Uma Comparação entre o Desempenho de Metodologias de Cálculo do Valor em Risco Aplicadas à Carteiras Lineares e Opções de Compra
|
|
- Jerónimo Ventura Palma
- 8 Há anos
- Visualizações:
Transcrição
1 Uma Comparação entre o Desempenho de Metodologias de Cálculo do Valor em Risco Aplicadas à Carteiras Lineares e Opções de Compra Autoria: Patrícia Barros Ramos, Josete Florencio dos Santos, Eduardo Luiz Peixoto Fortuna Resumo O presente trabalho analisa o desempenho de metodologias de cálculo do valor em risco de carteiras lineares e opções, utilizando o teste de razão de verossimilhanças proposto por Kupiec (1995). Para a carteira linear, todas as metodologias de avaliação do risco utilizaram o método do alisamento exponencial para a estimativa da volatilidade da carteira dando, entretanto, diferentes tratamentos aos resíduos obtidos pelo EWMA. Embora os números de falhas obtidos com os três métodos tenha se situado dentro da região de não rejeição do teste de Kupiec com 95% de confiança, há indícios de que o método EWMA normal subavalie a exposição ao risco. Dos gráficos comparativos dos três métodos, observa-se o comportamento quase coincidente dos intervalos de confiança das estimativas de VaR com a simulação histórica por bootstrap e com o método que aplica a GPD aos resíduos do EWMA. Quanto aos métodos aplicados às opções de compra, as metodologias Delta e simulação histórica por bootstrap apresentaram desempenho superior ao da metodologia Delta Gama, sobretudo nas opções muito fora do dinheiro. 1. Introdução Pode-se definir risco de mercado como sendo aquele proveniente de flutuações nas condições de mercado, não englobando os riscos de crédito, liquidez ou regulatórios i. Nos últimos anos, a comunidade de investidores vem atribuindo cada vez maior importância à mensuração acurada do risco de mercado e, com a disponibilização da metodologia RiskMetrics TM pelo banco de investimentos J.P. Morgan há alguns anos, ocorreu uma rápida popularização do cálculo desse tipo de risco. A abordagem mais comumente utilizada para a estimação do risco de mercado é a chamada de Value-at-Risk (VaR). Esta abordagem permite que o risco de mercado possa ser demonstrado por um único valor, que representa a perda máxima esperada com um certo nível de confiança e para um determinado horizonte de previsão. Entretanto, são diversas as metodologias utilizadas para o cálculo do valor em risco, desde métodos analíticos até simulações, produzindo resultados bastante distintos entre si. O presente trabalho examina o desempenho de três metodologias para o cálculo do VaR de carteiras de ações: A de alisamento exponencial (EWMA) com aproximação normal, que é a metodologia sugerida pelo RiskMetrics, a aplicação da simulação de bootstrap nos resíduos do EWMA e, finalmente, a utilização da Teoria de Valores Extremos com aplicação da Distribuição Generalizada de Pareto aos resíduos do EWMA. Dessa forma, todas as três metodologias utilizadas estimarão a volatilidade dos retornos da carteira pelo mesmo método, o de alisamento exponencial, aplicando, entretanto, diferentes tratamentos aos resíduos obtidos pelo modelo. Seqüencialmente, são analisadas três metodologias de cálculo do VaR de ativos não lineares aplicadas à opções de compra negociadas na Bovespa. A primeira metodologia, chamada de Delta, incorpora apenas o primeiro termo da expansão em Série de Taylor do valor da opção. A segunda metodologia, sugerida pelo RiskMetrics, é a Delta-Gama, para a qual inclui-se 1
2 uma componente associada à curvatura de avaliação da opção representada pelo Gama. A terceira e última metodologia consiste em simular os valores do ativo-objeto e da opção para a data imediatamente posterior, utilizando um procedimento de bootstrap. Embora os testes de razão de verossimilhanças não tenham rejeitado nenhum dos procedimentos utilizados para o cálculo do VaR de ativos lineares, são obtidos indícios de que a aproximação normal tende a subavaliar o verdadeiro valor do risco, em especial para níveis de confiança mais elevados. Para os ativos não-lineares, a metodologia Delta-Gama apresentou resultados piores do que os obtidos com a abordagem Delta, em função do elevado número de falhas da primeira na proximidade do vencimento das opções. O presente artigo está organizado da seguinte forma: A seção discute as metodologias que foram empregadas para o cálculo do VaR, onde no item.1 são apresentadas as metodologias para os ativos lineares e, no item., são expostas e criticadas as abordagens aplicadas aos não lineares. Na seção 3 apresentam-se as características da amostra utilizada no estudo. Na seção 4 discutem-se os resultados obtidos para a carteira de ações e para as opções de compra da Telemar. A seção 5 conclui o estudo.. Metodologia A presente seção expõe as metodologias utilizadas para o cálculo do valor em risco dos ativos analisados. A seção.1 apresenta as metodologias aplicadas à carteira de ações da Bovespa e a seção. expõe os métodos utilizados para as opções de compra da Telemar..1. Ativos Lineares Os ativos lineares são aqueles cujo payoff é função linear do valor do ativo. Dessa forma, se um investidor possui por exemplo uma posição comprada em uma ação da Telemar cotada a um valor S, seu retorno será função linear e exclusiva da mudança relativa do valor da ação. No presente artigo, consideramos três metodologias distintas para cálculo do VaR de ativos lineares, a EWMA com resíduos padronizados normalmente distribuídos, a Simulação por Bootstrap e a aplicação da Distribuição Generalizada de Pareto aos resíduos do EWMA EWMA Normal A metodologia EWMA sugerida pelo RiskMetrics para cálculo do VaR de ativos lineares assume que as modificações no preço da ação (S) seguem um movimento geométrico Browniano e, por esta razão, S possui uma distribuição lognormal ii. Assim, considera-se que os retornos da ação são normalmente distribuídos em torno de um valor esperado, geralmente considerado igual a zero. Como a distribuição de probabilidade dos retornos é considerada normal, calcula-se a perda máxima esperada com base no quantil desejado desta distribuição, para um certo período de tempo e com um dado nível de confiança. O método do alisamento exponencial representa uma tentativa de captar o comportamento heterocedástico da série de retornos de um ativo. O método consiste de uma média móvel exponencial das observações históricas, na qual os pesos dados às observações crescem exponencialmente da observação mais antiga até a mais recente. A principal vantagem da volatilidade estimada por alisamento exponencial é a rápida reação a novos choques ocorridos no mercado, uma vez que maior importância é dada a informação mais recente. Segundo, passado o choque de um grande retorno observado, a volatilidade cai exponencialmente à
3 medida em que os pesos atribuídos à observação diminuem, adaptando-se a nova condição existente. A expressão seguinte apresenta a função de projeção para a variância diária de uma ação iii : Onde At, + 1, t Att,, 1 At, σ$ = λσ + ( 1 λ) r r A, t é o retorno da ação A na data t. O símbolo $ σ At, +1, t é a variância estimada para a data t + 1 com informações disponíveis em t, e σ Att,, 1 representa a variância estimada para este ativo na data imediatamente anterior. O fator λ é denominado constante de alisamento ou decaimento e tem o seu valor sempre compreendido no intervalo [0,1]. No presente estudo, não analisamos ações individuias, mas uma carteira formada por seis ações negociadas na Bolsa de Valores de São Paulo. Dessa forma, para estimar a covariância entre dois ativos, o método do alisamento exponencial também foi utilizado, empregando-se a seguinte expressão: $ σ = λσ$ + ( λ)( r. r ) AB, t + 1, t AB, t, t 1 1 A, t B, t ˆ + Onde σ AB, t 1, t é a covariância entre os ativos A e B estimada para t+1 com as informações disponíveis na data t. Em cada dia t, a volatilidade do portfolio pôde então ser estimada para o dia seguinte através da expressão a seguir: σ P = r r WΛ W T Onde, Λ representa a matriz de covariâncias entre os N ativos do portfólio, W r o vetor dos pesos aplicados a cada título da carteira e W r T o vetor transposto desses pesos. Uma vez obtida a estimativa para a volatilidade da carteira, o VaR em termos percentuais para cada dia foi calculado da seguinte forma: VaR = CS *σ P * t Onde o coeficiente de segurança CS é o valor do quantil da distribuição desejada, que no caso da normal padrão é de , para um nível de confiança de 95%, e de.36 para um nível de confiança de 99%. σ P é a volatilidade da carteira estimada para t+1 e t é o intervalo de tempo desejado, ou holding period, que no presente trabalho é igual a 1 dia. Diversas críticas têm sido feitas à metodologia EWMA, em especial no que se refere a leptocurtose na distribuição dos resíduos do modelo. DUFFIE & PAN (1997) ressaltam que a maior parte das distribuições de retornos não passam pelo teste de normalidade, apresentando uma característica conhecida como fat tails iv. Se uma distribuição de retornos possui fat tails a probabilidade da obtenção de valores extremos é maior que a prevista pela distribuição 3
4 normal e, conseqüentemente, a medida de VaR de acordo com esta metodologia tenderá a subavaliar a exposição ao risco. O gráfico a seguir apresenta o histograma para a distribuição de retornos da carteira analisada. Freqüência Histograma de Freqüências da Distribuição de Retornos da Carteira de Ações De 0/1/1999 a 19/1/ ,% -10,5% -8,8% -7,% -5,5% -3,8% -,1% Retornos -0,4% 1,%,9% 4,6% Mais As estatísticas descritivas para a série de retornos da carteira de ações analisada estão apresentadas na tabela a seguir, na qual verifica-se a leptocurtose na distribuição de retornos. Tabela 1: Estatísticas descritivas para a série de retornos da carteira de ações. Estatística Erro Padrão Média -0, ,00084 Mediana -0,00011 Variância 0,00035 Desvio Padrão 0,01874 Mínimo -0,100 Máximo 0,0694 Intervalo 0,18494 Diferença Interquartílica 0,057 Assimetria -0, ,10965 Excesso de Curtose 3,4510 0,1887 Outra dificuldade da aplicação do modelo EWMA é a escolha apropriada do fator de decaimento λ. Métodos distintos como o de maximização da verossimilhança e o de minimização de erros quadráticos chegam a estimativas diferentes para λ. O procedimento seguido pelo RiskMetrics é o de minimização de erros quadráticos que foi o método aqui adotado. Ao serem minimizados os erros ao quadrado a estimativa obtida para o λ da carteira de ações foi de
5 .1.. Simulação Histórica por Bootstrap A segunda metodologia utilizada para o cálculo do VaR de ativos lineares aqui utilizada é a Simulação Histórica por Bootstrap. Neste método, todas as volatilidades e correlações entre os ativos da carteira são estimados como descrito no ítem anterior, ou seja, por alisamento exponencial. A diferença está no cálculo do coeficiente de segurança utilizado no cômputo do VaR. Enquanto o EWMA utiliza um quantil da normal padrão, assumindo dessa forma que os resíduos padronizados do modelo seguem tal distribuição, a simulação histórica por bootstrap utiliza a distribuição empírica dos resíduos do modelo, não assumindo normalidade ou qualquer outra distribuição estatística para os mesmos. Para cada dia de negociação do período de 0/1/1999 a 19/1/001 o valor em risco da carteira foi calculado utilizando-se como coeficiente de segurança o quantil da distribuição de resíduos simulada por bootstrap. Para um determinado dia t, uma simulação com amostragem aleatória com reposição utilizando os resíduos do modelo de dois anos anteriores foi realizada. Dessa forma, para a data de 0/1/1999, por exemplo, foram utilizados na simulação os resíduos obtidos com o modelo EWMA de 19/1/1997 a 17/1/1999. Procedimento idêntico foi realizado até o final do período de análise. Construída a distribuição dos resíduos padronizados por simulação para o dia seguinte, calcula-se o percentil desejado desta distribuição, número este que é utilizado como coeficiente de segurança. O valor em risco para um dia em termos percentuais é então calculado multiplicando-se a estimativa da volatilidade da carteira para t+1 pelo coeficiente de segurança A Distribuição Generalizada de Pareto A última metodologia estudada para o cálculo do VaR de ativos lineares é a que utiliza a Distribuição Generalizada de Pareto (GPD) nos resíduos padronizados do modelo EWMA v. Os os parâmetros da GPD. Novamente, não assume-se normalidade para a distribuição de resíduos. Para cada dia t são utilizados os resíduos obtidos nos dois anos anteriores, ajustando-se uma GPD à cada uma das duas caudas da distribuição dos resíduos e calculandose os quantis desejados da GPD. Além de considerar a leptocurtose, tanto a metodologia de simulação por bootstrap quanto a de ajuste de GPDs às caudas das distribuições de resíduos apresentam ainda a vantagem de considerar a assimetria existente nos resíduos. Diferentemente do enfoque normal, que calcula quantis simétricos, os quantis de 5% e 95% calculados pelos dois outros métodos não apresentam necessariamente o mesmo módulo. As três metodologias aqui apresentadas foram utilizadas para estimar diariamente o valor em risco de uma carteira de seis ações negociadas na Bovespa durante um período de dois anos. Todas as volatilidades e covariâncias foram estimadas por alisamento exponencial, com as metodologias diferenciando-se apenas no tratamento dos resíduos do modelo EWMA... Ativos não lineares 5
6 ..1. Delta Analítica A primeira metodologia utilizada para o cálculo do valor em risco de opções é a chamada Delta Analítica. Embora o valor C T de uma opção de compra não seja uma função linear do ativo objeto S T, recorre-se à uma expansão em série de Taylor para aproximar o valor da opção por sua primeira derivada, utilizando assim apenas a primeira componente da série de Taylor. O delta representa a variação do valor da opção em relação a modificações no preço do ativo-objeto C sendo portanto, a tangente à curva da opção conforme pode ser S observado na figura a seguir. C T C T S E S 95% S T C E VaR C E C 5% VaR C 95% S 5% S E S T Assim, o Value-at-Risk da opção de compra de acordo com a metodologia Delta pode ser aproximado através da seguinte expressão: VaR = *( St+ 1 St) = * VaR( S) Onde VaR(S) é o VaR do ativo-objeto S calculado pela aproximação normal e é o delta da opção avaliado pela fórmula de Black & Scholes na data t. Como pode ser observado na figura anterior, a aproximação do tipo Delta apresenta discrepâncias em relação ao real valor do VaR. No lado esquerdo da figura temos uma call em posição comprada e, como a curva real da opção de compra localiza-se acima da tangente à curva, a aproximação do tipo Delta tende a superavaliar a exposição ao risco em opções emcima-do-dinheiro.... Delta Gama Analítica Com a finalidade de corrigir parcialmente as discrepâncias no cálculo do VaR de opções ocasionadas pela utilização da aproximação Delta, a abordagem Delta Gama Analítica propõe a inclusão de uma componente associada a curvatura da função de avaliação da opção. Dessa forma, mais um termo da expansão em série de Taylor é introduzido na expressão do VaR das opções e a fórmula passa a ser escrita: 6
7 VaR Γ / = * Var( S) + 1 Γ*( Var( S)) Onde Γ é o gama C da opção na data t. S C T C E C 5% VaR /Γ S 5% S E S T Uma crítica à utilização da abordagem Delta Gama para opções isoladas reside no fato de que, se a opção estiver muito em-cima-do-dinheiro e com prazo para o vencimento inferior a 5 dias úteis, o termo em gama cresce drasticamente, produzindo também grandes discrepâncias no cálculo do VaR. De acordo com o documento técnico do RiskMetrics, um elevado número de falhas também pode ser obtido com opções muito fora-do-dinheiro vi e próximas a data de vencimento...3. Simulação Histórica por Bootstrap Na abordagem por Simulação Histórica por Bootstrap, o valor do ativo para uma data futura é simulado de forma aleatória em conformidade com a seguinte expressão: z St+ = σ 1 St * e Onde z é a distribuição empírica dos resíduos gerada aleatoriamente com reposição e σ a volatilidade estimada para t+1 por alisamento exponencial. Assim como no caso da simulação por bootstrap realizada para a carteira de ações, a distribuição dos resíduos padronizados do EWMA não é considerada uma normal. Uma vez gerados os valores futuros para o ativo-objeto S, os valores possíveis para a opção de compra em t+1 são calculados de acordo com a fórmula de Black & Scholes (1973). Toma-se então a diferença entre os valores simulados para a opção na data t+1 e o valor atual 7
8 de mercado da mesma. Calcula-se então um percentil desta distribuição de valores de acordo com o nível de confiança desejado. 3. Amostra Com o objetivo de comparar os valores em risco fornecidos por três metodologias empregadas à uma carteira de ações, foram utilizadas as séries históricas de preços de fechamento das ações Petrobrás PN, Vale do Rio Doce PNA, Acesita PN, Inepar PN, Ambev PN e Eletrobrás PNB para o período de 19/1/1997 a 19/1/001. Embora o período das séries de preços seja de quatro anos, o VaR pelas três metodologias foi calculado apenas para os últimos dois anos da amostra, ou seja, de 19/1/1999 a 19/1/001. A necessidade de séries mais longas reside no fato de que, para simularmos o valor em risco para a data de 19/1/1999, por exemplo, utilizamos a distribuição dos resíduos do EWMA para os dois anos anteriores. Do mesmo modo, a GPD utilizada para o cálculo do VaR em um dia t é a estimada para os resíduos dos dois anos anteriores até a data t-1. Para a comparação das metodologias de cálculo do VaR de ativos não lineares, utilizamos como ativo objeto a ação Telemar PN, obtendo uma série histórica de preços de fechamento para o período de 1/09/1998 a 15/10/001. Os preços de fechamento das opções de compra analisadas foram conseguidos junto à Bolsa de Valores de São Paulo e as cotações do ativo objeto, bem como as cotações das ações utilizadas na carteira linear, foram obtidas do software Economática. Como parâmetro da taxa de juro livre de risco, utilizou-se a taxa de CDI pré-fixado 30 dias over, cuja série temporal foi obtida junto a ANDIMA. Uma tabela com as características das opções utilizadas e respectivos períodos de análise está apresentada a seguir. Tabela : Séries de Opções de Compra utilizadas na amostra com seus respectivos preços de exercício, datas de vencimento e períodos de análise. Código da Preço de Data de Opção Exercício Vencimento TNLPJ6 6,00 15/10/001 TNLPH3 3,00 0/08/001 TNLPF34 34,00 18/06/001 TNLPD40 40,00 16/04/001 TNLPB13 44,00 19/0/001 TNLPL16 4,00 18/1/000 TNLPJ10 44,00 16/10/000 Período de Análise De 0/08/001 a 11/10/001: 38º dia útil anterior a data de exercício até a véspera da data de vencimento. De 18/06/001 a 17/08/001: 44º dia útil anterior a data de exercício até a véspera da data de vencimento. De 16/04/001 a 15/06/001: 43º dia útil anterior a data de exercício até a véspera da data de vencimento. De 19/0/001 a 1/04/001: 37º dia útil anterior a data de exercício até a véspera da data de vencimento. De 18/1/000 a 16/0/001: 41º dia útil anterior a data de exercício até a véspera da data de vencimento De 16/10/000 a 15/1/000: 43º dia útil anterior a data de exercício até a véspera da data de vencimento. De 9/09/000 a 13/10/000: 10º dia útil anterior a data de exercício até a véspera da data de vencimento. As opções foram escolhidas de modo que tenham sido negociadas em todos os dias dos respectivos períodos de análise, evitando-se dessa forma o uso de interpolação para obtenção 8
9 dos preços de fechamento das opções. Começamos a seleção pela opção mais recente, calculando os valores em risco desde a véspera de sua data de exercício até o vencimento anterior, quando a opção foi substituída por outra. O mesmo procedimento foi realizado até a seleção da opção mais antiga, que teve valores em risco calculados apenas para os 10 últimos dias de sua vida útil, com o objetivo de deixar dois anos de dados anteriores para a realização da simulação. Não foram calculados os valores em risco para a data de vencimento de nenhuma das opções da amostra, em função da existência de assincronismo entre os preços de fechamento das ações e das opções nestas datas. Os preços de fechamento das ações nestes dias correspondem ao encerramento do pregão, enquanto os preços de fechamento das opções ocorreram horas antes. 4. Resultados 4.1. Resultados das Avaliações para a Carteira de Ações Para a carteira de ações igualmente ponderada foram calculados os valores em risco pelas três metodologias apresentadas na seção.1 do presente estudo. Para o último dia da amostra, correspondente a data de 19/1/001, um investidor com posição comprada na carteira linear teria um VaR de.898% de acordo com a metodologia EWMA normal, de.91% pela simulação histórica com bootstrap dos resíduos e de.989% com a utilização da GPD nos resíduos do EWMA. Como todas as metodologias utilizaram a mesma volatilidade estimada por alisamento exponencial para a carteira, cujo valor foi de 1.76%, as diferenças existentes para as estimativas do valor em risco resultam de diferentes tratamentos aos resíduos do modelo EWMA. Um investidor em posição vendida no dia 19/1/001 teria um valor em risco de,898% de acordo com o método EWMA normal, de,69% pela simulação histórica com bootstrap nos resíduos e de,765% com a utilização da GPD. O leitor deve observar que o valor em risco da posição vendida pelo método EWMA normal é igual em módulo ao da posição comprada, uma vez que o método de alisamento exponencial utilizado é o de média condicional igual a zero. Os outros dois métodos apresentaram estimativas diferentes em módulo das obtidas para a posição comprada, indicando um tratamento adequado para a assimetria da distribuição dos resíduos. Seqüencialmente, foi realizado um procedimento de Backtest com o objetivo de verificar a acurácia das metodologias empregadas no cálculo do valor em risco. Em cada um dos 496 dias úteis do período de análise o VaR percentual estimado para a data foi comparado com o retorno observado para a carteira. Foram utilizados os níveis de confiança de 95% e 99%. Os resultados encontram-se na tabela a seguir. Tabela 3: Resultados obtidos com realização de Backtest para a carteira de ações em posição comprada e vendida. Utilização de três metodologias de cálculo do valor em risco: EWMA assumindo normalidade, aplicação de simulação por bootstrap nos resíduos do EWMA, e aplicação da distribuição GPD nos resíduos do EWMA. Holding Period de 1 dia e níveis de confiança de 95% e 9
10 99%. Método Posição Comprada Posição Vendida 95% 99% 95% 99% Falhas Proporção Falhas Proporção Falhas Proporção Falhas Proporção EWMA Normal 30 6,05% 9 1,81% 6 5,4% 5 1,01% Bootstrap 4,44% 5 1,01% 0 4,03% 5 1,01% Valores Extremos 3 4,64% 5 1,01% 0 4,03% 4 0,81% Utilizando um nível de confiança de 95% espera-se que a proporção de vezes que o retorno observado ultrapasse a estimativa do VaR fique em torno de 5%. Da tabela anterior verificase que a maior proporção de falhas, igual a 6.05%, foi obtida com o método EWMA normal para a posição comprada e a menor proporção, de 4.03%, foi obtida com os métodos simulação histórica e GPD nos resíduos. Entretanto, de acordo com o teste de razão de verossimilhanças apresentado por Kupiec(1995) vii, todas as proporções observadas de falhas podem ser consideradas estatisticamente iguais a proporção desejada de 5%. O gráfico a seguir apresenta uma comparação visual entre as estimativas do valor em risco obtidas pelas três metodologias durante todo o período de análise, utilizando-se um nível de confiança de 95%. Pode ser observado que, tanto para a posição comprada quanto para a vendida, a simulação histórica por bootstrap nos resíduos e a distribuição GPD da Teoria de Valores Extremos apresentam estimativas muito próximas para o valor em risco, com os valores praticamente se sobrepondo durante todo o período. Comparação entre três Metodologias de Cálculo do VaR para Carteiras Lineares. Nível de Confiança de 95% 10% 8% 6% 4% % 0% -% 6/1/99 15/03/00 3/06/00 1/10/00 9/01/01 19/04/01 8/07/01 5/11/01-4% -6% -8% -10% Retornos da Carteira Linear EWMA Normal Bootstrap nos Resíduos Valores Extremos Para o VaR com nível de confiança de 99%, as proporções observadas de falhas com as três metodologias podem, novamente, serem consideradas iguais a proporção desejada, agora de 1%, de acordo com o teste de Kupiec. Entretanto, de acordo com o teste de Kupiec, a região de não rejeição da hipótese nula do teste compreende um número de falhas entre 1 e 9 e, 10
11 observando o número de falhas obtido com a metodologia EWMA normal para a posição comprada na tabela, verificamos que o número de falhas com este método foi igual a 9, situando-se portanto no limite da região de não rejeição. O gráfico a seguir apresenta uma comparação visual entre os valores em risco percentuais calculados com as três metodologias utilizadas no presente trabalho, para o nível de confiança de 99%. Para este nível de confiança de 99% verifica-se que, mais uma vez, os valores obtidos com a simulação histórica por bootstrap e com a GPD nos resíduos do EWMA foram muito próximos durante todo o período. Diferentemente, os valores em risco obtidos com o EWMA normal são visualmente inferiores aos obtidos com as outras duas metodologias, tanto para a posição comprada quanto para a vendida. Comparação entre três Metodologias de Cálculo do VaR para Carteiras Lineares. Nível de Confiança de 99% 14% 9% 4% -1% 6/1/99 15/03/00 3/06/00 1/10/00 9/01/01 19/04/01 8/07/01 5/11/01-6% -11% -16% Retornos da Carteira Linear EWMA Normal Bootstrap nos Resíduos Valores Extremos 4.. Resultados das Avaliações para as Opções de Compra Para as opções de compra da amostra foram calculados os valores em risco pelas metodologias Delta, Delta Gama e por simulação histórica com bootstrap nos resíduos do EWMA. Embora o período de análise de cada opção seja curto, o que diminui a potência do teste de Kupiec, foram realizados procedimentos de Backtest para os valores em risco de 95% e 99% de confiança calculados para as opções em posição comprada. Os resultados para os valores em risco de 95% encontram-se na tabela a seguir. Tabela 4: Resultados dos procedimentos de Backtest para os valores em risco de 95% calculados pelas metodologias Delta, Delta Gama e Simulação Histórica. A região de não rejeição apresentada corresponde ao intervalo para o número de falhas do teste Kupiec com 99% de confiança. Delta Delta Gama Simulação por 11
12 bootstrap Código da Número de Número de Proporção Número de Proporção Número de Proporção Região de Opção dias testados falhas de falhas falhas de falhas falhas de falhas não rejeição TNLPJ ,8% 9 4,3% 5 13,5% 0-6 TNLPH ,0% 3 7,0% 0 0,0% 0-6 TNLPF34 4 1,4% 1,4% 3 7,1% 0-6 TNLPD ,1% 11 30,6% 0 0,0% 0-6 TNLPB ,0% 3 7,5% 5,0% 0-6 TNLPL ,5% 5 11,9% 0 0,0% 0-6 TNLPJ ,1% 3 33,3% 0 0,0% 0- Da tabela anterior verifica-se que a metodologia Delta Gama apresentou desempenho inferior as demais em três casos. Analisando-se estas opções individualmente, verificou-se que são opções que terminaram a sua vida útil muito fora-do-dinheiro. Para estas opções, a maior parte das falhas observadas com a metodologia Delta Gama ocorreram nos últimos cinco dias úteis do período de análise e, como descrito na seção.., esta metodologia apresenta um elevado número de falhas nesta situação. Os resultados dos procedimentos de Backtest para os valores em risco de 99% de confiança estão apresentados na tabela a seguir. Novamente, das três metodologias analisadas a Delta Gama apresentou o pior desempenho, em particular em opções muito fora-do-dinheiro. Tanto a metodologia Delta quanto a simulação histórica obtiveram números de falhas dentro da região de não rejeição do teste de Kupiec, embora deva ser ressaltada a baixa potência deste teste, em função do número de dias analisados por opção ser bastante reduzido. Tabela 5: Resultados dos procedimentos de Backtest para os valores em risco de 99% calculados pelas metodologias Delta, Delta Gama e Simulação Histórica. A região de não rejeição apresentada corresponde ao intervalo aceitável para o número de falhas do teste Kupiec com 99% de confiança. 1
13 Delta Delta Gama Simulação por bootstrap Código da Número de Número de Proporção Número de Proporção Número de Proporção Região de Opção dias testados falhas de falhas falhas de falhas falhas de falhas não rejeição TNLPJ6 37 1,7% 4 10,8% 5,4% 0- TNLPH3 43 1,3% 4,7% 0 0,0% 0- TNLPF ,0% 0 0,0% 4,8% 0- TNLPD ,0% 8,% 0 0,0% 0- TNLPB ,0% 0 0,0% 0 0,0% 0- TNLPL16 4 1,4% 3 7,1% 0 0,0% 0- TNLPJ ,1% 4 44,4% 0 0,0% Conclusão Em uma primeira etapa, o presente estudo analisou as diferenças obtidas para as estimativas do VaR calculadas por três metodologias aplicadas a uma carteira de ações igualmente ponderada. Os três métodos utilizados, EWMA normal, simulação histórica por bootstrap e aplicação da GPD nos resíduos, utilizaram a mesma estimativa da volatilidade para cada dia t do período de análise. Dessa forma, os diferentes valores obtidos para o VaR por essas três metodologias devem-se, unicamente, a diferentes tratamentos dos resíduos do modelo EWMA. Enquanto o EWMA normal assume que a distribuição dos resíduos padronizados é uma normal padrão, a simulação histórica por bootstrap não assume qualquer distribuição estatística para os resíduos, utilizando uma amostragem aleatória com reposição da série empírica dos resíduos passados. Por sua vez, a GPD da Teoria dos valores extremos é uma distribuição usada para modelar apenas as caudas das distribuições dos resíduos. Como a distribuição empírica dos resíduos do EWMA apresenta excesso de curtose, em função da existência de caudas mais pesadas do que as previstas pela distribuição normal, acreditamos que tanto a simulação histórica quanto a GPD fornecem estimativas mais acuradas para o valor em risco. Entretanto, ao utilizarmos um procedimento de Backtest para as três metodologias e testar os resultados obtidos com testes de razão de verossimilhanças, nenhum dos métodos apresentou um número de falhas que pudesse causar a rejeição da hipótese nula do teste com 95% de confiança. Para os valores em risco de 99%, o EWMA normal para a posição comprada apresentou um número de falhas igual a 9, situando-se ainda no limite superior do teste de Kupiec. Dessa forma, a proporção de falhas de 1.81% obtida com este método ainda pode ser considerada igual a proporção desejada de 1% com 95% de confiança. Na segunda etapa do trabalho, analisamos três metodologias de cálculo do VaR de ativos não lineares, aqui aplicadas a opções de compra da Telemar em posição comprada. Os resultados dos procedimentos de Backtest indicaram que, para todas as opções analisadas, as metodologias Delta e simulação histórica apresentaram um número de falhas dentro da região 13
14 de não rejeição do teste de Kupiec com 99% de confiança. Por outro lado, a metodologia Delta Gama apresentou, como já era esperado, um desempenho inferior ao das outras duas metodologias nas proximidades do vencimento das opções muito fora-do-dinheiro. A simulação histórica com bootstrap nos resíduos do EWMA apresentou, portanto, desempenho satisfatório tanto para a carteira de ações quanto para as opções de compra analisadas. 6. Bibliografia BLACK, F. & SCHOLES, M. The pricing of options and corporate liabilities. Journal of Political Economy, 81 (3): , May DUFFIE, D. & PAN, J. An overview of Value at Risk. The Journal of Derivatives, vol. 4, number 3, Spring EMBRECHTS, P.; KLÜPPELBERG, C. AND MIKOSCH, T. Modelling Extremal Events for Insurance and Finance. Berlin: Springer Verlag, HULL, J. C. Options, Futures and Other Derivatives. Prentice Hall, JORION, P. Value at Risk: The New Benchmark for Controlling Derivatives Risk. Irwin Professional Publishing, KUPIEC, P. Techniques for Verifying the Accuracy of Risk Measurements Models MENDES, B.V.M. Teoria dos Valores Extremos. Livro não Publicado. RISKMETRICS TM - Technical Document - 3 a Edição (1995) e 4 a Edição - Dezembro de 1996, Reuters/J.P. Morgan. Notas i Veja DUFFIE & PAN (1997). ii Para uma discussão mais aprofundada e demonstrações sobre a propriedade lognormal dos preços das ações ver HULL (1997), pp. 8. iii No presente trabalho a média dos retornos do ativo foi considerada igual a zero para a estimação da volatilidade. Se, entretanto, puder ser observada uma tendência na série de retornos da ação ou carteira, pode-se incluir a média dos retornos observados, obtendo-se a expressão para o alisamento exponencial com média diferente de zero. σˆ A, t+ 1, t = λσ A, t, t 1 + λ(1 λ) onde ( r r ) A, t A, t 14
15 r A, t = λra, t 1 + ( 1 λ) ra, t iv DUFFIE & PAN (1997) citam como exemplo a distribuição de retornos diários do índice S&P 500 para o período de 1986 a 1996, para o qual a curtose da distribuição real foi 30 vezes superior a da distribuição normal com mesma média e desvio-padrão. v Para maiores detalhes sobre a estimação dos parâmetros da distribuição generalizada de Pareto e de suas características ver EMBRECHTS, KLÜPPELBERG E MIKOSCH (1997). Para uma descrição aprofundada do método de estimação do valor em risco usando a GPD consulte MENDES (livro em fase final de publicação). vi Ver RiskMetrics Technical Document, quarta edição, página 51. vii O nível de confiança utilizado no teste de Kupiec foi o de 95%. 15
Este capítulo é divido em duas seções, a primeira seção descreve a base de
30 3. Metodologia Este capítulo é divido em duas seções, a primeira seção descreve a base de dados utilizada, identificando a origem das fontes de informação, apresentando de forma detalhada as informações
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisAutoria: Patrícia Barros Ramos, Josete Florencio dos Santos, Eduardo Facó Lemgruber. Resumo
Estimativas do Valor em Risco e das Perdas Esperadas Além do : Uma Aplicação de Metodologias Incondicionais e Condicionais à Posições Lineares e não Lineares no Ativo Petrobrás PN. Autoria: Patrícia Barros
Leia maisMetodologia de Gerenciamento de Risco de Mercado
Metodologia de Gerenciamento de Risco de Mercado O Gerenciamento de Risco de Mercado das Carteiras geridas pela Rio Verde Investimentos é efetuado pela Administradora dos Fundos, no caso BNY Mellon Serviços
Leia maisEstudo sobre estratégia Long-Short entre VALE3 e VALE5, realizado em 07/02/2012
Estudo sobre estratégia Long-Short entre VALE3 e VALE5, realizado em 7/2/212 por Luiz F. Rogé Ferreira - para o site InvestCerto. Objetivo: avaliar a possibilidade de fazer uma estratégia long-short, com
Leia maisQual é o risco real do Private Equity?
Opinião Qual é o risco real do Private Equity? POR IVAN HERGER, PH.D.* O debate nos mercados financeiros vem sendo dominado pela crise de crédito e alta volatilidade nos mercados acionários. Embora as
Leia maisManual de Risco Yield Capital
Manual de Risco Yield Capital Introdução: O objetivo deste manual é apresentar a metodologia utilizada no sistema de risco da Yield Capital. Os fundos tem seu risco de mercado monitorado diariamente utilizando,
Leia maisII - os limites mínimos de exposição presentes no regulamento
A construção das taxas spot é obtida mediante a acumulação das taxas a termo implícitas entre os vencimentos dos instrumentos financeiros listados, assumida a hipótese de que a taxa a termo entre os vencimentos
Leia mais1. Introdução. 1.1 Introdução
1. Introdução 1.1 Introdução O interesse crescente dos físicos na análise do comportamento do mercado financeiro, e em particular na análise das séries temporais econômicas deu origem a uma nova área de
Leia maisEscolha de Portfólio. Professor do IE-UNICAMP http://fernandonogueiracosta.wordpress.com/
Escolha de Portfólio considerando Risco e Retorno Aula de Fernando Nogueira da Costa Fernando Nogueira da Costa Professor do IE-UNICAMP http://fernandonogueiracosta.wordpress.com/ Relação entre risco e
Leia mais2. Otimização de Portfolio
2. Otimização de Portfolio 2.1. Análise de Média-Variância Portfolio (carteira, em português) é uma combinação de ativos, tais como investimentos, ações, obrigações, commodities, imóveis, entre outros.
Leia maisOpções Reais. Processos Estocásticos. Processos Estocásticos. Modelando Incerteza. Processos Estocásticos
Modelando Incerteza Opções Reais A incerteza em um projeto pode ter mais do que apenas dois estados. Na prática, o número de incertezas pode ser infinito Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio
Leia maisCOMO INVESTIR NO MERCADO A TERMO MERCADOS
COMO INVESTIR NO MERCADO A TERMO MERCADOS Como Investir no Mercado a Termo 1 2 Como Investir no Mercado a Termo O que é? uma OPERAÇÃO A TERMO É a compra ou a venda, em mercado, de uma determinada quantidade
Leia maisSeleção e Monitoramento de Fundos de Investimentos
2010 Seleção e Monitoramento de Fundos de Investimentos Nota Técnica 02 Diretoria de Investimentos Previ-Rio 09/2010 NOTA TÉCNICA 02 1 - Introdução Esta nota técnica, desenvolvida pela Equipe da, tem por
Leia maisCOPPEAD/UFRJ. Eduardo Facó Lemgruber * George Ohanian ** Setembro, 1997. Professor adjunto - COPPEAD/UFRJ
COPPEAD/UFRJ RELATÓRIO COPPEAD Nº 313 O MODELO DE PROJEÇÃO DE VOLATILIDADE DO RISKMETRICS TM E A HIPÓTESE DE DISTRIBUIÇÃO NORMAL CONDICIONAL PARA ALGUNS FATORES DE RISCO DO BRASIL Eduardo Facó Lemgruber
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES
Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os
Leia maisBM&FBOVESPA IGC. Página 1 de 8
Página 1 de 8 Índice Aspectos Metodológicos...3 Apresentação...3 Ações Elegíveis para o Índice...3 Critérios para Inclusão na Carteira...3 Critério de Exclusão da Carteira...3 Reavaliações Periódicas...3
Leia maisCOMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
Leia maisDURATION - AVALIANDO O RISCO DE MUDANÇA NAS TAXAS DE JUROS PARTE ll
DURATION - AVALIANDO O RISCO DE MUDANÇA NAS TAXAS DE JUROS PARTE ll! Qual a origem do conceito de duração?! Como calcular a duração?! Quais as limitações do cálculo da duração?! Como estimar a variação
Leia maisAula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello
Aula 04 Método de Monte Carlo aplicado a análise de incertezas Aula 04 Prof. Valner Brusamarello Incerteza - GUM O Guia para a Expressão da Incerteza de Medição (GUM) estabelece regras gerais para avaliar
Leia maisPREGÃO ELETRÔNICO AA 33/2014 ESCLARECIMENTOS SOBRE ROTEIROS DE TESTE ACCENTURE DO BRASIL LTDA
C PREGÃO ELETRÔNICO AA /204 ESCLARECIMENTOS SOBRE ROTEIROS DE TESTE ACCENTURE DO BRASIL LTDA Em 27/0/205, a ACCENTURE DO BRASIL LTDA solicitou esclarecimentos sobre os roteiros de teste e. Os pontos a
Leia maisUNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA A GEOMETRIA DO VaR: (Value at risk) Aplicações computacionais AUTOR: RODOLFO VENDRASCO TACIN PROFESSOR
Leia maisESTUDO DE ALM SERPROS FUNDO MULTIPATROCINADO SERPRO (PSI) e SERPRO (PSII BD/PSII CD)
ESTUDO DE ALM SERPROS FUNDO MULTIPATROCINADO SERPRO (PSI) e SERPRO (PSII BD/PSII CD) Janeiro de 2012 1 MOVIMENTOS FIC ADVANTAGE III PSI E PSII - BD Carteira Título Vencimento Alocação Atual - MTM Alocação
Leia maisCOMO DETERMINAR O PREÇO DE UMA
COMO DETERMINAR O PREÇO DE UMA O que são opções? Precificação de opções Exemplo de árvore recombinante Autores: Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas graduado pela EAESP/FGV.
Leia mais'LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU *OREDOGR(VWDGRGR56
LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU OREDOGR(VWDGRGR56 6X]DQH5DQ]DQ 6LPRQH0&HUH]HU&ODRGRPLU$0DUWLQD]]R Universidade Regional Integrada do Alto Uruguai e das Missões, Departamento de
Leia maisRisco e Retorno dos Investimentos. Paulo Pereira Ferreira Miba 507
Risco e Retorno dos Investimentos Paulo Pereira Ferreira Miba 507 Risco e Retorno Esperados Linha Característica Linha do Mercado de Títulos Linha de Combinação Realidade Brasileira genda Risco e Retorno
Leia maisUma análise econômica do seguro-saúde Francisco Galiza Outubro/2005 www.ratingdeseguros.com.br
Uma análise econômica do seguro-saúde Francisco Galiza Outubro/2005 www.ratingdeseguros.com.br Um dos ramos mais importantes do mercado segurador brasileiro é o de saúde. Surgido sobretudo com uma opção
Leia maisCurso CPA-10 Certificação ANBID Módulo 4 - Princípios de Investimento
Pág: 1/18 Curso CPA-10 Certificação ANBID Módulo 4 - Princípios de Investimento Pág: 2/18 Módulo 4 - Princípios de Investimento Neste módulo são apresentados os principais fatores para a análise de investimentos,
Leia maisCAP4: Distribuições Contínuas Parte 1 Distribuição Normal
CAP4: Distribuições Contínuas Parte 1 Distribuição Normal Quando a variável sendo medida é expressa em uma escala contínua, sua distribuição de probabilidade é chamada distribuição contínua. Exemplo 4.1
Leia maisMATEMÁTICA FINANCEIRA
MATEMÁTICA FINANCEIRA Conceitos básicos A Matemática Financeira é uma ferramenta útil na análise de algumas alternativas de investimentos ou financiamentos de bens de consumo. Consiste em empregar procedimentos
Leia maisRisco de Mercado ESTRUTURA
Risco de Mercado Em atendimento a Resolução 3.464/2007 do Conselho Monetário Nacional, o Banco Fidis ponderou a natureza das operações e a complexidade dos produtos associados aos seus negócios e implementou
Leia maisApreçamento de Debêntures no Mercado Brasileiro Caio Almeida, Fundação Getulio Vargas RJ. 27 de Maio de 2010
Apreçamento de Debêntures no Mercado Brasileiro Caio Almeida, Fundação Getulio Vargas RJ 27 de Maio de 2010 2 Apreçamento de Ativos Privados: Desafios 4 Poucos preços negociados em mercado devido a falta
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisAula 7 - Cálculo do retorno econômico
Aula 7 - Cálculo do retorno econômico Cálculo do retorno econômico Para comparar os custos e os benefícios de um projeto social, precisa-se analisá-los em valores monetários de um mesmo momento do tempo.
Leia mais5 Análise dos Resultados Seguro de Vida
Capítulo 5 Análise dos Resultados - Seguro de Vida 5 Análise dos Resultados Seguro de Vida Este capítulo tem como objetivo a análise dos resultados obtidos através da modelagem dos dados de uma seguradora.
Leia mais3 Métricas para Gerenciamento de Riscos em Empresas Não Financeiras
24 3 Métricas para Gerenciamento de Riscos em Empresas Não Financeiras Neste capítulo são apresentadas algumas métricas utilizadas em gerenciamento de riscos em companhias não financeiras, fazendo um resumo
Leia maisAULAS 04 E 05 Estatísticas Descritivas
1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisIntrodução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra.
Métodos Monte Carlo Introdução Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Estimativas pontuais e intervalares para os parâmetros;
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia mais5 A Utilização da Técnica do Espaço Nulo e dos Atributos Baseados na Escolha de Coeficientes de Autocorrelações
5 A Utilização da Técnica do Espaço Nulo e dos Atributos Baseados na Escolha de Coeficientes de Autocorrelações Este capítulo apresenta uma nova proposta que consiste em empregar os atributos baseados
Leia mais1. Conceitos Básicos de Avaliação de Projetos 2. Classificação dos Projetos de Investimento 3. Estudos prévios
1. Conceitos Básicos de Avaliação de Projetos... 1.1. Valor Atual... 1.2. Capital Investido... 1.3. Cash Flow... 1.4. Valor residual do investimento... 1.5. Vida económica do equipamento... 2. Classificação
Leia maisTAXA INTERNA DE RETORNO - IRR
TAXA INTERNA DE RETORNO - IRR A taxa interna de retorno é a taxa de juros (desconto) que iguala, em determinado momento do tempo, o valor presente das entradas (recebimentos) com o das saídas (pagamentos)
Leia maisPosição e Desempenho da Carteira - Resumo HSBC INSTITUIDOR FUNDO MULTIPLO - CONSERVADORA FIX
BENCHMARK 100.00%CDI Relatório Gerencial Consolidado - Período de 01/04/2015 Posição e Desempenho da Carteira - Resumo a 30/04/2015 pg. 1 Posição Sintética dos Ativos em 30/04/2015 Financeiro % PL FUNDOS
Leia maisNorma Interpretativa 2 (NI2) - Uso de Técnicas de Valor Presente para mensurar o Valor de Uso.
Tópicos Valor de Uso NCRF12 - Imparidade de activos Norma Interpretativa 2 (NI2) - Uso de Técnicas de Valor Presente para mensurar o Valor de Uso. 4 - Definições Perda por imparidade: é o excedente da
Leia maisCAP. 2 CONSIDERAÇÕES SOBRE OS CRITÉRIOS DE DECISÃO
CAP. 2 CONSIDERAÇÕES SOBRE OS CRITÉRIOS DE DECISÃO 1. OS CRITÉRIOS DE DECISÃO Dentre os métodos para avaliar investimentos, que variam desde o bom senso até os mais sofisticados modelos matemáticos, três
Leia maisDISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES
LUIZ CLAUDIO BENCK KEVIN WONG TAMARA CANDIDO DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES Trabalho apresentado para avaliação na disciplina de Estatística e Métodos Numéricos do Curso de Administração
Leia maisUNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Leia maisDÓLAR FUTURO X DÓLAR PRONTO NO FUTURO: EVIDÊNCIA EMPÍRICA PÓS-PLANO REAL. Autoria: Maurício Barreto Campos e Adonírio Panzieri Filho
DÓLAR FUTURO X DÓLAR PRONTO NO FUTURO: EVIDÊNCIA EMPÍRICA PÓS-PLANO REAL. Autoria: Maurício Barreto Campos e Adonírio Panzieri Filho RESUMO Este artigo relata uma pesquisa empírica de teste e quantificação
Leia maisCOMPARAÇÃO DOS TESTES DE ADERÊNCIA À NORMALIDADE KOLMOGOROV- SMIRNOV, ANDERSON-DARLING, CRAMER VON MISES E SHAPIRO-WILK POR SIMULAÇÃO
COMPARAÇÃO DOS TESTES DE ADERÊNCIA À NORMALIDADE KOLMOGOROV SMIRNOV, ANDERSONDARLING, CRAMER VON MISES E SHAPIROWILK POR SIMULAÇÃO Vanessa Bielefeldt Leotti, Universidade Federal do Rio Grande do Sul,
Leia maisSíntese dos resultados Meses
Núcleo de Pesquisas Fevereiro registra pequeno aumento do percentual de famílias catarinenses endividadas, entretanto, parcela de famílias com contas em atraso apresenta queda O percentual de famílias
Leia maisCAIXA ECONOMICA FEDERAL
JUROS SIMPLES Juros Simples comercial é uma modalidade de juro calculado em relação ao capital inicial, neste modelo de capitalização, os juros de todos os períodos serão sempre iguais, pois eles serão
Leia maisAlisamento Exponencial (EWMA) e Holt-Winters
Alisamento Exponencial (EWMA) e Holt-Winters 1 - Alisamento Exponencial Simples Admita-se que pretendemos prever os valores futuros da série representada no gráfico 1. Gráfico 1 - esta série não apresenta
Leia maisPosição e Desempenho da Carteira - Resumo HSBC INSTITUIDOR FUNDO MULTIPLO - MODERADA MIX 20
BENCHMARK RF:80.00% ( 100.00%CDI ) + RV:20.00% ( 100.00%IBRX 100 ) Relatório Gerencial Consolidado - Período de 01/04/2015 Posição e Desempenho da Carteira - Resumo a 30/04/2015 pg. 1 Posição Sintética
Leia maisTeorema do Limite Central e Intervalo de Confiança
Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
Leia maisPerfil de investimentos
Perfil de investimentos O Fundo de Pensão OABPrev-SP é uma entidade comprometida com a satisfação dos participantes, respeitando seus direitos e sempre buscando soluções que atendam aos seus interesses.
Leia maisContribuição AES BRASIL 1
AUDIÊNCIA PÚBLICA ANEEL Nº 002/2014 Contribuição da AES Brasil à Audiência Pública ANEEL n⁰ 002/2014, a qual tem o objetivo obter subsídios para o aprimoramento da metodologia de cálculo de custo de capital
Leia maisANÁLISE 2 APLICAÇÕES FINANCEIRAS EM 7 ANOS: QUEM GANHOU E QUEM PERDEU?
ANÁLISE 2 APLICAÇÕES FINANCEIRAS EM 7 ANOS: QUEM GANHOU E QUEM PERDEU? Toda decisão de aplicação financeira está ligada ao nível de risco que se deseja assumir, frente a uma expectativa de retorno futuro.
Leia maisGERAÇÃO DE VIAGENS. 1.Introdução
GERAÇÃO DE VIAGENS 1.Introdução Etapa de geração de viagens do processo de planejamento dos transportes está relacionada com a previsão dos tipos de viagens de pessoas ou veículos. Geralmente em zonas
Leia maisEXCEL 2013. Público Alvo: Arquitetos Engenheiros Civis Técnicos em Edificações Projetistas Estudantes das áreas de Arquitetura, Decoração e Engenharia
EXCEL 2013 Este curso traz a vocês o que há de melhor na versão 2013 do Excel, apresentando seu ambiente de trabalho, formas de formatação de planilhas, utilização de fórmulas e funções e a criação e formatação
Leia mais5 A Metodologia de Estudo de Eventos
57 5 A Metodologia de Estudo de Eventos 5.1. Principais Conceitos Introduzido em 1969 pelo estudo de Fama, Fisher, Jensen e Roll, o estudo de evento consiste na análise quanto à existência ou não de uma
Leia maisREC 3600 Finanças 1 primeira prova
REC 3600 Finanças primeira prova Roberto Guena de Oliveira Setembro de 204 Nome Gaba² to nº usp:. Em um mundo com apenas duas datas, uma investidora dispõe de R$60 no ano corrente e pode fazer o li investimento
Leia maishttp://www.de.ufpb.br/~luiz/
UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ Vimos que é possível sintetizar os dados sob a forma de distribuições de frequências
Leia maisESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO
ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO 1. INTRODUÇÃO O Scotiabank Brasil (SBB), em atendimento à Resolução CMN 3.464 e alinhado a política global do grupo, implementou estrutura de Gerenciamento
Leia mais7Testes de hipótese. Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno. H 0 : 2,5 peças / hora
7Testes de hipótese Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno COMENTÁRIOS INICIAIS Uma hipótese estatística é uma afirmativa a respeito de um parâmetro de uma distribuição de probabilidade. Por exemplo,
Leia maisLeilão do IRB: Considerações Econômicas
Leilão do IRB: Considerações Econômicas Francisco Galiza - Mestre em Economia (FGV) Março/2000 SUMÁRIO: I) Introdução II) Parâmetros Usados III) Estimativas IV) Conclusões 1 I) Introdução O objetivo deste
Leia maisModelos de Simulação de Monte Carlo: Aplicações ao Cálculo do Value-at-Risk e à Análise de Opções de Compra Européias sem Dividendos
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO ESCOLA POLITÉCNICA Modelos de Simulação de Monte Carlo: Aplicações ao Cálculo do Value-at-Risk e à Análise de Opções de Compra Européias sem Dividendos Helio Cabral
Leia maisESCOLA SECUNDÁRIA/3 da RAINHA SANTA ISABEL 402643 ESTREMOZ PLANIFICAÇÃO ANUAL DA DISCIPLINA DE MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS (MACS) 10º ANO
ESCOLA SECUNDÁRIA/3 da RAINHA SANTA ISABEL 402643 ESTREMOZ PLANIFICAÇÃO ANUAL DA DISCIPLINA DE MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS (MACS) 10º ANO ANO LETIVO DE 2015/2016 PROFESSORES: Inácio Véstia
Leia mais6 O Papel do BNDES e o Crédito Externo 6.1. O BNDES
6 O Papel do BNDES e o Crédito Externo 6.1. O BNDES Uma vez confiantes nos resultados encontrados em relação à influência dos juros sobre o investimento na economia, partimos para uma segunda fase do estudo.
Leia maisAnálise de Sensibilidade
Análise de Risco de Projetos Análise de Risco Prof. Luiz Brandão Métodos de Avaliação de Risco Análise de Cenário Esta metodologia amplia os horizontes do FCD obrigando o analista a pensar em diversos
Leia maisMaterial complementar à série de videoaulas de Opções.
Apostila de Opções Contatos Bradesco Corretora E-mail: faq@bradescobbi.com.br Cliente Varejo: 11 2178-5757 Cliente Prime: 11 2178-5722 www.bradescocorretora.com.br APOSTILA DE OPÇÕES Material complementar
Leia maisEstrutura de gestão do Risco de Mercado no BNDES. 1. Introdução
1 Estrutura de gestão do Risco de Mercado no BNDES 1. Introdução A Gestão de Riscos de Mercado é a atividade por meio da qual uma instituição financeira administra os riscos resultantes de variações nas
Leia maisPolítica de Gestão de Riscos Tese Investimentos. Junho/2016
Política de Gestão de Riscos Tese Investimentos Junho/2016 1) Objetivo Esta política tem como objetivo, nos termos da Instrução CVM n 558 e do Código ANBIMA de Regulação e Melhores Práticas para os Fundos
Leia maisLÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O BNP PARIBAS MASTER IBRX FUNDO DE INVESTIMENTO EM AÇÕES
LÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O CNPJ/MF: Informações referentes a Dezembro de 2014 Esta lâmina contém um resumo das informações essenciais sobre o BNP PARIBAS MASTER IBRX FUNDO DE INVESTIMENTO
Leia maisINSPEÇÃO BASEADA EM RISCO SEGUNDO API 581 APLICAÇÃO DO API-RBI SOFTWARE
INSPEÇÃO BASEADA EM RISCO SEGUNDO API 581 APLICAÇÃO DO API-RBI SOFTWARE Carlos Bruno Eckstein PETROBRAS/CENPES/PDEAB/Engenharia Básica de Equipamentos Edneu Jatkoski PETROBRAS/REPLAN/MI/Inspeção de Equipamentos
Leia maisNBC TSP 10 - Contabilidade e Evidenciação em Economia Altamente Inflacionária
NBC TSP 10 - Contabilidade e Evidenciação em Economia Altamente Inflacionária Alcance 1. Uma entidade que prepara e apresenta Demonstrações Contábeis sob o regime de competência deve aplicar esta Norma
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia mais4 Aplicação: Modelo LOGIT para Avaliar o Risco de Crédito
4 Aplicação: Modelo LOGIT para Avaliar o Risco de Crédito 4.1 Preparação de Dados Foi utilizada uma base de dados de 156 clientes que tiveram o vencimento de seus títulos compreendidos no período de abril
Leia maisfunção de produção côncava. 1 É importante lembrar que este resultado é condicional ao fato das empresas apresentarem uma
90 6. CONCLUSÃO Segundo a teoria microecônomica tradicional, se as pequenas empresas brasileiras são tomadores de preços, atuam nos mesmos mercados e possuem a mesma função de produção, elas deveriam obter
Leia maisÍNDICE GERAL. Política de Gerenciamento do Risco de Mercado. 1 Introdução. 2 Definição de Risco de Mercado. 3 Metodologia.
Política de Gerenciamento do Risco de Mercado ÍNDICE GERAL 1 Introdução 2 Definição de Risco de Mercado 3 Metodologia 4 Gestão de Risco 5 Qualificação de novas operações 1. Introdução A Política de Gerenciamento
Leia mais5 Análise prospectiva dos investimentos das EFPC
5 Análise prospectiva dos investimentos das EFPC Nesta seção serão apresentados os resultados encontrados para os diversos modelos estimados. No total foram estimados dezessete 1 modelos onde a variável
Leia maisENTENDENDO COMO FUNCIONA A RENDA FIXA. Renda Fixa Plano B 124,0 % 10,0 % Renda Fixa Plano C 110,0 % 9,1 % Selic 71,0 % 6,5 %
ENTENDENDO COMO FUNCIONA A RENDA FIXA A partir de 2005 foi iniciado um processo de alongamento dos prazos das carteiras de renda fixa da PSS, que propiciou bons ganhos por oito anos seguidos até o final
Leia maisMANUAL DE PROCEDIMENTOS OPERACIONAIS DA BOLSA DE VALORES DE SÃO PAULO S.A. 1 / 6. Capítulo Revisão Data
DA BOLSA DE VALORES DE SÃO PAULO S.A. 1 / 6 CAPÍTULO X DO MERCADO DE OPÇÕES 10.1 CODIFICAÇÃO DAS SÉRIES A codificação utilizada no mercado de opções é composto de 5 letras (as 4 primeiras correspondem
Leia maisProf. M. Sc. Jarbas Thaunahy Santos de Almeida 1
Prof. M. Sc. Jarbas Thaunahy Santos de Almeida 1 Aula 7 Covariância e suas aplicações Roteiro Introdução Covariância Valor esperado, Variância e Desvio-padrão da soma entre duas variáveis aleatórias Retorno
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia mais5 Resultados. 1 Os resultados apresentados foram obtidos com 1 rodada do simulador.
5 Resultados A dificuldade em modelar analiticamente o comportamento de sistemas celulares hierarquizados faz com que grande parte dos estudos de desempenho destes sistemas seja baseada em simulações.
Leia maisPrática e Gerenciamento de Projetos
Universidade de São Paulo Escola de Artes, Ciências e Humanidades Prática e Gerenciamento de Projetos Gerenciamento de Custos do Projeto Equipe: Jhonas P. dos Reis Marcelo Marciano Mário Januário Filho
Leia maisLÂMINA DE INFORMAÇÕES ESSENCIAIS SOBRE O FIC FI CURTO PRAZO OVER 00.809.773/0001-13 Informações referentes a Abril de 2013
Esta lâmina contém um resumo das informações essenciais sobre o HSBC FUNDO DE INVESTIMENTO EM COTAS DE FUNDOS DE INVESTIMENTO CURTO. As informações completas sobre esse fundo podem ser obtidas no Prospecto
Leia maisdissertação. 2 Credibilidade total, em linhas gerais, seria a capacidade de representar o comportamento
13 1 Introdução Esta dissertação é o estudo de um problema estatístico de classificação que diz respeito à precificação de seguros de automóveis. Devido às particularidades deste ramo, a formação dos contratos,
Leia maisPindyck & Rubinfeld, Capítulo 15, Mercado de Capitais::REVISÃO
Pindyck & Rubinfeld, Capítulo 15, Mercado de Capitais::REVISÃO 1. Uma empresa utiliza tecidos e mão-de-obra na produção de camisas em uma fábrica que foi adquirida por $10 milhões. Quais de seus insumos
Leia maisIntrodução a Química Analítica. Professora Mirian Maya Sakuno
Introdução a Química Analítica Professora Mirian Maya Sakuno Química Analítica ou Química Quantitativa QUÍMICA ANALÍTICA: É a parte da química que estuda os princípios teóricos e práticos das análises
Leia maisMUDANÇAS NA RELAÇÃO ENTRE A PME E A PED COM A NOVA METODOLOGIA DA PME
MUDANÇAS NA RELAÇÃO ENTRE A PME E A PED COM A NOVA METODOLOGIA DA PME Maurício Cortez Reis Professor do Dept de Economia da PUC - Rio 1 INTRODUÇÃO A Pesquisa Mensal de Emprego (PME), realizada pelo IBGE
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia maisREDUÇÃO DA TAXA DE POUPANÇA E AS EMPRESAS NÃO FINANCEIRAS: 2010-2014
NOTAS CEMEC 01/2015 REDUÇÃO DA TAXA DE POUPANÇA E AS EMPRESAS NÃO FINANCEIRAS: 2010-2014 Carlos A. Rocca Lauro Modesto Santos Jr. Fevereiro de 2015 1 1. Introdução No Estudo Especial CEMEC de novembro
Leia maisPOLÍTICA: ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO
POLÍTICA: ESTRUTURA DE GERENCIAMENTO DE RISCO DE MERCADO 1. INTRODUÇÃO A política de Risco de Mercado do Scotiabank Brasil ( Scotiabank ) é baseada na política do grupo de Risk Management Global do Scotiabank
Leia maisCURSO ONLINE REGULAR ESTATÍSTICA BÁSICA PROF. SÉRGIO CARVALHO AULA 13 RELAÇÃO DOS EXERCÍCIOS FINAIS
Olá, amigos! AULA 13 RELAÇÃO DOS EXERCÍCIOS FINAIS Ainda não é chegada nossa aula derradeira! Sei que muitos estão chateados e com toda a razão do mundo pelo atraso destas últimas aulas. Noutra ocasião
Leia maisOmatematico.com ESTATÍSTICA DESCRITIVA
Omatematico.com ESTATÍSTICA DESCRITIVA 1. Classifique as variáveis abaixo: (a) Tempo para fazer um teste. (b) Número de alunos aprovados por turma. (c) Nível sócio-econômico (d) QI (Quociente de inteligência).
Leia maisPOLÍTICA DE GOVERNANÇA CORPORATIVA
Sumário: 01. OBJETIVO:... 2 02. CONCEITUAÇÃO / DEFINIÇÃO:... 2 03. ABRANGÊNCIA / ÁREAS ENVOLVIDAS:... 2 04. RESPONSABILIDADES:... 2 04.01. Responsáveis pela execução das atribuições desta política... 2
Leia maisPOLÍTICA DE INVESTIMENTOS
POLÍTICA DE INVESTIMENTOS Segurança nos investimentos Gestão dos recursos financeiros Equilíbrio dos planos a escolha ÍNDICE INTRODUÇÃO...3 A POLÍTICA DE INVESTIMENTOS...4 SEGMENTOS DE APLICAÇÃO...7 CONTROLE
Leia maisUniversidade Federal de Pernambuco Mestrado em Estatística
Universidade Federal de Pernambuco Mestrado em Estatística Lista 4 de Exercícios de Amostragem Prof. Cristiano Ferraz 1. Em relação ao plano amostral de Bernoulli: a) Explique como retirar uma amostra
Leia mais