrica? Como os ursos, em sua
Leia maisModelagem e Análise de Sistemas de Computação Aula 19
Modelagem e Análise de Sistemas de Computação Aula 19 Aula passada Intro a simulação Gerando números pseudo-aleatórios Aula de hoje Lei dos grandes números Calculando integrais Gerando outras distribuições
Leia maisDCBD. Avaliação de modelos. Métricas para avaliação de desempenho. Avaliação de modelos. Métricas para avaliação de desempenho...
DCBD Métricas para avaliação de desempenho Como avaliar o desempenho de um modelo? Métodos para avaliação de desempenho Como obter estimativas confiáveis? Métodos para comparação de modelos Como comparar
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisComo modelar o comportamento de um sistema? MAB-515
Como modelar o comportamento de um sistema? MAB-515 Possibilidades de modelagem PARAMETRIZA modelo matemático experimento real AJUDA A COMPREENDER SIMULAÇÃO SOLUÇÃO ANALÍTICA MEDIDAS EXPERIMENTAIS NO MODELO
Leia mais3 Definições. 3.1 Processos Estocásticos e Processo de Wiener
25 3 Definições 3.1 Processos Estocásticos e Processo de Wiener Um processo estocástico corresponde a uma variável que evolui no decorrer do tempo de forma incerta ou aleatória. O preço de uma ação negociada
Leia mais6 Simulação de Monte Carlo - Visão Geral
6 imulação de Monte Carlo - Visão Geral 6.1 Introdução Com a evolução da tecnologia, os métodos numéricos tornaram-se uma importante ferramenta na resolução de problemas nas diversas áreas de conhecimento,
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia mais1 Introdução 1.1. Motivação
1 Introdução 1.1. Motivação Estar imune aos riscos que existem no mercado financeiro, reduzindo ou mesmo eliminando as possíveis perdas, é o desejo de qualquer investidor. Desta forma, todo investidor
Leia maisθ depende de um parâmetro desconhecido θ.
73 Método de Máxima Verosimilhança (Maximum Likelihood) Seja uma variável aleatória (v. a.) cuja densidade de probabilidade depende de um parâmetro desconhecido. Admite-se conhecida a forma de Exemplo
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisComparação entre intervalos de confiança calculados com métodos bootstrap e intervalos assintóticos
Comparação entre intervalos de confiança calculados com métodos strap e intervalos assintóticos Selene Loibel Depto. de Estatística, Matemática Aplicada e Computação, IGCE, UNESP, Rio Claro, SP E-mail:sloibel@rc.unesp.br,
Leia maisSimulação de Sistemas. Adaptado de material de Júlio Pereira Machado (AULA 17)
Simulação de Sistemas Adaptado de material de Júlio Pereira Machado (AULA 17) Análise dos Dados de Saída Além das tarefas de modelagem e validação, devemos nos preocupar com a análise apropriada dos resultados
Leia maisMetodologia de simulação
Metodologia de simulação OBJETIVOS E DEFINIÇÃO DO SISTEMA FORMULAÇÃO DO MODELO ANÁLISE E REDEFINIÇÃO MODELO ABSTRATO RESULTADOS EXPERIMENTAIS (Capítulo 6) MODELO CONCEITUAL (Capítulo 3) REPRESENTAÇÃO DO
Leia mais6 Geração de Cenários
6 Geração de Cenários O planejamento do setor elétrico para operações hidrotérmicas de longo prazo de cada subsistema, atualmente, está fundamentado na avaliação dos resultados da simulação de diversos
Leia maisAnálise dos Resultados da Simulação
Análise dos Resultados da Simulação Prof. Paulo José de Freitas Filho, Dr. Eng. Universidade Federal de Santa Catarina Dep. Informática e Estatística PerformanceLab freitas@inf.ufsc.br Tópicos Introdução
Leia mais2. podemos solucionar problemas não somente probabilisticas, mas tambem qualquer
Aula 3 (21/3/211, 23/3/211). Métodos de Monte Carlo I. Introdução. 1 Teoria ão temos no momento a definição exata de metodos de Monte Carlo. o nosso curso metodos de Monte Carlo vamos chamar metodos computacionais
Leia maisMinera c ao de Dados Aula 6: Finaliza c ao de Regress ao e Classifica c ao Rafael Izbicki 1 / 33
Mineração de Dados Aula 6: Finalização de Regressão e Classificação Rafael Izbicki 1 / 33 Como fazer um IC para o risco estimado? Vamos assumir que ( X 1, Ỹ1),..., ( X s, Ỹs) são elementos de um conjunto
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Estimação de Parâmetros O objetivo da Estatística Indutiva é tirar conclusões probabilísticas sobre aspectos da população,
Leia maisMétodos Estatísticos
Métodos Estatísticos 8 Inferência Estatística stica Estimação de Parâmetros Média Referencia: Estatística Aplicada às Ciências Sociais, Cap. 9 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 22. Estimação
Leia maisValue-at-Risk: Overview. Análise de Risco (1) R.Vicente mpmmf
Value-at-Risk: Overview Análise de Risco () R.Vicente mpmmf Resumo Objetivos Definição Esquema Geral Dinâmica de Preços Passeio Aleatório Discreto Somas de Variáveis Aleatórias Teorema Central do Limite
Leia maisModelação, Identificação e Controlo Digital
29 Adormecimento dos mínimos quadrados recursivos Se os dados forem adequados, os elementos do ganho de Kalman diminuem à medida que o tempo passa, tornando-se eventualmente muito reduzidos se o ruído
Leia maisAULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia mais2. Estimação do Tamanho de uma População Finita. Rotulada via Simulações Monte Carlo
TEMA Tend. Mat. Apl. Comput., 6, No. 2 (2005), 239-248. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Estimação do Tamanho de uma População Finita Rotulada via Simulações
Leia maisModelos para Risco de Crédito 1. Análise de Risco (9) R.Vicente
Modelos para Risco de Crédito 1 Análise de Risco (9) R.Vicente 1 Resumo Principais Modelos CreditMetrics KMV CreditRisk+ Credit Portfolio View Bibliografia 2 Modelos Principais Sponsor Modelo Base teórica
Leia maisModelo de Markov e Simulação de Monte Carlo do Jogo do Monopólio
Modelação e Simulação 2011/12 Trabalho de Laboratório nº4 Modelo de Markov e Simulação de Monte Carlo do Jogo do Monopólio Objectivo Após realizar este trabalho, o aluno deverá ser capaz de Construir um
Leia maisFiltro de Kalman. Teoria e Aplicação para Iniciantes. Prof. Dr. Marco Antonio Leonel Caetano. M&V Consultoria e Treinamento
Filtro de Kalman Teoria e Aplicação para Iniciantes Prof. Dr. Marco Antonio Leonel Caetano M&V Consultoria e Treinamento www.mudancasabruptas.com.br A História da Filtragem de Sinais 930 940 960 Filtro
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 19 de Maio de 2011 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia mais( ) Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano. α, é definido como:
Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano Orlando V. Sampaio Jr. (POLI-USP) orlando.sampaio@gmail.com Celma de Oliveira Ribeiro (POLI-USP) celma@usp.br André
Leia maisInferência Estatística. 1 Amostra Aleatória. Baseado nos slides cedidos pelo Professor Vinícius D. Mayrink (DEST-UFMG)
Inferência Estatística 1 Amostra Aleatória Baseado nos slides cedidos pelo Professor Vinícius D. Mayrink (DEST-UFMG) O que é Inferência Estatística? Desconhecimento, incerteza Fenômenos/experimentos: determinísticos
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisTécnicas Computacionais em Probabilidade e Estatística I
c Técnicas Computacionais em Probabilidade e Estatística I Aula Chang Chiann MAE 5704- IME/SP º Sem/008 Slide c chang; /4/008 Simulação Estática Obetivo: Em análise estatística de dados, modelos estocásticos
Leia maisMANUAL DE RISCOS DE MERCADO Modal Administradora de Recursos Ltda. MAR & Modal Distribuidora de Títulos e Valores Mobiliários Modal DTVM
MANUAL DE RISCOS DE MERCADO Modal Administradora de Recursos Ltda. MAR & Modal Distribuidora de Títulos e Valores Mobiliários Modal DTVM Última atualização: Setembro / 2018 ÍNDICE I. OBJETIVO 3 II. DIRETRIZES
Leia maisIND 1115 Inferência Estatística Aula 7
Conteúdo IND 1115 Inferência Estatística Aula 7 Setembro 2004 Por que a revisão de probabilidades até agora? A importância da distribuição Normal O Mônica Barros mbarros.com 1 mbarros.com 2 Por que uma
Leia maisProbabilidade - aula II
25 de Março de 2014 Interpretações de Probabilidade Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular
Leia maisO uso de Máquina de Suporte Vetorial para Regressão (SVR) na Estimação da Estrutura a Termo da Taxa de Juros do Brasil 12
1 Introdução No Brasil, o grande aumento na adesão a planos de previdência privada nos últimos tempos implicou em maiores preocupações de bancos e seguradoras em fazer investimentos visando garantir o
Leia maisFUNDAÇÃO GETÚLIO VARGAS ESCOLA DE PÓS-GRADUAÇÃO EM ECONOMIA MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL
FUNDAÇÃO GETÚLIO VARGAS ESCOLA DE PÓS-GRADUAÇÃO EM ECONOMIA MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL AVALIAÇÃO DO RISCO DE CRÉDITO AGREGADO: APLICAÇÃO DO CREDITRISK+ EM INSTITUIÇÕES BRASILEIRAS NÃO-FINANCEIRAS
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisInserindo Credibilidade Estatística aos Resultados de uma Avaliação de Desempenho
Inserindo Credibilidade Estatística aos Resultados de uma Avaliação de Desempenho Avaliação de Desempenho Prof. Kleber Rezende kleber.rezende@ifsuldeminas.edu.br Conteúdo Revisão de Probabilidade e Estatística:
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia mais308 CAPfTU LO 11 - ESTIMAÇÃO Observe que o primeiro intervalo tem amplitude menor que o segundo. Outra observação importante é que por ( 11.40) e um r
308 CAPfTU LO 11 - ESTIMAÇÃO Observe que o primeiro intervalo tem amplitude menor que o segundo. Outra observação importante é que por ( 11.40) e um r fixo, os intervalos que podemos obter para amostras
Leia maisMANUAL DE RISCOS DE MERCADO Modal Administradora de Recursos Ltda. - MAR
MANUAL DE RISCOS DE MERCADO Modal Administradora de Recursos Ltda. - MAR Última atualização: Junho / 2016 EXCLUSIVO PARA USO INTERNO Produzido pelas áreas de Risco Operacional e Compliance, Controladoria
Leia maisAula 7 Intervalos de confiança
Aula 7 Intervalos de confiança Nesta aula você aprenderá um método muito importante de estimação de parâmetros. Na aula anterior, você viu que a média amostral X é um bom estimador da média populacional
Leia maisComputação científica utilizando placas gráficas
Brasília, dezembro de 2008 Universidade de Brasília - Faculdade do Gama Sumário Introdução Sumário Introdução Arquitetura da GPU Sumário Introdução Arquitetura da GPU Modelo de programação Sumário Introdução
Leia maisEstrutura de Gerenciamento de Risco de Mercado - CPBofAML
Estrutura de Gerenciamento de Risco de Mercado - CPBofAML Dezembro 2016 1 Ouvidoria Telefone: 0800-8862000 e-mail: ouvidoria_bamlbrasil@baml.com Endereço: Avenida Brigadeiro Faria Lima, 3400-18º Andar
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisClassificação de Sistemas de Simulação. Profa. Dra. Soraia Raupp Musse
Classificação de Sistemas de Simulação Profa. Dra. Soraia Raupp Musse Quem é real? Simulação de Sistemas SIMULAÇÃO IMPLICA NA MODELAGEM DE UM PROCESSO OU SISTEMA, DE TAL FORMA QUE O MODELO IMITE AS RESPOSTAS
Leia maisPOLÍTICA DE GESTÃO DE RISCO
POLÍTICA DE GESTÃO DE RISCO Junho/2016 Esta Política de Gestão de Risco foi elaborada de acordo com as políticas internas da EXPLORA INVESTIMENTOS GESTÃO DE RECURSOS LTDA., inclusive o Código de Ética
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia mais, logo, para se obter uma boa precisão seria necessário aumentar, e muito, o número de
2. Simulação de Monte Carlo A Simulação de Monte Carlo (SMC) é um método numérico que utiliza um gerador de números aleatórios para simular possíveis valores da variável de interesse e assim obter a estimativa
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Avaliação de Classificação
Estatística: Aplicação ao Sensoriamento Remoto SER 204 - ANO 2018 Avaliação de Classificação Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/ Classificação e Incerteza
Leia maisModelagem e Análise de Sistemas de Computação Aula 20
Modelagem e Análise de Sistemas de Computação Aula 20 Aula passada Lei dos grandes números Calculando integrais Gerando outras distribuições Método da transformada inversa Aula de hoje Simulando uma fila
Leia maisGestão de Risco. Políticas de Gestão de Risco. Data: Março 2018
Título: Assunto: Políticas de Gestão de Risco Gestão de Risco Data: Março 2018 Responsável: Área: Ricardo Retz de Carvalho Gestão de Risco Esse manual de Políticas de Gestão de Risco tem como objetivo
Leia maisAumentando a Eciência de Métodos Monte Carlo: Redução de Variâncias por Condicionamento
Aumentando a Eciência de Métodos Monte Carlo: Redução de Variâncias por Condicionamento Ian Meneghel Danilevicz Walmir dos Reis Miranda Filho Métodos Computacionais Aplicados à Estatística Prof.: Cristiano
Leia maisCOMO FUNCIONA A SIMULAÇÃO. Capítulo 2 - Aula 2. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 2 1 Tratando a Variabilidade dos Sistemas As diferenças fundamentais entre os dois tratamentos (T. Filas e simulação): para a solução analítica o objetivo da
Leia maisAula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos
Aula 2 ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos 1. DEFINIÇÕES FENÔMENO Toda modificação que se processa nos corpos pela ação de agentes físicos ou químicos. 2. Tudo o que pode ser percebido
Leia maisGrupo Vinci Política de Gestão de Risco
Junho 2016 Grupo Vinci Política de Gestão de Risco 1. Aplicabilidade da Política Para efeitos desta Política de Gestão de Risco ( Política ), Grupo Vinci abrange a Vinci Partners Investimentos Ltda. (
Leia maisPOLÍTICA DE GESTÃO DE RISCO
POLÍTICA DE GESTÃO DE RISCO Junho/2016 Esta Política de Gestão de Risco foi elaborada de acordo com as políticas internas da GESTORA GESTÃO DE RECURSOS LTDA., inclusive o Código de Ética e o Manual de
Leia maisAula 17. Aula de hoje. Aula passada. Problemas Monte Carlo na moda Caminho trilhado Desafios à frente Avaliação
Aula 17 Aula passada Otimização Caixeiro viajante Hill Climbing Distribuição de Boltzman Simulated Annealing De volta ao caixeiro Aula de hoje Problemas Monte Carlo na moda Caminho trilhado Desafios à
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Função Distribuição Condicional Calculando Probabilidades condicionando Esperança Condicional Aula de hoje Análise de Comandos de Programação
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Definições e Notação Estimação Amostra Aleatória
Leia maisAula 14. Aula de hoje. Aula passada
Aula 14 Aula passada Autovalores, autovetores, decomposição Convergência para estacionaridade Tempo de mistura Spectral gap Tempo de mistura de passeios aleatórios Aula de hoje Caminho amostral Teorema
Leia mais