A estimação e previsão da volatilidade de ativos são de suma importância para os mercados financeiros. Temas como risco e incerteza na teoria econômica incentivaram a procura por métodos capazes de modelar a variância condicional que evolui ao longo do tempo. O objetivo central desta dissertação foi modelar via modelos ARCH – GARCH e modelos aditivos o índice do IBOVESPA e o ativo PETR4 para analisar a existência de correlação entre as volatilidades estimadas. A estimação da volatilidade dos ativos no método paramétrico foi realizada via modelos EGARCH; já para o método não paramétrico, utilizouse os modelos aditivos com 5 defasagens. / Volatility estimation and forecasting are very important matters for the financial markets. Themes like risk and uncertainty in modern economic theory have encouraged the search for methods that allow for modeling of time varying variances. The main objective of this dissertation was estimate through GARCH models and additive models of IBOVESPA and PETR4 assets; and analyzes the existence of correlation between volatilities estimated. We use EGARCH models to estimate through parametric methods and use additive models 5 to estimate non parametric methods.

This study examines to what extent how oil movements differently affect equity returns in general and sectoral levels of the GCC countries stock markets. Modeling the equity returns volatility requires using GARCH-type models. These models help to explore the pronounced differences of the conditional variance structures across sectors and markets. Chapter 1 compares the effects of changes in oil price return and its volatility on equity returns and volatility across sectors. The findings of this chapter show that despite the GCC states dependency on oil revenues, equity market performance at the sectoral level do not exactly associate with oil movements. Our results, in particular, show that the GCC stock markets do not always move hand-in-hand with oil market movements. In chapter 2, we explore the relationship within a specific sector, i.e. Banks sector in Saudi Arabia Stock market. We examine if oil price changes affect Islamic banks differently than conventional ones. The findings show a decrease in degree of co-movement between these two types of banking system and oil market, meaning that they are less integrated. Although the Islamic banks kept a higher degree of co-movement with oil, limitations of Shari'ah restrictions on Islamic banks have little impact on the relationship between oil and those banks. Chapter 3 examines whether the level of corruption influences how oil changes affect the GCC stock markets. The findings of chapter 3 show that dissimilar levels of corruption between GCC countries have inconsiderable differences on the oil return effects on the GCC stock markets. Oil returns affect both low and high level of corruption groups. The oil return innovation affects the equity volatility for Saudi Arabia and Kuwait more than other four GCC countries.

Most of the notations and terminological conventions used in this thesis are Statistical. The aim in risk management is to describe the risk factors present in time series. In order to group these risk factors, one needs to distinguish between different stochastic processes and put them into different classes. The risk factors discussed in this thesis are fat tails and mean reversion. The presence of these risk factors fist need to be found in the historical dataset. I will refer to the historical dataset as the original dataset. The Ljung- Box-Pierce test will be used in this thesis to determine if the distribution of the original dataset has mean reversion or no mean reversion. / Mathematical Sciences / M.Sc. (Applied Mathematics)

Esta tese apresenta três ensaios em macroeconomia aplicada e que possuem em comum o uso de técnicas estatísticas e econométricas em problemas macroeconômicos. Dentre os campos de pesquisa da macroeconomia aplicada, a tese faz uso de modelos macroeconômicos microfundamentados, em sua versão DSGE-VAR, e da macroeconomia financeira por meio da avaliação do comportamento da correlação entre os retornos das ações usando modelos Garch multivariados. Além disso, a tese provoca a discussão sobre um novo campo de pesquisa em macroeconomia que surge a partir do advento da tecnologia. No primeiro ensaio, aplicamos a abordagem DSGE-VAR na discussão sobre a reação do Banco Central do Brasil (BCB) as oscilações na taxa de câmbio, especificamente para o caso de uma economia sob metas de inflação. Para tanto, baseando-se no modelo para uma economia aberta desenvolvido por Gali e Monacelli (2005) e modificado por Lubik e Schorfheide (2007), estimamos uma regra de política monetária para o Brasil e examinamos em que medida o BCB responde a mudanças na taxa de câmbio. Além disso, estudamos o grau de má especificação do modelo DSGE proposto. Mais especificamente, comparamos a verossimilhança marginal do modelo DSGE às do modelo DSGE-VAR e examinamos se o Banco Central conseguiu isolar a economia brasileira, em particular a inflação, de choques externos. Nossas conclusões mostram que as respostas aos desvios da taxa de câmbio são diferentes de zero e menores do que as respostas aos desvios da inflação. Finalmente, o ajuste do modelo DSGE é consideravelmente pior do que o ajuste do modelo DSGE-VAR, independentemente do número de defasagens utilizadas no VAR o que indica que de um ponto de vista estatístico existem evidências de que as restrições cruzadas do modelo teórico são violadas nos dados. O segundo ensaio examina empiricamente o comportamento da correlação entre o retorno de ações listadas na BMF&BOVESPA no período de 2000 a 2015. Para tanto, utilizamos modelos GARCH multivariados introduzidos por Bollerslev (1990) para extrair a série temporal das matrizes de correlação condicional dos retornos das ações. Com a série temporal dos maiores autovalores das matrizes de correlação condicional estimadas, aplicamos testes estatísticos (raiz unitária, quebra estrutural e tendência) para verificar a existência de tendência estocástica ou determinística para a intensidade da correlação entre os retornos das ações representadas pelos autovalores. Nossas conclusões confirmam que tanto em períodos de crises nacionais como turbulências internacionais, há intensificação da correlação entre as ações. Contudo, não encontramos qualquer tendência de longo prazo na série temporal dos maiores autovalores das matrizes de correlação condicional. Isso sugere que apesar das conclusões de Costa, Mazzeu e Jr (2016) sobre a tendência de queda do risco idiossincrático no mercado acionário brasileiro, a correlação dos retornos não apresentou tendência de alta, conforme esperado pela teoria de finanças. No terceiro ensaio, apresentamos pesquisas que utilizaram Big Data, Machine Learning e Text Mining em problemas macroeconômicos e discutimos as principais técnicas e tecnologias adotadas bem como aplicamos elas na análise de sentimento do BCB sobre a economia. Por meio de técnicas de Web Scraping e Text Mining, acessamos e extraímos as palavras usadas na escrita das atas divulgadas pelo Comitê de Política Monetária (Copom) no site do BCB. Após isso, comparando tais palavras com um dicionário de sentimentos (Inquider) mantido pela Universidade de Harvard e originalmente apresentado por Stone, Dunphy e Smith (1966), foi possível criar um índice de sentimento para a autoridade monetária. Nossos resultados confirmam que tal abordagem pode contribuir para a avaliação econômica dado que a série temporal do índice proposto está relacionada com variáveis macroeconômicas importantes para as decisões do BCB. / This thesis presents three essays in applied macroeconomics and who have in common the use of statistical and econometric techniques in macroeconomic problems. Among the search fields of applied macroeconomics, the thesis makes use of microfounded macroeconomic models, in tis DSGE-VAR version, and financial macroeconomics through the evaluation of the behavior of correlation between stock returns using multivariate Garch models. In addition, leads a discussion on a new field of research in macroeconomics which arises from the advent of technology. In the first experiment, we applied the approach to dynamic stochastic general equilibrium (DSGE VAR in the discussion about the reaction of the Central Bank of Brazil (CBB) to fluctuations in the exchange rate, specifically for the case of an economy under inflation targeting. To this end, based on the model for an open economy developed by Gali and Monacelli (2005) and modified by Lubik and Schorfheide (2007), we estimate a rule of monetary policy for the United States and examine to what extent the CBC responds to changes in the exchange rate. In addition, we studied the degree of poor specification of the DSGE model proposed. More specifically, we compare the marginal likelihood of the DSGE model to the DSGE-VAR model and examine whether the Central Bank managed to isolate the brazilian economy, in particular the inflation, external shocks. Our findings show that the response to deviations of the exchange rate are different from zero and lower than the response to deviations of inflation. Finally, the adjustment of the DSGE model is considerably worse than the adjustment of the DSGE-VAR model, regardless of the number of lags used in the VAR which indicates that a statistical point of view there is evidence that the restrictions crusades of the theoretical model are violated in the data. The second essay examines empirically the behavior of the correlation between the return of shares listed on the BMF&BOVESPA over the period from 2000 to 2015. To this end, we use models multivariate GARCH introduced by Bollerslev (1990) to remove the temporal series of arrays of conditional correlation of returns of stocks. With the temporal series of the largest eigenvalues of matrices of correlation estimated conditional, we apply statistical tests (unit root, structural breaks and trend) to verify the existence of stochastic trend or deterministic to the intensity of the correlation between the returns of the shares represented by eigenvalues. Our findings confirm that both in times of crises at national and international turbulence, there is greater correlation between the actions. However, we did not find any long-term trend in time series of the largest eigenvalues of matrices of correlation conditional. In the third test, we present research that used Big Data, Machine Learning and Text Mining in macroeconomic problems and discuss the main techniques and technologies adopted and apply them in the analysis of feeling of BCB on the economy. Through techniques of Web Scraping and Text Mining, we accessed and extracted the words used in the writing of the minutes released by the Monetary Policy Committee (Copom) on the site of the BCB. After that, comparing these words with a dictionary of feelings (Inquider) maintained by Harvard University and originally presented by Stone, Dunphy and Smith (1966), it was possible to create an index of sentiment for the monetary authority. Our results confirm that such an approach can contribute to the economic assessment given that the temporal series of the index proposed is related with macroeconomic variables are important for decisions of the BCB.

O estudo da volatilidade dos retornos dos ativos ocupa um lugar de destaque dentro da moderna teoria de finanças. Tradicionalmente, os modelos empregados para a modelagem da volatilidade são estimados a partir de dados diários. No entanto, a recente disponibilidade de dados intradiários tem permitido a modelagem e a previsão da volatilidade dos ativos por meio da chamada variância realizada. Dessa forma, o objetivo principal da presente dissertação foi analisar como os modelos que incorporam dados intradiários se comportam, em termos de acurácia de previsão de volatilidade diária, em relação àqueles que utilizam apenas dados diários. Foram observados os comportamentos dos índices Ibovespa e S&P 500 durante o período de janeiro de 2006 a junho de 2009. Os resultados revelaram que o desempenho de previsão dos modelos estimados a partir de dados diários foi superior ao dos modelos de variância realizada para os dois índices. Buscou-se ainda comparar o comportamento dos modelos durante o período da crise de 2008. Novamente os resultados apontaram para uma melhor acurácia de previsão dos modelos que utilizaram apenas dados diários. / The study of volatility in asset returns is relevant within the modern theory of finance. Modeling volatility has been frequently based on daily data. Recent availability of intraday data has allowed volatility modeling and forecasting through the so called realized variance. The main objective of this master’s thesis was, therefore, to compare the accuracy of daily volatility forecasting between models that use either daily or intraday data. Returns during the period January 2006 to June 2009 on two indexes, the Ibovespa and the S&P 500, were used. Results showed that, for both indexes, forecasting based on daily data was superior to forecasting that used intraday returns. Comparison between models was also tested during the 2008 crisis. Similarly, results showed a better forecasting performance of daily data models.

A modelagem da estrutura de dependência é de grande importância em todos os ramos da economia onde há incerteza. Ela é um elemento crucial na análise de risco e para a tomada de decisão sob incerteza. As cópulas oferecem aos agentes que se deparam com este problema um poderoso e flexível instrumento para modelar a estrutura de dependência entre variáveis aleatórias e que é preferível ao instrumento tradicional baseado na correlação linear. Neste estudo, nós analisamos a dinâmica temporal da estrutura de dependência entre índices de mercados financeiros internacionais e propomos um novo procedimento para capturar a estrutura de dependência ao longo do tempo. Adicionalmente, estudamos alguns fatos estilizados sobre índices de mercados financeiros como a relação entre volume-volatilidade e retorno-volatilidade. / Modelling dependence is of key importance to all economic fields in which uncertainty plays a large role. It is a crucial element of risk analysis and decision making under uncertainty. Copulas offer economic agents facing uncertainty a powerful and flexible tool to model dependence between random variables and often are preferable to the traditional, correlation-based approach. In this work we analyze the time dynamics of the dependence structure between broad stock market indices and propose a novel procedure to capture dependence structure over time. Additionally, we study some stylized facts about stock market indexes such as volume-volatility and return-volatility relations.

As séries temporais financeiras são marcadas por comportamentos complexos e não-lineares. No mercado financeiro, além da trajetória das cotações, a sua variabilidade, representada pela volatilidade, consiste em importante informação para o mercado. Redes neurais são modelos não lineares flexíveis com capacidade de descrever funções de distintas classes, possuindo a propriedade de aproximadores universais. Este trabalho busca empregar redes neurais, especificamente Perceptron de múltiplas camadas com uma única camada escondida alimentada para frente (Feedforward Multilayer Perceptron), para a previsão da volatilidade. Mais ainda, é proposto um modelo híbrido que combina o modelo GARCH e redes neurais. Os modelos GARCH e redes neurais são estimados para duas séries financeiras: Índice S&P500 e cotações do petróleo tipo Brent. Os resultados indicam que a volatilidade aproximada por redes neurais é muito semelhante as estimativas dos tradicionais modelos GARCH. Suas diferenças são mais qualitativas, na forma de resposta da volatilidade estimada a choques de maior magnitude e sua suavidade, do que quantitativas, apresentando critérios de erros de previsão em relação a uma medida de volatilidade benchmark muito próximos. / The financial time series are characterized by complex and non-linear behaviors. In addition to the financial market trend in prices their variability or volatility, a risk estimate, is important information for the market players. Neural networks are flexible nonlinear models capable of describing functions of different classes, having the property of universal approximators. This paper employs neural networks, specifically one hidden layer feedforward Multilayer Perceptron, for volatility forecasting. Moreover, we propose a hybrid model that combines the GARCH model with neural networks. The GARCH and neural network models are estimated over two financial series: the S&P500 composite index and prices of Brent oil. The results indicate that the volatility approximated by neural networks is very similar to that estimated by the traditional GARCH models, while their differences are more qualitative than quantitative, with information content that differs from and complements each other for different market environments.

A estimação e previsão da volatilidade de ativos são de suma importância para os mercados financeiros. Temas como risco e incerteza na teoria econômica incentivaram a procura por métodos capazes de modelar a variância condicional que evolui ao longo do tempo. O objetivo central desta dissertação foi modelar via modelos ARCH – GARCH e modelos aditivos o índice do IBOVESPA e o ativo PETR4 para analisar a existência de correlação entre as volatilidades estimadas. A estimação da volatilidade dos ativos no método paramétrico foi realizada via modelos EGARCH; já para o método não paramétrico, utilizouse os modelos aditivos com 5 defasagens. / Volatility estimation and forecasting are very important matters for the financial markets. Themes like risk and uncertainty in modern economic theory have encouraged the search for methods that allow for modeling of time varying variances. The main objective of this dissertation was estimate through GARCH models and additive models of IBOVESPA and PETR4 assets; and analyzes the existence of correlation between volatilities estimated. We use EGARCH models to estimate through parametric methods and use additive models 5 to estimate non parametric methods.

O estudo da volatilidade dos retornos dos ativos ocupa um lugar de destaque dentro da moderna teoria de finanças. Tradicionalmente, os modelos empregados para a modelagem da volatilidade são estimados a partir de dados diários. No entanto, a recente disponibilidade de dados intradiários tem permitido a modelagem e a previsão da volatilidade dos ativos por meio da chamada variância realizada. Dessa forma, o objetivo principal da presente dissertação foi analisar como os modelos que incorporam dados intradiários se comportam, em termos de acurácia de previsão de volatilidade diária, em relação àqueles que utilizam apenas dados diários. Foram observados os comportamentos dos índices Ibovespa e S&P 500 durante o período de janeiro de 2006 a junho de 2009. Os resultados revelaram que o desempenho de previsão dos modelos estimados a partir de dados diários foi superior ao dos modelos de variância realizada para os dois índices. Buscou-se ainda comparar o comportamento dos modelos durante o período da crise de 2008. Novamente os resultados apontaram para uma melhor acurácia de previsão dos modelos que utilizaram apenas dados diários. / The study of volatility in asset returns is relevant within the modern theory of finance. Modeling volatility has been frequently based on daily data. Recent availability of intraday data has allowed volatility modeling and forecasting through the so called realized variance. The main objective of this master’s thesis was, therefore, to compare the accuracy of daily volatility forecasting between models that use either daily or intraday data. Returns during the period January 2006 to June 2009 on two indexes, the Ibovespa and the S&P 500, were used. Results showed that, for both indexes, forecasting based on daily data was superior to forecasting that used intraday returns. Comparison between models was also tested during the 2008 crisis. Similarly, results showed a better forecasting performance of daily data models.

A modelagem da estrutura de dependência é de grande importância em todos os ramos da economia onde há incerteza. Ela é um elemento crucial na análise de risco e para a tomada de decisão sob incerteza. As cópulas oferecem aos agentes que se deparam com este problema um poderoso e flexível instrumento para modelar a estrutura de dependência entre variáveis aleatórias e que é preferível ao instrumento tradicional baseado na correlação linear. Neste estudo, nós analisamos a dinâmica temporal da estrutura de dependência entre índices de mercados financeiros internacionais e propomos um novo procedimento para capturar a estrutura de dependência ao longo do tempo. Adicionalmente, estudamos alguns fatos estilizados sobre índices de mercados financeiros como a relação entre volume-volatilidade e retorno-volatilidade. / Modelling dependence is of key importance to all economic fields in which uncertainty plays a large role. It is a crucial element of risk analysis and decision making under uncertainty. Copulas offer economic agents facing uncertainty a powerful and flexible tool to model dependence between random variables and often are preferable to the traditional, correlation-based approach. In this work we analyze the time dynamics of the dependence structure between broad stock market indices and propose a novel procedure to capture dependence structure over time. Additionally, we study some stylized facts about stock market indexes such as volume-volatility and return-volatility relations.