Autoria: Fábio Luiz de Oliveira Bezerra e Charles Ulises de Montreuil Carmona
|
|
- Gabriel Henrique Ferrão Figueiredo
- 6 Há anos
- Visualizações:
Transcrição
1 Avaliação a esimaiva o risco e mercao e ações e opções e compra a Perobrás uilizano a Meoologia Value a Risk (VaR) com Simulação e Mone Carlo Auoria: Fábio Luiz e Oliveira Bezerra e Charles Ulises e Monreuil Carmona Resumo Ese rabalho em o inuio e avaliar a capaciae a aboragem Value a Risk com simulação e Mone Carlo (SMC), na previsão o risco e mercao a ação a Perobrás (PETR4) e as opções e compra a PETR4 (PETRJ39, PETRH6, PETRH5). Compara-se a performance a SMC com os méoos enominaos paraméricos: para a careira e ações, consiera-se o moelo o esvio parão, e, para as opções, uilizam-se aproximações Dela e Dela-Gama. A SMC para as opções é obia pelos seguines moelos e precificação o valor a careira: o e Black & Scholes (SMC Univariaa), o e Hull & Whie, que inclui volailiae esocásica (SMC Bivariaa), e, por úlimo, a inclusão a axa e juros ambém esocásica aravés o moelo e Renleman e Barer (SMC Trivariaa). As eviências empíricas sugerem que a esimaiva o VaR pela simulação e Mone Carlo supera a os méoos paraméricos, noaamene em careiras não-lineares.. Inroução A aboragem Value a Risk (VaR) em sio uma as écnicas mais uilizaas no gerenciameno e risco ornano-se parão na inúsria bancária. Uma grane vanagem a esimaiva o risco aravés o VaR consise na capaciae e mensurar e agregar iversas posições e risco e oa a insiuição em um único valor. Isso orna a compreensão o nível e risco a empresa muio mais fácil para seus ireores, acionisas e invesiores. Embora a aboragem o VaR para a esimaiva o risco e mercao seja e fácil enenimeno, exisem iversas meoologias para sua obenção, caa uma apoiano-se em suposições iferenes quano às caracerísicas os faores e risco e mercao e aequano-se melhor a iferenes perfis e composição a careira. Conforme esacam Hull e Whie (987), os moelos maemáicos e esaísicos mais uilizaos para o cálculo o VaR (meoologia paramérica) amiem que reornos iários as variáveis e mercao (preço e aivos, axas e juros, câmbio) seguem uma isribuição e probabiliae o ipo normal. Na práica, as séries e reornos iários essas variáveis apresenam assimeria e significaivos graus e curose. Por ouro lao, a simulação e Mone Carlo parece ser uma meoologia confiável e abrangene para a mensuração e riscos financeiros e capaz e capurar uma grane varieae e riscos, inclusive e preço, e volailiae e e créio. É conveniene, porano, realizar uma análise e acuiae as meoologias para o cálculo o VaR, comparano-se a esimaiva e pera poencial e uma careira meia pelo VaR com a pera efeiva ou real observaa após a passagem o empo.. Referencial eórico Jorion () esabelece uma efinição formal para al meia: o VaR mee a pior expecaiva e pera urane um cero períoo e empo, sob conições normais e mercao e com um ao nível e confiança. Consierano-se VC o valor a careira no momeno inicial e R a sua axa esperaa e reorno no final o horizone e empo, o valor esperao a careira após o horizone eerminao será e VC VC ( + R), ambém efine VaR como a pera a careira relaiva ao seu valor esperao:
2 * * VaR VC VC VC ( R R ) one VC* é o valor esperao mínimo amiio para a careira referene ao nível e significância esejao, e R* é o reorno associao a VC*. O VaR poe ser efinio como a pera absolua a careira, ou seja, relaiva a zero ou sem referência com o valor esperao a careira: * * VaR VC VC VC R Esa úlima forma é a comumene uilizaa no meio acaêmico e e mercao, pois represena a pera real a careira em relação ao momeno em que esá se meino o VaR. Para enconrar o valor mínimo esperao, necessia-se esabelecer um nível e confiança e conhecer a função e isribuição e probabiliae fuura a careira e aivos ou o reorno a careira, respecivamene quano se calcula o VaR o valor a careira ou e reorno. Consierano a função e isribuição e probabiliae o valor fuuro a careira, f(x), a eerminao nível e confiança, q, eseja-se escobrir a pior realização possível para a careira, VC*, al que a probabiliae e exceer esse valor seja q: q VC * f ( x) x ou al que a probabiliae e um valor menor que VC*, probabiliae p, one q VC * Porano, em-se que VC F f ( x) x * P ( x p P( x VC VC *) p * ), seja -q: F ( p), que correspone ao valor o quanil e é a função inversa e ensiae e probabiliae. Daí: VaR VC * VC VC F p Se não há a função e isribuição e probabiliae analiicamene, eve-se proceer empiricamene à consrução a isribuição o valor a careira e calcular o quanil pela orenação irea as freqüências e ocorrências os valores. Como se vê, o VaR é obio o quanil a função e isribuição e probabiliae a careira, logo seno aplicao a qualquer isribuição, seja ela normal ou não, iscrea ou conínua, com caua grossa ou fina. Se a isribuição for normal, consierano µ e σ, respecivamene, méia e esvio parão, o quanil genérico p é a função inversa e isribuição normal cumulaiva e probabiliae Φ ( p). Para as isribuições normais, o VaR é ao por: VaR (-) VC ασ one α é esvio normalizao para a significância selecionaa, σ é o esvio parão e VC é o valor inicial a careira o momeno o cômpuo o VaR. Para careira com vários faores e risco, a função e isribuição e probabiliae a careira é obia a parir a isribuição os faores e risco ou variáveis financeiras aos quais esá exposa a careira. Consierano-se que as variáveis aleaórias que represenam os faores e risco são aos por X,..., X, a função que represena o valor a careira, que poe ser uma função pera ou moelo e precificação a careira, será aa por η L X, X,..., ). Denoa-se como a função e isribuição cumulaiva e ( X 3 F L ( )
3 probabiliae a função pera, F L ( l) Pr( η < l). Consierano G a função e isribuição mulivariaa as variáveis,...,, a função e isribuição cumulaiva é: X ( l) Pr( L( X,..., X ) < l) [ L( X,..., X )] G( X,..., X ) (-) p ) X l R F L O cálculo o VaR consise, enão, na esimaiva o quanil: para um ao p, enconrar l al que F L ( l p. Enão VaR é ao por l ( p). Porano, para calcular p o VaR é preciso aproximar a inversa a função e isribuição cumulaiva e probabiliae a função e pera a careira.. Moelos e precificação e opções Para calcular o VaR e conraos não-lineares como, por exemplo, conraos e opções, orna-se funamenal eerminar o moelo e precificação os mesmos, que, subraío o valor inicial a careira, represena a função pera o valor a careira. Exise uma série e moelos maemáicos para o cálculo os prêmios e opções. O moelo proposo por Black & Scholes (973) B&S foi a primeira solução para a fórmula e equilíbrio geral na avaliação o prêmio e opções. Para o caso e opções o ipo européia, B&S apresenaram as seguines fórmulas para a avaliação os seus prêmios: Para opção e compra: p F L Para opção e vena: R ( T ) c S N( ) K e N( σ T ) (-3) R ( T ) p S N( ) + K e N( σ T ) Como sabemos, o moelo B&S pare o pressuposo e que o aivo objeo em um comporameno esocásico conínuo, na forma e movimeno geomérico browniano. Iso quer izer que se assume que a isribuição probabilísica os preços o aivo objeo, em uma aa fuura, é log-normal e, por conseguine, a isribuição probabilísica as axas e reorno calculaas e forma conínua e composa enre uas aas é normal. O preço a ação é a solução a seguine equação iferencial esocásica: S µ S + σ w() one S( ) S >, w() é um processo e Wiener, com enência insanânea e esvio aos, respecivamene, por σ e µ. Um moelo alernaivo ao B&S é o proposo por Hull e Whie (987), no qual pressupõem-se as mesmas hipóeses e B&S, exceo a que se refere ao comporameno o preço e a volailiae. Nese, o preço e uma ação assume um processo esocásico mais geral e a volailiae é assumia como esocásica, a seguine forma: S µ ( S, σ, ) S + S w() V φ (, ) V + ξ (, ) V z( ) σ one V é a variância insanânea os reornos, w() e z() são ois processos e Wiener σ inepenenes enre si, e S é o preço a ação no insane. Hull e Whie (987) emonsram que, quano a volailiae não é correlacionaa com o preço a ação, poe-se escrever o valor e uma opção e compra européia em como: c( S S σ σ, σ, ) cbs ( V ) f ( V σ ) V 3
4 one ( V ) é a fórmula e B&S, f(.) é a função e ensiae e probabiliae e V, e V é o valor méio a axa e variância efinio como: T V σ s T c BS Iso é, o preço a opção é a esperança conicional em o preço B&S, uilizanose o valor a inegral acima como parâmero e volailiae. Poe-se usar uma aproximação o moelo e H&W que o orna ão práico como o e B&S, uilizano-se como parâmero e volailiae na fórmula e B&S a raiz quaraa a méia as previsões a volailiae ao quarao aé T- passos à frene (Duffie e Pan, 997). Consierar a axa e juros eerminísica poe não ser ão realisa, assim, o ieal seria relaxar esa hipóese e abrir a possibiliae e juros esocásicos. Hull () aesa que, em geral, a axa e curo prazo é escria, num moelo neuro ao risco, pelo processo e Iô, a seguine forma: R m( R) + s( R) z Assume-se que o esvio insanâneo m(r) e a enência s(r) sejam funções e R, mas inepenenes o empo. Esse moelo implica que oas as axas se movem a mesma ireção urane qualquer inervalo e empo, mas não na mesma proporção. No moelo e Renleman e Barer (98), consiera-se que m(r)µr e o s(r)σr, one µ é a axa e crescimeno esperaa e σ a volailiae a axa e juros, levano a crer que evio ao comporameno a economia, as axas e juros enham enência e reversão à méia em longo prazo.. Simulação e Mone Carlo Para as isribuições e probabiliae, nas quais não há os valores a função e isribuição cumulaiva e probabiliae em forma analíica ou pelo menos abulaos, necessia-se uilizar os méoos numéricos e inegração, para o cálculo o quanil que represena o VaR. Uma as écnicas possíveis é o méoo e Mone Carlo. A aplicação mais comum o méoo e Mone Carlo é o cálculo e inegrais, embora seja ambém uilizao para ouras finaliaes como, por exemplo, a resolução e equações. Consiera-se, primeiramene, a seguine inegral efinia: θ b a f ( x) x O problema e calcular a inegral orna-se um problema e esimaiva a méia, ^ f y E(f(Y)). Um esimaor para a méia é ao pela fórmula: ( i ) θ ( b a ) n one y i são valores e uma amosra aleaória e amanho n reiraa a isribuição e probabiliae uniforme sob o inervalo [a, b]. A variância essa esimaiva é aa por: ( b a) ^ b b Var (θ ). f x f n ( ) ( ) a a O esvio parão esá ireamene associao ao erro e convergência, e, a equação anerior, conclui-se que a orem o erro é e n /. Uma imporane proprieae o esvio parão a esimaiva pelo méoo Mone Carlo é a inepenência com a imensão a inegral. Os erros normalmene são epenenes a imensão : n (Genle, 998). x 4
5 O méoo e Mone Carlo ambém é basane uilizao na precificação e opções: simulam-se as rajeórias os faores e risco aé o prazo e vencimeno a opção, aplicam-se esses valores na função que represena o valor a opção e escona aé a aa esejaa a uma axa e juros livre e risco. O preço aual e uma opção e compra européia, consierano as hipóeses e B&S, é o valor esperao a opção numa siuação e iniferença ao risco, esconao a uma axa e juros livre e risco: c R( T ) e E[ g( S )] (-4) one T- é o empo aé o vencimeno a opção, S é o preço o aivo no empo, e g(.) é a função pay-off a opção e R é a axa livre e risco. Por simplificação algébrica, supõe-se que. Num muno neuro ao risco, ln S T possui uma isribuição e probabiliae normal one o preço a ação num empo fuuro T será ao pela expressão, conforme esacao em Boyle (977): T S T S e ( R ( σ / )) T +σε T (-5) one ε é uma variável aleaória com isribuição normal parão, R é a axa livre e risco e S T é o preço o aivo no empo T. Aplicano esa úlima equação na função o valor esperao a opção (Eq..4), em-se (Joy, Boyle e Tan, 996): RT (( R ( σ / )) T+ σε T) ε / g[ Se ] e π c e ε Aravés a inversa a função e isribuição e probabiliae a variável normal ε, ransforma-se a inegral e menos a mais infinio para uma inegral com isribuição uniforme sobre o inervalo [,]: c h( ε) e π ε / ε h( Φ ( x)) x f ( x) x Esa simplificação permie ober uma aproximação eficiene para a inegral pela seleção apropriaa e amosras e ponos no inervalo [,]. Pela simulação e Mone Carlo, gera-se n valores e variáveis com isribuição uniforme e o valor a opção será ao por: n c f ( ξ i ), one ξ i ~ U (,) n i Poe-se opar pela geração e valores e variáveis normais e o valor a opção ornará: n c h( ε i ), one ε i ~ N(,). n i Será viso em iem poserior que, com os números pseuo-aleaórios, o erro a / esimaiva acima será a orem e n, enquano que, com os números quase-aleaórios ( log( n) ) será a orem e. n.3 Gerano números aleaórios Poe-se classificar os números aleaórios em rês grupos: 5
6 a) Aleaórios. Os números aleaórios são os números puramene aleaórios, que são selecionaos por meio não eerminísico, que não envolvem algorimos ou funções, e normalmene são obios por inerméio e evenos naurais ou físicos. Nesa classificação, enquaram-se os geraores e números aleaórios (Sobol, 994). b) Pseuo-aleaórios. São os obios por meio e algorimos, e al forma que apresenem um ciclo e repeição ão alo quano possível, e moo a simular uma isribuição veraeiramene ranômica. Nese grupo, enquaram-se os méoos e congruência linear aboraos por Genle (998). c) Quase-aleaórios. Conhecios como seqüências e baixa iscrepância, são ambém obios por proceimenos maemáicos. Desenhano um conjuno e números pseuo-aleaórios em uas imensões, vê-se que os mesmos não preenchem regularmene os espaços, verificano-se regiões one não há ponos, ou seja, os números pseuo-aleaórios não são isribuíos uniformemene no espaço (Paskov e Traub, 995). Para ornar melhor a esimaiva a inegração pela sua méia (Sobol, 994), seria conveniene que os números aleaórios puessem ser isribuíos uniformemene a caa amosra subseqüene. Há um conceio em eoria os números enominao iscrepância, que mee o esvio a uniformiae e um conjuno e ponos em uma imensão. A quesão em saber qual conjuno e ponos em uma imensão em a iscrepância mais baixa aina não foi resolvia, porém há várias seqüências e ponos e baixa iscrepância conhecias. Conforme Papageorgious e Paskov (999), o erro e aproximação uilizano números eerminísicos é o prouo a variância, Var ( ρ l ), a função ρ l, com a ( log( n) ) iscrepância a amosra D n, Dn C, one C é uma consane que epene a n seqüência e baixa iscrepância e é a imensão o problema. Percebe-se que o erro e convergência para ponos e baixa iscrepância é proporcional ao inverso a quaniae e números uilizaos, sugerino que ese méoo é superior que o méoo e Mone Carlo (Paskov, 994). Esa vanagem iminui com o aumeno a imensão e alguns pesquisaores relaam que esa vanagem eórica esaparece para > 3 (Paskov e Traub, 995)..4 Criérios e avaliação os moelos VaR Os criérios evem ienificar a ocorrência e falhas nas previsões, imporano para a avaliação os ponos one a previsão foi inferior à efeivamene ocorria (cauas a isribuição e reornos). Criérios e avaliação que procurem capar o esempenho a previsão ao longo e oa a curva e isribuição os reornos não necessariamene serão os melhores o pono e visa o risco, principalmene quano a aboragem é o VaR. Os criérios baseaos em funções-objeivo avaliam a capaciae o moelo em esimar a curva e isribuição e reornos, conuo, a grane preocupação com o risco é a capaciae e prever exceções, já que o VaR procura capurar os piores cenários. Dessa forma, as cauas a isribuição e probabiliae são mais imporanes o pono e visa o risco e opou-se por avaliar a esimaiva o VaR pelo criério e backesing, proposo pelo Comiê e Basiléia, conjugao com o ese e proporção e falhas proposo por Kupiec (995). Kupiec esenvolveu um moelo que serve para verificar se o número e vezes em que as peras efeivas superaram as peras esimaas pelo VaR poe ser consierao aceiável. 6
7 Ele consierou, para vários períoos, inervalos e não rejeição a hipóese nula e que p é a correa probabiliae a proporção (número e falhas iviio pelo oal e ias) a um nível e significância e 5%, conforme inicao na abela abaixo. Pp* (%) N55 ias N5 ias N ias, x<7 <x< 4<x<7,5 <x< 6<x< 5<x<36 5, 6<x< 6<x<36 37<x<65 7,5 <x<8 7<x<5 59<x<9, 6<x<36 38<x<65 8<x< Tabela.. Inervalos e não-rejeição a hipóese nula Ho e que a proporção e falhas p* é igual a p, a 5% e confiança O número x inica a quaniae e insucessos que poeria se observao numa amosra e amanho n, sem rejeiar a hipóese nula e que p é a correa probabiliae a um nível e significância 5%. Kupiec ambém fornece oura maneira e esar o moelo e VaR, aravés a quaniae máxima que a amosra uilizaa everá coner para rejeiar a hipóese anerior, ressala que a écnica e avaliação as esimaivas e VaR só será confiável com um grane número e observações. 3. Meoologia Foram formulaas as seguines hipóeses a serem esaas: H: A simulação e Mone Carlo (SMC) com geraor e números quase-aleaórios apresena maior convergência que com números pseuo-aleaórios, na esimaiva o VaR as ações e as opções a Perobrás S/A. H: O VaR calculao pela simulação Mone Carlo (SMC) e geraor e números quasealeaórios apresena-se aequao na previsão a variação e ais aivos. H3: A simulação e Mone Carlo (SMC) apresena melhor esempenho na avaliação o VaR o que os méoos paraméricos. A base e aos empregaa nese rabalho é composa pelos preços observaos a ação preferencial nominaiva a Perobrás S/A, nos mercaos à visa (PETR4), e e conrao e opções e compra a PETR4 (PETRJ39, PETRH5 e PETRH6). Os aos a ação PETR4 foram coleaos no períoo e 4 e julho e 994 a 8 e agoso e, enquano foram obios os preços as opções e compra e séries negociaas no períoo e e abril e 998 a 8 e agoso e. Uilizam-se as coações iárias e fechameno a ação e a opção e compra como realização o processo esocásico os preços (Taylor, 986). Para a análise proposa por ese rabalho, uilizou-se uma careira linear hipoéica composa e uma ação PETR4 e uma careira não-linear hipoéica composa por uma opção e compra a PETR4. O reorno foi calculao pela forma logarímica, que é ao por: F r ln F one: F é o valor o faor e risco no insane. Para o cálculo o prêmio a opção uilizaram-se os moelos e B&S, H&W e o moelo e H&W associao com o moelo e Renleman e Barer (98), que consiera a axa e juros como variável esocásica, para a avaliação os prêmios e conraos e opção. 7
8 E, para represenar a axa e reorno o aivo livre e risco, uilizou-se a axa e juros SELIC, que reflee o cuso méio as operações com íulos públicos feerais. A careira hipoéica é composa e opções e compra a ação PETR4, no enano a posição poe ser compraa ou venia, e, a epener esa, a avaliação o esempenho os méoos em prever a pior pera na careira será iferene. É conveniene, enão, analisar as uas siuações. 3. VaR - Simulação e Mone Carlo Para a careira linear, formaa apenas com ações à visa, basa simular os valores a ação uilizano rajeórias e preço. Como foi viso, num muno neuro ao risco, ln S T possui a seguine isribuição e probabiliae, e pela equação.5 poe-se escrever uma fórmula recursiva, iscreizaa no inervalo, para o preço a ação a seguine forma: S S e ( R ( σ / )) + σε (3-6) one ε é uma variável aleaória com isribuição normal parão, R é a axa livre e risco e S é o preço o aivo na eapa. Para a careira e opções, no moelo e B&S, simulam-se as rajeórias e preço a ação para o momeno e empo esejao, e aplica-se a fórmula e precificação para ober uma isribuição empírica o valor a opção. O VaR enão é meio ireamene pelo quanil a significância esejaa. No moelo H&W, simulam-se as rajeórias e preço e e volailiae implícia, e aplica-se o moelo e precificação para ober o valor esperao a opção para o momeno em que se esar esimano a pera a careira. No erceiro moelo analisao, além essas uas rajeórias, ambém simula-se o processo esocásico a axa e juros pelo moelo e Renleman e Barer (98). Quano há mais e um faor e risco, er-se-á a seguine expressão: one i X X j X j e j ( R ( σ / )) + σ são os valores no insane os faores e risco j, sejam preço a ação, volailiae ou axa e juros, e ε são variáveis aleaórias inepenenes enre períoos e empo e enre as séries j. Enreano, os faores e risco são geralmene correlacionaos, e, para moelar essa correlação, uiliza-se a faoração e Cholesky para as variáveis aleaórias. O componene essencial e um geraor e números pseuo-aleaórios é uma isribuição uniforme sobre o inervalo [,], que prouz uma variável aleaória x. A parir e uma isribuição uniforme, poe-se ransformar esa em iversas isribuições esejaas. No caso e inegração e funções, que correspone ao proceimeno e inversão a função e isribuição para esimar o quanil, uilizam-se isribuições uniformes. Para simular as rajeórias e preços os faores e risco, parino a suposição e que seguem o movimeno browniano geomérico, precisa-se e uma isribuição normal paronizaa. Exisem vários méoos para ransformar uma isribuição uniforme em normal parão. Um os mais uilizaos é o méoo e Box Miller (Press e al., 99), no enano apresena pera e eficiência em seqüências quase-aleaórias (Galani e Jung, 997) que será e funamenal imporância para ese rabalho, como será viso logo a seguir. Uilizar-se-á o méoo proposo por Moro (995). Ese méoo ransforma o número aleaório com isribuição uniforme na isribuição esejaa, aravés a inversa a função e isribuição e probabiliae cumulaiva. j ε j 8
9 Como geraores e números aleaórios, uiliza-se a função ran (Press e al., 99), que é baseao no méoo e congruência linear, e, como geraor e números quasealeaórios, uiliza-se a seqüência e Sobol (Press e al.,99), implemenaos em Forran. Eses algorimos fornecem variáveis uniformes e para proceer a ransformação em variável aleaória normal, uiliza-se o algorimo e Moro (995). As variações e valor para conraos lineares poem ser oalmene explicaas pelos ermos e primeira orem a expansão a série e Taylor, já que os e maiores são nulos. Para a careira hipoéica composa a ação PETR4, assumiu-se que o reorno seguirá uma isribuição normal, e moo a uilizar a seguine fórmula o VaR apresenaa no referencial eórico, a que enomina-se e méoo paramérico o esvio parão: VaR VC ασ, one α é esvio normalizao para a significância selecionaa, σ é o esvio parão ou volailiae o preço a ação e VC é o valor e mercao a careira. Uiliza-se o esvio parão amosral em janelas móveis e amanho e ias como esimaor a volailiae o preço. Para erivar uma expressão analíica o VaR para a careira não-linear composa e opção e compra, recorre-se ao moelo e precificação e Black&Scholes (equação.3), que relaciona o valor e uma opção a vários faores e risco: R c g( S, σ, R, ) S N( ) K e N( σ T ) Uilizano os primeiros ermos a expansão e Taylor para esa função g(.), a variação no valor a opção poe ser escria a seguine forma: g g g g g c S+ S + σ + r+ S S σ r É comum efinir as erivaas parciais a função g(.) o valor a opção pelas seguines leras gregas: Dela a opção: g N() S Gama a opção: g Φ( ) Γ S Sσ T Vega a opção: g Λ S σ T Φ() Rô a opção: g R( T ) ρ Ke ( T ) n( σ T ) r O grane faor e risco a opção é sem úvia o preço a ação. É por isso que normalmene se usa a aproximação linear o Dela para a análise o risco a opção. A grane vanagem a aproximação Dela é a aição, ou seja, se emos uma careira com várias opções, o risco poe ser analisao como a soma as posições Dela e caa opção. Consierano só o Dela, a variação o valor o prêmio a opção, c, será: c S e porano: Var( c) Var( S) Consierano σ a volailiae as variações o preço a ação, σ(s/s), e recorreno a equação o processo e Iô, S µ S + σsz, em-se que : Var( S) σs Supono agora que a isribuição essa variação é normal, poe-se aplicar a fórmula o VaR aa pela equação.. Enão, o VaR a variação o valor a opção será: VaR( c) α Sσ 9
10 Consierano que a variação o prêmio a opção esá inseria nas gregas Dela e Gama, a série e Taylor, a variação o prêmio a opção será: c S + Γ S Se a variável S for normalmene isribuía, obém-se: Var( c) Var( S) + ( ΓVar( S) ) Consierano σ a volailiae as variações o preço a ação, σ(s/s), o VaR a opção será: VaR( c) α S σ + ( ΓS σ ) A composição Dela-Gama fornece uma aproximação muio melhor para as variações na opção, enreano sempre se esará incorreno em erro, evio ao fao e os ermos e orens maiores que o Gama esarem seno esprezaos. Uiliza-se a volailiae implícia como esimaor para a volailiae o aivoobjeo quano a aplicação os moelos e precificação e opções. No cálculo o VaR, é necessário efinir arbirariamene um nível e significância e um períoo e empo. Uilizou-se um inervalo e confiança e 99% no cálculo o VaR para a careira linear e ações a Perobrás. Já no caso a careira e opções, como as séries e opções não são muio negociaas, uilizou-se o inervalo e 95%. 4. Resulaos Empíricos Compara-se inicialmene a eficiência os números quase-aleaórios e pseuo aleaórios, no cálculo o VaR uilizano a simulação e Mone Carlo para careiras lineares e não-lineares. A careira linear hipoéica uilizaa para a análise é composa e (uma) ação preferencial a Perobrás S/A PETR4. Uilizano a equação 3-6, implemenam-se iversas rajeórias e preço a ação para o ia seguine, a parir a simulação e uma isribuição normal a variável ε. Com a isribuição os preços, eermina-se a isribuição a pera a careira, e one reira-se, pela significância esejaa, o VaR o quanil amosral corresponene. Uilizano as informações aé o ia 3/4/998, procee-se ao cálculo o VaR para o ia seguine, /5/998, com significância e 99%. Consiera-se o valor veraeiro o VaR, o obio com simulação e Mone Carlo com 5. ponos (valor exao.895). A convergência o proceimeno numérico é verificaa pelo gráfico o erro relaivo percenual versus número e simulações, consane na figura 4.. Erro relaivo - VaR SMC (Pseuo-aleaórios) Erro relaivo - VaR SMC (Quase-aleaórios) 3.%.%.%.% -.% -.% -3.% número e simulações 3.%.%.%.% -.% -.% -3.% número e simulações
11 Figura 4.. Erro relaivo percenual o VaR a ação PETR4 calculao pela SMC com números pseuoaleaórios e quase-aleaórios Poe-se ambém comparar eses méoos uilizano-se o criério referenciao por Papageorgiou e Traub (996), verificano-se para um mesmo nível e erro relaivo percenual (ER), E-4 por exemplo, quanos ponos são necessários para aingir al erro pela uilização os ois ipos e geraores e aleaórios. A velociae relaiva, calculaa pela razão enre a quaniae e números uilizao para o mesmo nível e precisão, ambém serve e parâmero para verificar a axa e convergência relaiva enre os geraores. Méoo Erro relaivo (ERE-4) Velociae relaiva SMC pseuo-aleaórios 4.5 SMC quase-aleaórios Tabela 4.. Erro relaivo percenual e velociae relaiva a esimaiva VaR aravés a SMC com números pseuo-aleaórios e quase-aleaórios. Consaa-se pela abela 4. que a velociae relaiva a SMC com números quasealeaórios é bem superior a a SMC com números pseuo-aleaórios. Iso represena, além a eficiência numérica, um empo compuacional muio menor e, por conseguine, um cuso ambém menor. Verifica-se, em seguia, a performance a simulação e Mone Carlo e Quase Mone Carlo no cálculo o VaR e uma careira composa e opção e compra a Perobrás S/A, que represena nese rabalho uma careira não-linear. A PETRJ39 é uma opção e compra a ação PETR4 com vencimeno em e ouubro e e com preço e exercício e R$ 5,, para o loe e (cem) ações. Uiliza-se, para o cálculo a volailiae a série a ação objeo a opção, o esimaor e máxima verossimilhança com mínima variância, uilizano como base hisórica os úlimos ias e negociação a ação PETR4. O valor veraeiro para o VaR a careira e opção foi consierao o valor obio com simulação e. números. Consiera-se, inicialmene, como variável esocásica, apenas o preço o aivoobjeo (SMC Univariaa), obeeceno a movimeno efinio como um processo e Iô, enquano que os emais parâmeros necessários para o cálculo o prêmio são consieraos consanes. Ese é o moelo original e Black & Scholes. Para comparação a performance a geração os números aleaórios, calcula-se o VaR para o ia /8/, uilizano o moelo acima e combinano seqüências e Sobol e e números pseuo-aleaórios. Pela figura 4.3, observam-se que os números quase-aleaório fazem com que a esimaiva o VaR enha convergência mais rápia para o valor veraeiro. Com menos e simulações, já foi possível aingir o valor veraeiro, e permanecer em orno ese valor com erros relaivos inferiores a E-4.
12 Erro Relaivo - VaR SMC (Pseuo-aleaório) Erro Relaivo - VaRSMC (Quase-aleaório) 3.%.%.%.% -.% -.% -3.% número e simulações 3.%.%.%.% -.% -.% -3.% número e simulações Figura 4.. Convergência o VaR a careira e opções e compra PETRJ39 uilizano simulação e Mone Carlo (Univariaa) Na abela 4., comparam-se os méoos, uilizano o criério a velociae relaiva referenciao no iem anerior. Observa-se que a velociae relaiva é quase cinco vezes maior para a seqüência e números quase-aleaórios. Esa velociae iminuiu um pouco em relação à velociae relaiva obia para a careira linear. Méoo Erro relaivo (ERE-4) Velociae relaiva SMC pseuo-aleaório 38. SMC quase-aleaório Tabela 4.. Erro relaivo percenual (ER) e velociae relaiva o VaR a opção e compra PETRJ39 uilizano simulações e Mone Carlo (Univariaa) Supõe-se, em seguia, que o aivo-objeo e a volailiae implícia seguem um processo esocásico (SMC Bivariaa). Uiliza-se a aproximação o moelo e H&W para precificar a opção e calcular o seu valor no horizone e um ia a frene, e moo a esimar o VaR. Na abela 4.3, apresenam-se os valores os erros relaivos percenuais, consierano o valor exao para a esimaiva o calculao com. simulações. Verifica-se que a esimaiva o VaR pela simulação e Mone Carlo (SMC Bivariaa) com geraor e números quase-aleaórios converge a uma velociae relaiva e quaro vezes em comparação com o e números pseuo-aleaórios. Percebe-se que esa vanagem iminui em relação à SMC Univariaa one se consierou apenas o preço a ação como uma variável esocásica. Méoo Erro relaivo (ERE-4) Velociae relaiva SMC pseuo-aleaórios 6.5 SMC quase-aleaórios 5 4. Tabela 4.3. Erro relaivo percenual e velociae relaiva o VaR a opção PETRJ39 calculao com SMC Bivariao
13 Consiera-se, agora, que as rês variáveis, o preço a ação, a volailiae a ação e a axa e juros, são esocásicas e acima seguem um processo e Iô. O moelo os juros é amiio como seno o moelo e Renleman e Barer (98). Na abela 4.5, apresenam-se os valores os erros relaivos, consierano o valor exao para a esimaiva o calculao com simulações. Observa-se novamene que a seqüência e números quase-aleaórios foi mais eficiene, consierano-se que aingiu um erro relaivo com uma quaniae menor e simulação. No enano, quano comparao com a SMC Bivariaa, percebe-se que a velociae relaiva iminuiu mais um pouco. Méoos Erro relaivo (ERE-4) Velociae relaiva SMC pseuo-aleaórios 5.3 SMC quase-aleaórios Tabela 4.4. Erro relaivo percenual e velociae relaiva o VaR a opção PETRJ39 com SMC Trivariaa Depreene-se a análise que, inepenenemene o geraor e aleaórios uilizao, a convergência o proceimeno numérico e cálculo o VaR é maior quano se raa e careira lineares. A velociae relaiva a esimaiva, uilizano-se seqüências e quase-aleaórios, apresenou-se em oos os momenos mais eficiene. Aemais, percebe-se que, à meia que se incluiu uma imensão no proceimeno numérico, com a inclusão sucessiva e variáveis esocásicas, a performance relaiva os quase-aleaórios iminui, embora a vanagem em relação aos pseuo-aleaórios coninue grane. Ese resulao esá coerene com a análise as fórmulas o erro e esimaiva / uilizano números pseuo-aleaórios, obio na seção.4, que é a orem e n, e o erro ( log(n) ) a esimaiva uilizano números quase-aleaórios, que é a orem e. Esses n resulaos ambém esão coerenes com os obios por Paskov e Traub (995), Joy, Boyle e Tan (996), Papageorgiou e Traub (996) e Galani e Jung (997). Em sínese, poe-se concluir que a simulação e Mone Carlo (SMC) com geraor e números quase-aleaórios apresena maior convergência que com números pseuoaleaórios, na esimaiva o VaR e uma careira e ações e e uma careira e opções a Perobrás (Hipóese não rejeiaa). Uilizano agora apenas as seqüências e números quase-aleaórios, verifica-se a capaciae os moelos e SMC e paramérico, para uma careira linear e oura não- linear, em prever a variação na careira para um ia e horizone e empo. Calcula-se o VaR a ação PETR4 para o horizone e (um) ia e a 99% e confiança, para os 5 ias compreenios enre //998 e 5//999. Os (cem) ias aneriores a //998 foram uilizaos para calcular os parâmeros volailiae e méia, a serem aplicaos nos moelos. O VaR paramérico em mais e 9 (nove) ias foi superao pelo reorno efeivo, enquano que o VaR pela SMC só foi exceio em (ois) momenos. Resa saber se as falhas ocorrias para os méoos esão enro a incereza oriuna a variação amosral. Para ano uiliza-se a abela., consruía por Kupiec (995). 3
14 Méoo Posição Número e falhas Proporção e falhas VaR paramérico compraa.96% venia.35% VaR SMC compraa.39% venia.39% Tabela 4.5. Tese e rejeição a hipóese e que a proporção e falhas é e % Para um nível e confiança e 95%, a máxima quaniae e falhas permiia para não rejeiar a hipóese e que a proporção as mesmas é igual ao nível e confiança o VaR, ou seja 99%, é e ocorrências, conforme Kupiec (abela.). Rejeia-se, porano, apenas o VaR paramérico a careira com posição venia. Verifica-se que, embora, para a careira com posição compraa, não enham sio rejeiaos os ois méoos, é significaiva a iferença a quaniae e erros para caa méoo, apresenano o méoo e SMC menos erros. Para verificar a capaciae as esimaivas e VaR os méoos proposos para careiras não-lineares, uiliza-se uma careira hipoéica composa e opções e compra PETRH5 e PETRH6, pois as mesmas apresenam o maior inervalo e negociação para o períoo analisao, e moo a er maior consisência para o ese e proporção as falhas. Realizou-se o cálculo o VaR para oo o períoo e negociação a opção uilizano a simulação e Mone Carlo com números quase-aleaórios e ambém pelas aproximações Dela e Dela-Gama. Os resulaos são comparaos com o valor a pera efeiva a careira. Aplicano o proceimeno e backesing, calcula-se a proporção e falhas os méoos na previsão a pera a careira. Méoo Posição Número e falhas Proporção e falhas (p) Hipóe se nula: p.5 SMC Uni compraa 4 8.7% não rejeia venia 4.35% não rejeia SMC Bi compraa 4 8.7% não rejeia venia 4.35% não rejeia SMC Tri compraa 4 8.7% não rejeia venia 4.35% não rejeia Dela compraa 3 5.% rejeia venia 47.83% rejeia Dela-Gama compraa % rejeia venia 9 4.3% rejeia Tabela 4.6. Tese e Hipóese e que a proporção e falhas o VaR é.5 a 95% e confiança A proporção e falhas pelos méoos paraméricos foi rejeiaa a 95% e confiança, enquano os 3 (rês) moelos e SMC não foram rejeiaos. A performance os 3 (rês) ipos e simulação e Mone Carlo foi exaamene a mesma. Concluí-se, porano, que a inclusão e variáveis esocásicas, quase sejam, a volailiae implícia e juros, não agregou ao moelo capaciae e prever a variação a careira. 4
15 Replicou-se o mesmo proceimeno para a opção PETRH5, obeno-se resulaos similares: ambém os méoos paraméricos foram reprovaos. Em sínese, poe-se concluir que o VaR calculao pela simulação Mone Carlo (SMC) e geraor e números quase-aleaórios apresena-se aequao na previsão a variação as careiras e ações PETR4 e e opções a Perobrás, PETRH5 e PETRH6 (Hipóese não rejeiaa), bem como apresena melhor esempenho que os méoos paraméricos (Hipóese 3 não rejeiaa). Porano, as rês hipóeses formulaas não foram rejeiaas. 5. Conclusões A esimaiva o VaR pela simulação e Mone Carlo para a ação PETR4 foi consieraa aequaa para previsão a pera a careira, ao nível e confiança e 99%, uilizano-se o ese e proporção e falhas proposo por Kupiec (995). Aemais, ese méoo eve performance melhor que o méoo paramérico o esvio parão. O VaR calculao pela simulação e Mone Carlo, uilizano os rês moelos e precificação, o Black&Scholes (SMC Univariaa), o e Hull&Whie que inclui volailiae esocásica (SMC Bivariaa) e, por úlimo, a inclusão a axa e juros ambém esocásica aravés o moelo e Renleman e Barer (SMC Trivariaa), apresenou-se aequao na avaliação a pera o valor as opções. Nas séries analisaas, não se rejeiou a hipóese e que a esimaiva e VaR é suficiene para prever as piores realizações a careira e opções, enro e um nível e confiança esejao e 95%. A SMC eve performance melhor o que os moelos paraméricos e aproximação pela expansão e Taylor, Dela e Dela-Gama. Na realiae, as esimaivas o VaR pelos méoos Dela e Dela-Gama foram inclusive rejeiaas pelo ese e Kupiec (995). As esimaivas o VaR pelos moelos e Black & Scholes (SMC Univariao), Hull & Whie (SMC Bivariaa) e o o Hull & Whie com juros esocásicos (SMC Trivariaa) foram compaíveis. Não houve melhorias significaivas na esimaiva e VaR pelo moelo e B&S com a inclusão a volailiae implícia como variável esocásica (SMC Bivariao). A esimaiva o VaR consierano-se, além o preço e a volailiae, a axa e juros como variável esocásica, ambém não apresenou iferenças significaivas com relação àquelas obias pelos moelos e Black & Scholes e e Hull & Whie. Referências Bibliográficas BOYLE, P. P. Opions: a mone carlo approach. Journal of Financial Economics, n. 4, p , 977. GENTLE, J. E. Ranom number generaion an Mone Carlo mehos. New York: Springer-Verlag, 998. HULL, J. C. e WHITE, A. Opions, fuures & ohers erivaives. 4 ª e., Upper Saler River: Prenice-Hall,. JOY, C., BOYLE, P. P. e TAN. K. S. Quasi-Mone Carlo mehos in numerical finance. Managemen Science, v. 4, n. 6, p , jun JORION, P. Value a risk: he new benchmarking for managing financial risk. ª e., New York: McGraw-Hill,. KUPIEC, P. Techniques for verifying he accuracy of risk measuremens moels. Journal of Derivaives, v., p , ez MORO, B. The full mone. Risk, v. 8, n., p , fev PRESS, W. H., e. al.. he ar of scienific compuing, ª e., Cambrige - EUA: Cambrige Universiy Press,996. SOBOL, I. M. A primer for he Mone Carlo Meho. USA: CRC Press LLC,
Fábio Luiz de Oliveira Bezerra 1 Av. Prof. Moraes Rego, 1235 Cidade Universitária CEP: Recife/PE Brasil
AVALIAÇÃO DA ESTIMATIVA DO RISCO DE MERCADO DE AÇÕES E OPÇÕES DE COMPRA DA PETROBRÁS UTILIZANDO A METODOLOGIA VALUE AT RISK (VaR) COM SIMULAÇÃO DE MONTE CARLO Fábio Luiz de Oliveira Bezerra Av. Prof. Moraes
Leia mais2 Referencial teórico 2.1. Modelo de Black
Referencial eórico.1. Moelo e Black O moelo e Black (1976), uma variação o moelo e Black & Scholes B&S (1973), não só é amplamene uilizao no apreçameno e opções européias e fuuros e commoiies, ínices ec.,
Leia mais3 A Confiabilidade aplicada ao gerenciamento da integridade de dutos
3 A Confiabiliae aplicaa ao gerenciameno a inegriae e uos Os esafios imposos pela inúsria o peróleo moerna emanam caa vez mais que os equipamenos operem seguino especificações rigorosas e confiabiliae
Leia maisInstituições Top 5 Classificação Anual para as Categorias Curto e Médio Prazo e Consolidação da Metodologia
Insiuições Top 5 Classificação Anual para as Caegorias Curo e Méio Prazo e Consoliação a Meoologia O coneúo ese ocumeno é informaivo. Não resringe as ações e políica moneária e cambial o Banco Cenral o
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 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 maisO Modelo de Black & Scholes
O Moelo e Blak & holes Premissas Básias O preço a ação segue um movimeno browniano geomério. Venas a esobero são permiias. Não há usos e ransações ou axas. Não há pagamenos e ivienos urane a exisênia o
Leia maisAvaliação da Estimativa do Risco de Mercado pela Metodologia Value at Risk (VaR) com Simulação de Monte Carlo. Fabio Luiz de Oliveira Bezerra
Universidade Federal de Pernambuco Cenro de Ciências Sociais Aplicadas Curso de Mesrado em Adminisração Avaliação da Esimaiva do Risco de Mercado pela Meodologia Value a Risk (VaR) com Simulação de Mone
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 maisPEF Projeto de Estruturas Marítimas TEORIAS DE ONDA
PEF 506 - Projeo e Esruuras Maríimas EORIAS DE ONDA. Inroução Deerminaa a ona e projeo é necessário calcular as velociaes e acelerações e suas parículas, quano essa ona inciir sobre a plaaforma, para poserior
Leia maisDíodo: Regime Dinâmico. Introdução
Díoo: Regime Dinâmico (exo apoio ao laboraório) Inroução Quano se esabelece m circuio uma ensão ou correne variáveis no empo o pono e funcionameno em repouso o íoo ambém vai variar no empo. A frequência
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 maisExercícios sobre o Modelo Logístico Discreto
Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,
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 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 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 maisAnálise de séries de tempo: modelos de decomposição
Análise de séries de empo: modelos de decomposição Profa. Dra. Liane Werner Séries de emporais - Inrodução Uma série emporal é qualquer conjuno de observações ordenadas no empo. Dados adminisraivos, econômicos,
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 maisDISCIPLINA SÉRIE CAMPO CONCEITO
Log Soluções Reforço escolar M ae máica Dinâmica 4 2ª Série 1º Bimesre DISCIPLINA SÉRIE CAMPO CONCEITO Maemáica 2ª do Ensino Médio Algébrico simbólico Função Logarímica Primeira Eapa Comparilhar Ideias
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 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 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 maisMatemática e suas Tecnologias
Maemáica 7A. b A frase A caa página erminaa, mais rápio eu lia a próima! iz que a velociae e leiura sempre aumena. O único gráfico que poe represenar o número e páginas lias em função o empo é o a alernaiva
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 maisLista de Exercícios nº 3 - Parte IV
DISCIPLINA: SE503 TEORIA MACROECONOMIA 01/09/011 Prof. João Basilio Pereima Neo E-mail: joaobasilio@ufpr.com.br Lisa de Exercícios nº 3 - Pare IV 1ª Quesão (...) ª Quesão Considere um modelo algébrico
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 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 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 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 maisCapítulo 2: Conceitos Fundamentais sobre Circuitos Elétricos
SETOR DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA ELÉTRICA TE041 Circuios Eléricos I Prof. Ewaldo L. M. Mehl Capíulo 2: Conceios Fundamenais sobre Circuios Eléricos 2.1. CARGA ELÉTRICA E CORRENTE ELÉTRICA
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 maisTipos de Processos Estocásticos
Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 6: Inrodução ao Cálculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável
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 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 maisSIMULADO. Física. 1 (Fuvest-SP) 3 (UERJ) 2 (UFPA)
(Fuves-SP) (UERJ) No esáio o Morumbi, 0 000 orceores assisem a um jogo. Aravés e caa uma as 6 saías isponíveis, poem passar 000 pessoas por minuo. Qual é o empo mínimo necessário para esvaziar o esáio?
Leia maisTabela: Variáveis reais e nominais
Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas
Leia maisMovimento unidimensional. Prof. DSc. Anderson Cortines IFF campus Cabo Frio MECÂNICA GERAL
Movimeno unidimensional Prof. DSc. Anderson Corines IFF campus Cabo Frio MECÂNICA GERAL 218.1 Objeivos Ter uma noção inicial sobre: Referencial Movimeno e repouso Pono maerial e corpo exenso Posição Diferença
Leia maisCálculo 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 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 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 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 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 maisCapítulo 5 CONDUÇÃO EM REGIME TRANSIENTE
Capíulo 5 CONDUÇÃO EM REGIME RANSIENE 5.- Análise concenraa Graienes e emperaura no sólio são esprezíveis Balanço e energia no sólio E a E! E! + e s E! g Eemplo: Sem geração e calor. Não em calor enrano
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 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 maisNotas de aula - profa Marlene - função logarítmica 1
Noas de aula - profa Marlene - função logarímica Inrodução U - eparameno de Maemáica Aplicada (GMA) NOTAS E AULA - CÁLCULO APLICAO I - PROESSORA MARLENE unção Logarímica e unção Eponencial No Ensino Médio
Leia mais3 Modelagem Teórica Relação entre Câmbio Real e Poupança
3 Moelagem Teórica Nese capíulo buscamos mosrar a eviência eórica exisene na lieraura que jusifique o argumeno efenio nesa ese e que para melhor enener a relação enre câmbio real e crescimeno, é essencial
Leia mais3 Processos Estocásticos
3 Processos Esocásicos Um processo esocásico pode ser definido como uma seqüência de variáveis aleaórias indexadas ao empo e ambém a evenos. É uma variável que se desenvolve no empo de maneira parcialmene
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 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 maisInstituto de Física USP. Física V - Aula 26. Professora: Mazé Bechara
Insiuo de Física USP Física V - Aula 6 Professora: Mazé Bechara Aula 6 Bases da Mecânica quânica e equações de Schroedinger. Aplicação e inerpreações. 1. Ouros posulados da inerpreação de Max-Born para
Leia maisDICAS E RESPOSTAS DA LISTA DE EXERCÍCIOS 1 EDO II - MAP 0316
DICAS E RESPOSTAS DA LISTA DE EXERCÍCIOS EDO II - MAP 036 PROF: PEDRO T P LOPES WWWIMEUSPBR/ PPLOPES/EDO2 Os exercícios a seguir foram selecionaos os livros os auores Claus Doering-Arur Lopes e Jorge Soomayor
Leia maisTRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 18 LIVRO DO NILSON)
TRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 8 LIVRO DO NILSON). CONSIDERAÇÕES INICIAIS SÉRIES DE FOURIER: descrevem funções periódicas no domínio da freqüência (ampliude e fase). TRANSFORMADA DE FOURIER:
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 maisTipos de Processos Estocásticos
Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 7: Inrodução ao álculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável
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 mais3 Avaliação de Opções Americanas
Avaliação de Opções Americanas 26 3 Avaliação de Opções Americanas Derivaivos com caracerísicas de exercício americano, em especial opções, são enconrados na maioria dos mercados financeiros. A avaliação
Leia maisMecânica de Sistemas de Partículas Prof. Lúcio Fassarella * 2013 *
Mecânica e Sisemas e Parículas Prof. Lúcio Fassarella * 2013 * 1. A velociae e escape e um planea ou esrela é e nia como seno a menor velociae requeria na superfície o objeo para que uma parícula escape
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 maisCapítulo 2: Proposta de um Novo Retificador Trifásico
30 Capíulo 2: Proposa de um Novo Reificador Trifásico O mecanismo do descobrimeno não é lógico e inelecual. É uma iluminação suberrânea, quase um êxase. Em seguida, é cero, a ineligência analisa e a experiência
Leia maisCalcule a área e o perímetro da superfície S. Calcule o volume do tronco de cone indicado na figura 1.
1. (Unesp 017) Um cone circular reo de gerariz medindo 1 cm e raio da base medindo 4 cm foi seccionado por um plano paralelo à sua base, gerando um ronco de cone, como mosra a figura 1. A figura mosra
Leia maisConsidere uma economia habitada por um agente representativo que busca maximizar:
2 Modelo da economia Uilizaram-se como base os modelos de Campos e Nakane 23 e Galí e Monacelli 22 que esendem o modelo dinâmico de equilíbrio geral de Woodford 21 para uma economia abera Exisem dois países:
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 mais3 Referencial teórico
3 Referencial eórico 3.1. Teoria das Opções Reais As opções reais propiciam uma análise das flexibilidades caracerísicas de deerminado projeo para que, conforme esa análise, um gerene enha um insrumeno
Leia mais2-Introdução à Programação Dinâmica
IA 718 Tópicos em Sisemas Ineligenes 2-Inroução à Programação inâmica ProfFernanoGomie Coneúo 1. Inroução 2. Problema o caminho mínimo 3. Solução com programação inâmica 4. Análise e complexiae 5. Programação
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 maisVI SBQEE. 21 a 24 de agosto de 2005 Belém Pará Brasil
VI SBQEE 21 a 24 de agoso de 5 Belém Pará Brasil Código: BEL 03 7573 Tópico: Aspecos Conrauais Legais APLICAÇÃO DA MODERNA TEORIA FINANCEIRA NA AVALIAÇÃO DE CONTRATOS DE PERFORMANCE EM QUALIDADE DA ENERGIA
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 maisÍndice de Avaliação de Obras - 15
Índice de Avaliação de Obras - 15 Assim sendo e de modo idênico ao apresenado na meodologia do ID, o cumprimeno do que foi programado indica no Índice de Avaliação de Obras, IAO, ambém o valor 1 (hum).
Leia maisCINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA
CINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA Inrodução Ese arigo raa de um dos assunos mais recorrenes nas provas do IME e do ITA nos úlimos anos, que é a Cinéica Química. Aqui raamos principalmene dos
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 maisUniversidade Federal do Rio de Janeiro
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação
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 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 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 maisProfessor: Danilo Dacar
Progressão Ariméica e Progressão Geomérica. (Pucrj 0) Os números a x, a x e a x esão em PA. A soma dos números é igual a: a) 8 b) c) 7 d) e) 0. (Fuves 0) Dadas as sequências an n n, n n cn an an b, e b
Leia maisExperiência IV (aulas 06 e 07) Queda livre
Experiência IV (aulas 06 e 07) Queda livre 1. Objeivos. Inrodução 3. Procedimeno experimenal 4. Análise de dados 5. Quesões 6. Referências 1. Objeivos Nesa experiência, esudaremos o movimeno da queda de
Leia maisProfessor: Danilo Dacar
. (Pucrj 0) Os números a x, a x e a3 x 3 esão em PA. A soma dos 3 números é igual a: é igual a e o raio de cada semicírculo é igual à meade do semicírculo anerior, o comprimeno da espiral é igual a a)
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Deparameno de Esaísica Prof. Daniel Furado Ferreira 11 a Teoria da Decisão Esaísica 1) Quais são os erros envolvidos nos eses de hipóeses? Explique. 2) Se ao realizar um
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 maisPrimeira Lista de Exercícios
TP30 Modulação Digial Prof.: MSc. Marcelo Carneiro de Paiva Primeira Lisa de Exercícios Caracerize: - Transmissão em Banda-Base (apresene um exemplo de especro de ransmissão). - Transmissão em Banda Passane
Leia maisVoo Nivelado - Avião a Hélice
- Avião a Hélice 763 º Ano da icenciaura em ngenharia Aeronáuica edro. Gamboa - 008. oo de ruzeiro De modo a prosseguir o esudo analíico do desempenho, é conveniene separar as aeronaves por ipo de moor
Leia maisGRUPO XIII GRUPO DE ESTUDO DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E QUALIDADE DE ENERGIA - GCQ
SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCQ - 11 16 a 21 Ouubro de 2005 Curiiba - Paraná GRUPO XIII GRUPO DE ESTUDO DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E
Leia maisFATO Medicina. Lista Complementar Física - MRU / MRUV( Prof.º Elizeu) 5,0 m s, e a maior. 5 km e 10 km, sua velocidade foi 30 km h. 10 km totais.
FATO Medicina Lisa Complemenar Física - MRU / MRUV( Prof.º Elizeu) 0. (Efomm 07) Um rem deve parir de uma esação A e parar na esação B, disane 4 km de A. A aceleração e a desaceleração podem ser, no máximo,
Leia maisUNIVERSIDADE FEDERAL DO PARÁ CÁLCULO II - PROJETO NEWTON AULA 20. Palavras-chaves: derivada,derivada direcional, gradiente
Assuno: Derivada direcional UNIVERSIDADE FEDERAL DO PARÁ CÁLCULO II - PROJETO NEWTON AULA 20 Palavras-chaves: derivada,derivada direcional, gradiene Derivada Direcional Sejam z = fx, y) uma função e x
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 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 mais2 Conceitos Iniciais. 2.1 Definições Básicas
Conceios Iniciais Ese capíulo esá dividido em rês seções. A primeira explica conceios básicos que serão usados de forma recorrene ao longo da pesquisa como noação e alguns ermos écnicos. A segunda seção
Leia mais( ) Prof. A.F.Guimarães Questões Cinemática 6 Vetores e Cinemática Vetorial Questão 1. Questão 2. A Dcos f fcos f
Prof FGuimarães Quesões Cinemáica 6 Veores e Cinemáica Veorial x : Quesão (Un) Quaro eores,,, C, D iguais em móulos e represenano uma cera graneza física, esão isposos no plano (x,) como mosra a figura
Leia maisRodolfo Santos Nunes Rodrigues
Universidade Federal de Minas Gerais - UFMG Insiuo de Ciências Exaas - ICEx Programa de Pós-Graduação em Esaísica - PPGEST Rodolfo Sanos Nunes Rodrigues Influência do número de parículas na esimação de
Leia maisA entropia de uma tabela de vida em previdência social *
A enropia de uma abela de vida em previdência social Renao Marins Assunção Leícia Gonijo Diniz Vicorino Palavras-chave: Enropia; Curva de sobrevivência; Anuidades; Previdência Resumo A enropia de uma abela
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 mais2.7 Derivadas e Taxas de Variação
LIMITES E DERIVADAS 131 2.7 Derivadas e Taas de Variação O problema de enconrar a rea angene a uma curva e o problema de enconrar a velocidade de um objeo envolvem deerminar o mesmo ipo de limie, como
Leia maisMINISTÉRIO DA DEFESA NACIONAL
MINISTÉRI DA DEFESA NACINAL FRÇA AÉREA CMAND DE PESSAL CENTR DE FRMAÇÃ MILITAR E TÉCNICA DA FRÇA AÉREA CNCURS DE ADMISSÃ A CFS/QP PRVA MDEL DE MATEMÁTICA LEIA ATENTAMENTE AS SEGUINTES INSTRUÇÕES. Na sua
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 maisUniversidade Federal do Rio Grande do Sul Escola de Engenharia de Porto Alegre Departamento de Engenharia Elétrica ANÁLISE DE CIRCUITOS II - ENG04031
Universidade Federal do io Grande do Sul Escola de Engenharia de Poro Alegre Deparameno de Engenharia Elérica ANÁLISE DE CICUITOS II - ENG43 Aula 5 - Condições Iniciais e Finais de Carga e Descarga em
Leia maisCinemática unidimensional
0.1 Problemas correspondenes ao Capíulo 2 1 0.1 Problemas correspondenes ao Capíulo 2 Cinemáica unidimensional 1. A conclusão de Zeca esá errada. Podemos verificar isso mesmo anes de fazer qualquer cálculo,
Leia mais