[pt] O mercado cambial doméstico, bem como o de outros países são objeto de estudo de vários e diversificados trabalhos. Neste estudo, utiliza-se a regressão quantílica e algumas de suas novas formulações para analisar a relação dos retornos cambiais com os retornos no mercado de bolsa, a volatilidade cambial e os efeitos das intervenções governamentais no nível e na volatilidade da taxa de câmbio. Encontrou-se que o mercado de câmbio é mais sensível a variações na bolsa,na presença de maiores desvalorizações cambiais. O método CAViaR, que aplica funções autorregressivas à regressão quantílica para estimar a volatilidade, mostrou-se eficaz quando comparado a outros métodos. Por fim, as reações do mercado cambial às intervenções governamentais foram analisadas com o ferramental da regressão quantílica com variáveis instrumentais, o que permite tratar o problema de endogeneidade existente. Não há conhecimento por parte da autora de aplicação desse método para o caso das intervenções cambiais. Os resultados abrem uma nova forma de análise para dados que não possuem o comportamento completamente aleatório e que se mostraram, ainda, com diferentes impactos (coeficientes angulares) ao longo da distribuição da taxa de câmbio, seja seu retorno ou sua volatilidade. / [en] Not only the Brazilian Exchange Market, but also those of other countries are studied in a great number of works. In this study, we use the regression quantile and some of its new formulas to analyze the relationship of currency returns with the returns in the stock market, exchange rate volatility and the effects of government intervention in the level and volatility of the exchange rate. It was found that the currency market is more sensitive to variations in the bag in the presence of major devaluations. Caviar method, that applies autoregressive functions in quantile regression to estimate volatility, was effective when compared to other methods. Finally, the reactions of the forex market to government interventions were analyzed using quantile regression with instrumental variables, which can deal with the existing endogeneity problem. The findings open up a new way of analysis to data that do not have the completely random behavior and also showed different impacts (slope coefficients) over the distribution of the exchange rate, either its return or volatility.

Made available in DSpace on 2010-04-20T21:00:30Z (GMT). No. of bitstreams: 3 marciocecilioturma2004.pdf.jpg: 19602 bytes, checksum: 0772484d1cb46349dfbfb25620b5cdae (MD5) marciocecilioturma2004.pdf: 859203 bytes, checksum: 346a3e7d5751118ff894a182d7512b56 (MD5) marciocecilioturma2004.pdf.txt: 86793 bytes, checksum: e0c91b2715fc569bc6ec29bfce078e69 (MD5) Previous issue date: 2007-01-23T00:00:00Z / Há forte evidência que os retornos das séries financeiras apresentam caudas mais pesadas que as da distribuição normal, principalmente em mercados emergentes. No entanto, muitos modelos de risco utilizados pelas instituições financeiras baseiam-se em normalidade condicional ou não condicional, reduzindo a acurácia das estimativas. Os recentes avanços na Teoria de Valores Extremos permitem sua aplicação na modelagem de risco, como por exemplo, na estimação do Valor em Risco e do requerimento de capital. Este trabalho verifica a adequação de um procedimento proposto por McNeil e Frey [1999] para estimação do Valor em Risco e conseqüente requerimento de capital às principais séries financeiras de retornos do Brasil. Tal procedimento semi-paramétrico combina um modelo GARCH ajustado por pseudo máxima verossimilhança para estimação da volatilidade corrente com a Teoria de Valores Extremos para estimação das caudas da distribuição das inovações do modelo GARCH. O procedimento foi comparado através de backtestings com outros métodos mais comuns de estimação de VaR que desconsideram caudas pesadas das inovações ou a natureza estocástica da volatilidade. Concluiu-se que o procedimento proposto por McNeil e Frey [1999] mostrou melhores resultados, principalmente para eventos relacionados a movimentos negativos nos mercados . Futuros trabalhos consistirão no estudo de uma abordagem multivariada de grandes dimensões para estimação de VaR e requerimento de capital para carteiras de investimentos. / There is a strong evidence that financial return series are heavy-tailed, mostly in emerging markets. However, most of the risk models used by financial institutions are based in conditional or non-conditional normality, which reduces the accuracy of the estimates. The recent advances in Extreme Value Theory permit its application to risk measuring, such as Value at Risk and capital adequacy estimates. This work verifies the adequacy of a procedure proposed by McNeil and Frey [1999] to VaR and consequent capital requirement estimates for the main financial return series in Brazil. This semi parametric procedure combines a pseudo-maximumlikelihood fitting GARCH model to estimate the current volatility and the Extreme Value Theory (EVT) to estimate the tails of the innovations distribution of the GARCH model. Using backtestings the procedure was compared to other common methods of VaR estimation that disregard heavy tails of the innovations or the stochastic nature of the volatility. The procedure proposed by McNeil and Frey [1999] showed better results, mostly for negative events in the financial market2 . Further works will consist of studying a high dimensional multivariate approach to estimate VaR and capital requirements for portfolios of investment instruments.

Ce travail est centré sur la modélisation des dynamiques de volatilités et de corrélations entre rendements d'actifs financiers. Après une présentation de la littérature relative aux modèles Garch univariés et multivariés, l'auteur établit des résultats d'existence et d'unicité pour les solutions stationnaires des modèles de corrélations dynamiques de type DCC (Engle, 2002). Il étend ensuite cette classe de modèles en incluant les volatilités instantanées et des probabilités de changement de régime dans la dynamique des corrélations. Les nouveaux modèles sont évalués empiriquement sur un portefeuille d'indices MSCI. Des tests formels montrent que certaines de ces nouvelles spécifications améliorent le pouvoir prédictif de la matrice de covariance des rendements et s'avèreraient utiles en gestion de portefeuille. Enfin, se focalisant désormais sur le risque de volatilité, l'auteur montre que des stratégies de couvertures des principaux indices actions Européen à partir d'indices de volatilité implicite (VIX, VSTOXX) sont pertinentes et permettent à la fois de couvrir et réduire le risque action d'un portefeuille. / This work focuses on modeling the dynamics of volatilities and correlations between financial assets returns. After a literature review of univariate and multivariate GARCH-type models, the author establishes results for the existence and uniqueness of stationary solutions of dynamic correlations models (DCC model, Engle 2002). He then extends this class of models including instantaneous volatility and probability of regime changes in the dynamics of correlations. The new models are empirically evaluated on a MSCI portfolio. Formal tests have shown that some of these new specifications improve predictive power of the returns covariance matrix that would be useful in portfolio management. Finally, focusing now on the volatility risk, the author shows that hedging strategies of main European equity indices based on implied volatility indices (VIX, VSTOXX) are relevant and allow to both hedge and reduce the equity risk of a portfolio.

Made available in DSpace on 2016-12-23T14:00:35Z (GMT). No. of bitstreams: 1 Claudio Alan de Melo Barbosa.pdf: 683323 bytes, checksum: 3c62dfb6f8485d96f9af6530abda3312 (MD5) Previous issue date: 2009-06-17 / O Modelo de Precificação de Ativos Financeiros (CAPM) compara ou correlaciona os retornos da ação individual com os retornos de mercado pelo índice de risco chamado Beta. O mercado é um padrão ou denominador comum para a obtenção do que é conhecido como risco não diversificável, também chamado, de risco sistêmico. De forma que foi realizado um estudo comparativo entre dois tipos de precificação de ativos, CAPM tradicional e CAPM condicional, sendo que, este último utiliza o modelo GARCH-M, capaz de incorporar a variância condicional em sua estimação. O mercado financeiro brasileiro, no decorrer dos últimos anos, foi palco de um grande crescimento e consolidação do Brasil perante a comunidade nacional e internacional. Diante disso, a Bovespa, na tentativa de tornar a prática de investimento em ações mais ao alcance da população brasileira regulamentou os Clubes de Investimento, proporcionando a entrada de investidores de pequeno porte, porém estes, unidos em clubes, acabam por se tornarem investidores de grande potencial; e o clube de investimento AIVALE, foi um dos quais em pouco tempo de criação apresentou um grande ganho em seu patrimônio. Foi possível estudar o comportamento de sua variância, e determinar o seu Beta baseado no melhor modelo / The Model for Pricing of Financial Assets CAPM compares or correlates the returns of individual action with the returns of the market by risk index called Beta. The market is a pattern or common denominator to obtain what is known as risk not diverse, also called of systemic risk. So that was a comparative study between two types of pricing of assets, traditional CAPM and conditional CAPM, whereas the latter uses the GARCH-M model, able to incorporate the conditional variance in its estimation. The Brazilian financial market over the past years, was the scene of a major growth and consolidation of Brazil at the national and international community. Thus, the BOVESPA, in an attempt to make the practice of investing in more stock to reach the population regulated investment clubs, allowing the entry of small investors, but these, together in clubs, eventually become investors in great potential, and investment club AIVALE, one of which was soon made to create a large gain in its assets. It was possible to study the behavior of its variance, and determine the best model based on the Beta

Valutamarknaden är världens största marknad och en nödvändig del av dagens globala samhälle, som gör det möjligt för företag att göra affärer i olika valutor och mellan olika gränser. Marknaden utgör en stor handelsplattform för både små och stora aktörer, för vilka det är viktigt att prognostisera valutakurser med gott resultat. Att modellera finansiella instrument i form av tidsserier är en av de vanligaste investeringsstrategierna och dess användningsområde sträcker sig från valutamarknaden till bland annat aktiemarknaden och råvarumarknaden. I denna uppsats undersöks fyra olika statistiska metoder för att modellera valutakursen Euro-US Dollar givet historisk data, och prognoser görs med de framtagna modellerna. Dessa metoder är slumpvandring, ARIMA, ARIMA-GARCH och VAR. Vidare undersöks för den dynamiska VAR-modellen hur valutamarkanden påverkar, och blir påverkad av, långa och korta räntan. Resultaten visar att ARIMA(3,1,2) förklarar valutakursen bäst medan VAR(2) med valutakursen och skillnaden mellan långa räntor som ingående variabler ger de bästa prediktionerna. / The foreign exchange market is the world’s largest market and is an essential part of the global society of today. The FX market enables companies to trade with different currencies across country borders. It is also a large trade-platform for both big and small financial actors, who greatly benefit from the advantages of good predictions. Modeling of financial instruments is one of the most commonly used investment strategies and its area of application ranges from the FX market to markets suchas the stock market and the commodity market. In this paper, four different statistical models are used to model the currency pair Euro-US Dollar. These methods are random walk, ARIMA, ARIMA-GARCH and VAR. Besides investigating which method that gives the best forecasts, the method that best describes the training datais also found. Furthermore, for the dynamic VAR model, it is explored how the FX market affects, and is affected by, the long term and short term interest. The results show that ARIMA(3,1,2) is the best at describing the exchange rate while VAR(2) with the exchange rate and the difference between long term interests as variables gives the best predictions.

nÃo hà / Este trabalho analisa durante o perÃodo de 01/2008 a 12/2011 o risco de mercado de seis Ãndices setoriais da Bolsa de Valores de SÃo Paulo (BM&FBovespa): o Ãndice imobiliÃrio (IMOB), o Ãndice de energia elÃtrica (IEE), o Ãndice de consumo (ICON), o Ãndice do setor industrial (INDX), o Ãndice financeiro (IFNC) e o Ãndice setorial de telecomunicaÃÃes (ITEL). AtravÃs da mÃtrica Value-at-Risk (VaR) estimam-se quatro modelos. Dois desses modelos sÃo ditos incondicionais no que se refere à variÃncia: o VaR Gaussiano Incondicional, admitindo que os retornos seguem uma distribuiÃÃo normal, e o VaR Best Fitting Incondicional, construÃdo a partir da distribuiÃÃo de probabilidades que melhor se ajusta Ãs sÃries de retornos. Os outros dois modelos sÃo chamados de condicionais, assumindo que a volatilidade varia ao longo do tempo. Os modelos autoregressivos do tipo GARCH sÃo utilizados para estimar a variÃncia condicional de cada Ãndice, possibilitando a estimaÃÃo do VaR Gaussiano Incondicional e do VaR Best Fitting Incondicional. Em seguida, realizam-se backtestings dos modelos de VaR, revelando a superioridade dos modelos condicionais. Por fim, atravÃs de grÃficos de Balzer, observou-se a performance dos Ãndices por meio de confrontos entre eles. Foi constatado que, para o perÃodo analisado, o IEE vence todos os embates feitos com os demais Ãndices, apresentando a melhor relaÃÃo risco x retorno. O setor imobiliÃrio, representado pelo IMOB, perde todos os confrontos. / This work analyzes during the period between 2008/01 and 2011/12 the market risk of six sectorial indexes from the SÃo PauloÂs Stock Market (BM&FBovespa): the real state index (IMOB), the eletric power index (IEE), the consumption index (ICON), the industrial sector index (INDX), the financial index (IFNC) and the telecommunications sector index (ITEL). Throughout the Value-at-Risk metric (VaR), four models are estimated. Two of those models are called unconditional, due to its variance: the Unconditional Gaussian VaR, that admits that the returns follow a normal distribution, and the Unconditional Best Fitting VaR, built from the distribution of probabilities that better fits to the returns series. The other two models are called conditionals, assuming that the volatility changes along the time. The GARCH autoregressive models are used to estimate the conditional variance of each index, allowing an estimation of the Unconditional Gaussian VaR and the Unconditional Best Fitting VaR. Afterwards, the VaR models backtestings are realized, revealing the conditional models superiority. Finally, throughout the BalzerÂs graphics, the indexes performances were observed over the confrontations between them. It was found that, for the analyzed period, the IEE wins every confrontation against the all other indexes, showing the best relation risk x return. The real state index sector, represented by the IMOB, lost all the confronts.

Made available in DSpace on 2016-12-23T14:00:35Z (GMT). No. of bitstreams: 1 Claudio Alan de Melo Barbosa.pdf: 683323 bytes, checksum: 3c62dfb6f8485d96f9af6530abda3312 (MD5) Previous issue date: 2009-06-17 / The Model for Pricing of Financial Assets CAPM compares or correlates the returns of individual action with the returns of the market by risk index called Beta. The market is a pattern or common denominator to obtain what is known as risk not diverse, also called of systemic risk. So that was a comparative study between two types of pricing of assets, traditional CAPM and conditional CAPM, whereas the latter uses the GARCH-M model, able to incorporate the conditional variance in its estimation. The Brazilian financial market over the past years, was the scene of a major growth and consolidation of Brazil at the national and international community. Thus, the BOVESPA, in an attempt to make the practice of investing in more stock to reach the population regulated investment clubs, allowing the entry of small investors, but these, together in clubs, eventually become investors in great potential, and investment club AIVALE, one of which was soon made to create a large gain in its assets. It was possible to study the behavior of its variance, and determine the best model based on the Beta / O Modelo de Precificação de Ativos Financeiros (CAPM) compara ou correlaciona os retornos da ação individual com os retornos de mercado pelo índice de risco chamado Beta. O mercado é um padrão ou denominador comum para a obtenção do que é conhecido como risco não diversificável, também chamado, de risco sistêmico. De forma que foi realizado um estudo comparativo entre dois tipos de precificação de ativos, CAPM tradicional e CAPM condicional, sendo que, este último utiliza o modelo GARCH-M, capaz de incorporar a variância condicional em sua estimação. O mercado financeiro brasileiro, no decorrer dos últimos anos, foi palco de um grande crescimento e consolidação do Brasil perante a comunidade nacional e internacional. Diante disso, a Bovespa, na tentativa de tornar a prática de investimento em ações mais ao alcance da população brasileira regulamentou os Clubes de Investimento, proporcionando a entrada de investidores de pequeno porte, porém estes, unidos em clubes, acabam por se tornarem investidores de grande potencial; e o clube de investimento AIVALE, foi um dos quais em pouco tempo de criação apresentou um grande ganho em seu patrimônio. Foi possível estudar o comportamento de sua variância, e determinar o seu Beta baseado no melhor modelo

[pt] A hipótese de normalidade é comumente utilizada na área de análise de risco para descrever as distribuições dos retornos padronizados pelas volatilidades. No entanto, utilizando cinco dos ativos mais líquidos na Bovespa, este trabalho mostra que tal hipótese não é compatível com medidas de volatilidades estimadas pela metodologia EWMA ou modelos GARCH. Em contraposição, ao extrair a informação contida em cotações intradiárias, a metodologia de volatilidade realizada origina retornos padronizados normais, potencializando ganhos no cálculo de medidas de Valor em Risco. Além disso, são caracterizadas as distribuições de volatilidades e correlações de ativos brasileiros e, em especial, mostra-se que as distribuições das volatilidades são aproximadamente lognormais, enquanto as distribuições das correlações são aproximadamente normais. A análise é feita tanto de um ponto de vista univariado quanto multivariado e fornece subsídio para a melhor modelagem de variâncias e correlações em um contexto de grande dimensionalidade. / [en] The normality assumption is commonly used in the risk management area to describe the distributions of returns standardized by volatilities. However, using five of the most actively traded stocks in Bovespa, this paper shows that this assumption is not compatible with volatilities estimated by EWMA or GARCH models. In sharp contrast, when we use the information contained in high frequency data to construct the realized volatilies measures, we attain the normality of the standardized returns, giving promise of improvements in Value at Risk statistics. We also describe the distributions of volatilities and correlations of the brazilian stocks, showing that the distributions of volatilities are nearly lognormal and the distribuitions of correlations are nearly Gaussian. All analysis is traced both in a univariate and a multivariate framework and provides background for improved high-dimensional volatility and correlation modelling in the brazilian stock market.

Cette thèse de doctorat composée de trois chapitres contribue au développement de la problématique sur la sélection de modèle de volatilité de type GARCH. Le premier chapitre propose une étude de simulation sur la sélection de modèles dans le cadre spécifique des modèles à changement de régimes. On propose des expériences de simulation permettant de mettre en évidence l'inefficacité des critères de sélection usuels dans des cas particuliers, ce qui peut conduire à des erreurs de spécification lors du choix de modèle. Le deuxième chapitre propose un test du multiplicateur de Lagrange de mauvaise spécification dans les modèles GARCH univariés. L'hypothèse nulle admet que le processus générateur des données est un modèle GARCH linéaire tandis que sous l'hypothèse alternative il correspond à une forme fonctionnelle inconnue qui est linéarisée à l’aide d’un développement de Taylor. On illustre le test dans une application empirique sur les taux de change. Le dernier chapitre étudie l'impact du prix du pétrole sur les spreads de Credit Default Swaps souverains de deux pays exportateurs de pétrole: le Vénézuela et la Russie. Utilisant des données récentes, nous trouvons que les rendements du prix du pétrole impactent les spread de CDS souverains du Vénézuela directement alors que cela passe par le canal du taux de change pour la Russie. Ce chapitre emploie des méthodes statistiques avancées, notamment l'utilisation de modèles à changement de régimes Markoviens. Finalement, l'appendice propose le manuel de la toolbox MSGtool (Matlab) qui propose une collection de fonctions pour l'étude des modèles à changement de régimes Markoviens. La toolbox est très user-friendly. / This Ph.D. thesis composed by three chapters contributes to the development of model selection in GARCH-type models.The first chapter investigates whether the most common selection criteria lead to choose the right specification in a regime switching framework. We propose simulation experiments which reveal the inefficiency of some selection criteria in particular cases which lead to misspecification. Depending on the Data Generating Process used in the experiments, great care is needed when choosing a criterion.In the second chapter, a misspecication test for GARCH-type models is presented. We propose a Lagrange Multiplier type test based on a Taylor expansion to distinguish between (G)ARCH models and unknown nonlinear GARCH-type models. This test can be seen as a general misspecication test. We investigate the size and the power of this test through Monte Carlo experiments. We show the usefulness of our test with an illustrative empirical example based on daily exchange rate returns.In the third chapter, we study the impact of oil price returns on sovereign Credit Default Swaps (CDS) spreads for two major oil producers, Russia and Venezuela. Using daily spreads from 2008 to 2015, we find that crude oil price returns are a critical determinant of Venezuela CDS spreads changes, but does not explain significantly Russian CDS spreads. Indeed, oil prices seem to impact Russian CDS spreads through the exchange rates canal. Finally, we propose as an appendix the manual of the MSGtool, a MATLAB toolbox, which provides a collection of functions for the simulation and estimation of a large variety of Markov Switching GARCH (MSG) models.

[pt] Nesta tese são desenvolvidos três ensaios que avaliam os riscos relativos a alguns países emergentes. No primeiro ensaio, por meio do uso de modelos da família GARCH, verificou-se que o aumento dos pesos relativos atribuídos às observações mais antigas em função do aumento do horizonte de previsão resulta em melhores estimativas de volatilidade. Por meio da utilização de sete modelos de previsão de volatilidade e séries de retornos de ativos do mercado financeiro brasileiro (ações de Petrobrás e Vale, índice Ibovespa, taxa de câmbio Real/Dólar, taxa de juros de 1 ano e taxa de juros de 3 anos de títulos de dívida do governo brasileiro emitidos em reais) compararam-se as estimativas obtidas na amostra (in-sample) com as observações fora da amostra (out-of-sample). Com base nesta comparação, constatou-se que as melhores estimativas de previsão de volatilidade foram obtidas, predominantemente, por dois modelos que permitem que seus parâmetros variem em função do horizonte de previsão: o modelo modificado EGARCH e o modelo ARLS. Concluiu-se que a utilização de modelos de previsão de volatilidade tradicionais, os quais mantêm inalterados os pesos relativos atribuídos às observações antigas e recentes, independente do horizonte de previsão, mostrou-se inapropriada. No segundo ensaio comparou-se os desempenhos dos modelos de memória longa (FIGARCH) e curta (GARCH) na previsão de value-at-risk (VaR) e expected shortfall (ES) para múltiplos períodos à frente para seis índices de ações de mercados emergentes. Utilizou-se, para dados diários de 1999 a 2014, uma adaptação da simulação de Monte Carlo para estimar previsões de VaR e ES para 1, 10 e 20 dias à frente, usando modelos FIGARCH e GARCH para quatro distribuições de erros. Os resultados sugerem que, em geral, os modelos FIGARCH melhoram a precisão das previsões para horizontes mais longos; que a distribuição dos erros pode influenciar a decisão de escolha do melhor modelo; e que apenas para os modelos FIGARCH houve redução do número de subestimações do VaR verdadeiro com o aumento do horizonte de previsão. Com relação ao terceiro ensaio, percebeu-se que aadministração de riscos é um assunto que há muito tempo já faz parte do dia-adia das instituições financeiras e não financeiras, todavia não é comum a utilização de métricas de risco na Administração Pública. Considerando a existência dessa lacuna e a importância do tema para uma adequada gestão dos recursos públicos, principalmente para países emergentes, esse terceiro ensaio teve como propósitos estimar, em um único valor, o risco de liquidez de um Órgão Público, a Marinha do Brasil, e identificar as fontes desse risco. Para isso, utilizou-se o exposure-based Cash-Flow-at-Risk (CFaR) model, o qual, além de resumir a estimação do risco de liquidez a um único valor, ajuda no gerenciamento desse risco pelo fornecimento de informações adicionais sobre a exposição do fluxo de caixa da organização a diversos fatores de risco. Usando dados trimestrais do período compreendido entre o primeiro trimestre de 1999 ao quarto trimestre de 2013, identificaram-se as taxas de câmbio real/dólar, dólar/libra, a taxa SELIC, a Necessidade de Financiamento do Setor Público e a taxa de inflação dos Estados Unidos como os fatores de risco macroeconômicos e de mercado que impactam o fluxo de caixa da Marinha, bem como se calculou seu CFaR com 95 por cento de nível de confiança para o período de um trimestre à frente. / [en] In this thesis we develop three essays on risk management in some emerging countries. On the first one, using models of the GARCH family, we verified that the increase in relative weights assigned to the earlier observations due to the increase of the forecast horizon results in better estimates of volatility. Through the use of seven forecasting models of volatility and return series of financial markets assets (shares of Petrobras and Vale, Bovespa index, exchange rate Real/Dollar, 1-year and 3 years interest rates of Brazilian Government bonds issued in Reais) the estimates obtained in the sample (in-sample) were compared with observations outside the sample (out-of-sample). Based on this comparison, it was found that the best estimates of expected volatility were obtained predominantly by two models that allow its parameters to vary depending on the forecast horizon: the modified EGARCH model (exponential generalized autoregressive conditional heteroskedastic) and the ARLS model proposed by Ederington and Guan (2005). We conclude that the use of traditional forecasting models of volatility, which keeps unchanged relative weights assigned to both old and new observations, regardless of the forecast horizon, was inappropriate. On the second essay we compared the performance of long-memory models (FIGARCH) with short-memory models (GARCH) in forecasting value-at-risk (VaR) and expected shortfall (ES) for multiple periods ahead for six emerging markets stock índices. We used daily data from 1999 to 2014 and an adaptation of the Monte Carlo simulation to estimate VaR and ES forecasts for multiple steps ahead (1, 10 and 20 days ), using FIGARCH and GARCH models for four errors distributions. The results suggest that, in general, the FIGARCH models improve the accuracy of forecasts for longer horizons; that the error distribution used may influence the decision about the best model; and that only for FIGARCH models the occurrence of underestimation of the true VaR is less frequent with increasing time horizon. Regarding the third essay, we realized that risk management is a subject that has long been part of the day-to-day activities of financial and nonfinancial institutions, yet the use of risk metrics is not common among public agencies. Considering this gap, and the importance of the issue for the proper management of public resources, the purpose of this third essay is to estimate, in a single value, the liquidity risk of a public agency, in this case, the Brazilian Navy, and to identify the sources of risk. To do this, the exposure-based Cash-Flow-at- Risk (CFaR) model has been developed, which, in addition to summarizing the liquidity risk estimation in a single value, helps in managing risk by providing additional information about the exposure of the organization s cash flow to various risk factors. Using quarterly data for the period between the first quarter of 1999 and the fourth quarter of 2013, the macroeconomics and market risk factors that impact the Navy s cash flow were identified. Moreover, the CFaR was calculated at a 95 percent confidence level for a period of one quarter ahead.