O objetivo deste trabalho consiste em identificar a existência de contágio financeiro utilizando a metodologia de redes bayesianas. Além da rede bayesiana, a análise da interdependência de mercados internacionais em períodos de crises financeiras, ocorridas entre os anos 1996 e 2009, foi modelada com outras duas técnicas - modelos GARCH multivariados e de Cópulas, envolvendo países nos quais foi possível avaliar seus efeitos e que foram objetos de estudos similares na literatura. Com os períodos de crise bem definidos e metodologia calcada na teoria de grafos e na inferência bayesiana, executou-se uma análise sequencial, em que as realidades que precediam períodos de crise foram consideradas situações a priori para os eventos (verossimilhanças). Desta combinação resulta a nova realidade (a posteriori), que serve como priori para o período subsequente e assim por diante. Os resultados apontaram para grande interligação entre os mercados e diversas evidências de contágio em períodos de crise financeira, com causadores bem definidos e com grande respaldo na literatura. Ademais, os pares de países que apresentaram evidências de contágio financeiro pelas redes bayesianas em mais períodos de crises foram os mesmos que apresentaram os mais altos valores dos parâmetros estimados pelas cópulas e também aqueles cujos parâmetros foram mais fortemente significantes no modelo GARCH multivariado. Assim, os resultados obtidos pelas redes bayesianas tornam-se mais relevantes, o que sugere boa aderência deste modelo ao conjunto de dados utilizados neste estudo. Por fim, verificou-se que, após as diversas crises, os mercados estavam muito mais interligados do que no período inicialmente adotado. / This work aims to identify the existence of financial contagion using a metodology of Bayesian networks. Besides Bayesian networks, the analysis of the international markets\' interdependence in times of financial crises, occurred between 1996 and 2009, was modeled using two other techniques - multivariate GARCH models and Copulas models, involving countries in which its effects were possible to assess and which were subject to similar studies in the literature. With well-defined crisis periods and a metodology based on graph theory and Bayesian inference, a sequential analysis was executed, in which the realities preceding periods of crisis were considered to be prior situations to the events (likelihood). From this combination results the new posterior reality, which serves as a prior to the subsequent period and so on. The results pointed to a large interconnection between markets and several evidences of contagion in times of financial crises, with well-defined responsibles and highly supported by the literature. Moreover, the pairs of countries that show evidence of financial contagion by Bayesian networks in over periods of crises were the same as that presented the highest values of the parameters estimated by copulas and the most strongly significant parameters in the multivariate GARCH model. Thus, the results obtained by Bayesian networks become more relevant, suggesting good adherence of the model to the data set used in this study. Finally, it was found that after the various crises, the markets were much more connected.

Esta dissertação teve como objetivo o estudo de modelos para séries temporais bivariadas, que tem a estrutura de dependência determinada por meio de funções de cópulas. A vantagem desta abordagem é que as cópulas fornecem uma descrição completa da estrutura de dependência. Em termos de inferência, foi adotada uma abordagem Bayesiana com utilização dos métodos de Monte Carlo via cadeias de Markov (MCMC). Primeiramente, um estudo de simulações foi realizado para verificar como os seguintes fatores, tamanho das séries e variações nas funções de cópula, nas distribuições marginais, nos valores do parâmetro de cópula e nos métodos de estimação, influenciam a taxa de seleção de modelos segundo os critérios EAIC, EBIC e DIC. Posteriormente, foram realizadas aplicações a dados reais dos modelos com estrutura de dependência estática e variante no tempo / The aim of this work was to study models for bivariate time series, where the dependence structure among the series is modeled by copulas. The advantage of this approach is that copulas provide a complete description of dependence structure. In terms of inference was adopted the Bayesian approach with utilization of Markov chain Monte Carlo (MCMC) methods. First, a simulation study was performed to verify how the factors, length of the series and variations on copula functions, on marginal distributions, on copula parameter value and on estimation methods, may affect models selection rate given by EAIC, EBIC and DIC criteria. After that, we applied the models with static and time-varying dependence structure to real data

During stormy weathers ships searched for safe havens to stay until the storm had subsided. In much similarity to these ships, investors on the financial markets search for safe assets when the markets start to shake. What could be considered a safe asset seems to be a never-ending discussion but many points out gold as one. However, no further observations of gold as a safe haven on the Swedish financial market has been made. The purpose of this research is to examine if gold could act as a safe haven in Sweden. The data used in this research is daily returns from OMXS30 and the 10-year Swedish government bond, where all returns also has been denominated in U.S. dollar. Further, statistical model has been used. The result show that gold potentially could act as a ‘safe haven’ for denominated stock returns but not for bond returns. Further, the result show that gold could act as a hedge for stock and bond return (non-denominated). The study concludes that gold does not act as a safe haven for stocks or bonds in Sweden. However, gold show weak safe haven attributes for denominated stock return.

[pt] Esta dissertação examina os impactos das boas práticas de governança corporativa na volatilidade dos retornos das ações dentro e fora de momentos de crise. Dados de freqüência diária foram utilizados para estimar modelos Autoregressivos Generalizados de Heterocedasticidade Condicional (GARCH) para quarenta e nove papéis negociados na Bolsa de Valores de São Paulo (BOVESPA). As evidências indicam um efeito negativo na maioria das séries analisadas. Para algumas ações, a redução da volatilidade é ainda maior em períodos de choques negativos. Foi encontrado, ainda, o resultado de que o risco mitigado é o idiossincrático e, desta forma, governança incentiva a manutenção da concentração de propriedade. / [en] This dissertation examines impacts of good practices of corporate governance on the volatility of returns in and out crisis periods. Daily data are used to estimate Generalized Autoregressive Conditional Heteroskedastic (GARCH) models for forty nine stocks traded on the São Paulo Stock Exchange (BOVESPA. It is found evidence of a negative impact on the majority of the analyzed series. For some stocks, the reduction of the volatility is even greater in crisis periods. It was also found that the risk mitigated is the idiosyncratic one and, thus, governance incentives the maintenance of ownership concentration.

[pt] Em Fleming, Kirby e Ostdiek (2001), encontram-se evidências de que a utilização de modelos de previsão da volatilidade, possui valor econômico significante quando se compara simplesmente com a matriz de variância incondicional, num arcabouço de otimização de portfólio. Indo além, este trabalho propõem averiguar se os modelos mais complexos de Correlação Condicional Constante (CCC) e Dinâmica (DCC) sugeridos respectivamente por Bollerslev (1990) e Engle (2002) podem oferecer melhores resultados. Os resultados encontrados são dependentes da preferência do investidor. Um investidor mais avesso ao risco, terá maior utilidade ao empregar o modelo DCC e CCC quando comparado ao simples modelo da média móvel com decaimento exponencial, popularizados por RiskMetrics. Isso ocorre porque os modelos DCC e CCC apresentam desvio padrão e retorno geralmente inferiores. Ainda, não é possível afirmar como em Fleming, Kirby e Ostdiek (2001) que a utilização de modelos de previsão da volatilidade, possui valor econômico significante. / [en] At Fleming, Kirby e Ostdiek (2001), evidences are found that volatility timming models, have signicant economic value when comparing with the simple unconditional variance matrix, in a framework of portfolio optimization. Going further, this work analyze if the more complex Constant (CCC) and Dynamic (DCC) Conditional Corrrelation models, suggested respectivily by Bollerslev (1990) and Engle (2002) can have a higher performance. The results found depend on the investor´s preference. A more risk averse investor has a higher utility level employing the DCC and CCC models when comparing with the simple exponencial moving avarage model, popularized by RiskMetrics. This happens because the DCC and CCC models usually have smaller standard deviation and return. Futhermore, it is not possible to assert, like at Fleming, Kirby e Ostdiek (2001), that volatility timming models have higher economic value.

Neste trabalho analisaremos a utilização dos modelos de mudança de regime markoviano para a variância condicional. Estes modelos podem estimar de maneira fácil e inteligente a variância condicional não observada em função da variância anterior e do regime. Isso porque, é razoável ter coeficientes variando no tempo dependendo do regime correspondentes à persistência da variância (variância anterior) e às inovações. A noção de que uma série econômica possa ter alguma variação na sua estrutura é antiga para os economistas. Marcucci (2005) comparou diferentes modelos com e sem mudança de regime em termos de sua capacidade para descrever e predizer a volatilidade do mercado de valores dos EUA. O trabalho de Hamilton (1989) foi uns dos mais importantes para o desenvolvimento de modelos com mudança de regime. Inicialmente mostrou que a série do PIB dos EUA pode ser modelada como um processo que tem duas formas diferentes, uma na qual a economia encontra-se em crescimento e a outra durante a recessão. O câmbio de uma fase para outra da economia pode seguir uma cadeia de Markov de primeira ordem. Utilizamos as séries de índice Bovespa e S&P500 entre janeiro de 2003 e abril de 2012 e ajustamos o modelo GARCH(1,1) com mudança de regime seguindo uma cadeia de Markov de primeira ordem, considerando dois regimes. Foram consideradas as distribuições gaussiana, t de Student e generalizada do erro (GED) para modelar as inovações. A distribuição t de Student com mesmo grau de liberdade para ambos os regimes e graus distintos se mostrou superior à distribuição normal para caracterizar a distribuição dos retornos em relação ao modelo GARCH com mudança de regime. Além disso, verificou-se um ganho no percentual de cobertura dos intervalos de confiança para a distribuição normal, bem como para a distribuição t de Student com mesmo grau de liberdade para ambos os regimes e graus distintos, em relação ao modelo GARCH com mudança de regime quando comparado ao modelo GARCH usual. / In this work we analyze heterocedastic financial data using Markov regime switching models for conditional variance. These models can estimate easily the unobserved conditional variance as function of the previous variance and the regime. It is reasonable to have time-varying coefficients corresponding to the persistence of variance (previous variance) and innovations. The economic series notion may have some variation in their structure is usual for economists. Marcucci (2005) compared different models with and without regime switching in terms of their ability to describe and predict the volatility of the U.S. market. The Hamiltons (1989) work was the most important one in the regime switching models development. Initially showed that the series of U.S. GDP can be modeled as a process that has two different forms one in which the economy is growing and the other during the recession. The change from one phase to another economy can follow a Markov first order chain. We use the Bovespa series index and S&P500 between January 2003 and April 2012 and fitted the GARCH (1,1) models with regime switching following a Markov first order chain, considering two regimes. We considered Gaussian distribution, Student-t and generalized error (GED) to model innovations. The t-Student distribution with the same freedom degree for both regimes and distinct degrees showed higher than normal distribution for characterizing the distribution of returns relative to the GARCH model with regime switching. In addition, there was a gain in the percentage of coverage of the confidence intervals for the normal distribution, as well as the t-Student distribution with the same freedom degree for both regimes and distinct degrees related to GARCH model with regime switching when compared to the usual GARCH model.

Uma das informações mais importantes no mercado financeiro é a variabilidade de um ativo. Diversos modelos foram propostos na literatura com o intuito de avaliar este fenômeno. Dentre eles podemos destacar os modelos GARCH. Este trabalho propõe o uso do método Monte Carlo Hamiltoniano (HMC) para a estimação dos parâmetros do modelo GARCH univariado e multivariado. Estudos de simulação são realizados e as estimativas comparadas com o método de estimação Metropolis-Hastings presente no pacote BayesDccGarch. Além disso, compara-se os resultados do método HMC com a metodologia adotada no pacote rstan. Por fim, é realizado uma aplicação a dados reais utilizando o DCC-GARCH bivariado e os métodos de estimação HMC e Metropolis-Hastings. / One of the most important informations in financial market is variability of an asset. Several models have been proposed in literature with a view of to evaluate this phenomenon. Among them we have the GARCH models. This paper use Hamiltonian Monte Carlo (HMC) methods for estimation of parameters univariate and multivariate GARCH models. Simulation studies are performed and the estimatives compared with Metropolis-Hastings methods of the BayesDcc- Garch package. Also, we compared the results of HMC method with the methodology present in rstan package. Finally, a application with real data is performed using bivariate DCC-GARCH and the methods of estimation HMC and Metropolis-Hastings.

The aim of the thesis is to identify an appropriate model in forecasting Value-at-Risk on a morevolatile period than that one from which the model is estimated. We estimate 1-day-ahead and10-days-ahead Value-at-Risk on a number of exchange rates. The Value-at-Risk estimates arebased on three models combined with three distributional assumptions of the innovations, andthe evaluations are made with Kupiec's (1995) test for unconditional coverage. The data rangesfrom January 1st 2006 through June 30th 2011. The results suggest that the GARCH(1,1) andGJR-GARCH(1,1) with normally distributed innovations are models adequately capturing theconditional variance in the series.

Keliami uždaviniai: GARCH modelių klasės taikymas ilgo periodo finansiniams duomenims: modelių parametrų paieška, jų vertinimas, testavimas ir taikymas. Ilga atmintis sąlyginiame variantiškume yra viena iš empirinių savybių, kurią turi daugelis finansinių laiko eilučių. Viena modelių klasė, kuri atvaizduoja šį elgesį yra vadinama Dalinai Integruotu GARCH (Baillie, Bollerslev ir Mikkelsen 1996). Dalinės integracijos idėją pateikė ir ją pritaikė GARCH struktūrai Granger (1980) ir Hosking (1981). Šiame darbe bus surastos analitinės FIGARCH proceso antros eilės logaritminės tikėtinumo funkcijos išvestinės. Ilgo diapazono priklausomybė bus apskaičiuota parametriniu dalinai integruotu GARCH modeliu. Finansinių laiko eilučių duomenys bus įvertinti GARCH (CGARCH(1), CGARCH(2)) ir FIGARCH(1,d,1)) modeliais maksimalaus tikėtinumo metodu. Taip pat bus sukurtas NASDAQ- NYSE santykinio stiprumo indikatorius bei patikrintos jo panaudojimo sąlygos. Iiustracija yra pateikta 5 akcijų indeksais, 2 valiutų santykiais, aukso bei NNSS duomenims. / The paper deals with the problems of applying GARCH model/framework to a long term financial data, the search of the models, their evaluation, testing/validation and application. Long memory in conditional variance is one of the empirical features exhibited by many financial time series. One class of models that was suggested to capture this behavior is the so-called Fractionally Integrated GARCH (Baillie, Bollerslev and Mikkelsen 1996) in which the ideas of fractional integration originally introduced by Granger (1980) and Hosking (1981) for processes of the mean are applied to GARCH framework. In this paper we derive analytic expressions for the second-order derivatives of the log-likelihood function of FIGARCH processes. Long-range dependence is assessed through the parametric fractionally integrated GARCH model. Financial time series data will be estimated Component GARCH (CGARCH(1), CGARCH(2)) and FIGARCH models maximum likelihood method. Also we built NASDAQ- NYSE relative strength indicator and tested its usage conditions. An illustration is provided on 2 exchange rate, 5 stock index, gold and NNSS data.

Ce mémoire s'intéresse à la transmission de la volatilité des marchés financiers. Les marchés canadien et américain sont étudiés durant la crise financière de 2008. Afin d'analyser ces transmissions, nous utilisons le modèle d'hétéroscédasticité conditionnelle autorégressive généralisé à corrélations conditionnelles dynamiques d'Engle (2002). La période analysée est du 1er janvier 2005 au 31 juillet 2010. Cette période se divise en deux sous-périodes, soit une période de calme et une période de crise. La période de calme est du 1er janvier 2005 au 8 septembre 2008 et la période de crise est du 9 septembre 2008 au 31 juillet 2010. Les résultats obtenus indiquent qu'il y a eu une transmission de volatilité des États-Unis vers le Canada durant cette crise. Nous avons aussi trouvé une augmentation des corrélations conditionnelles dynamiques entre le Canada et les États-Unis en temps de crise. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : GARCH multivarié, DCC-GARCH, crise financière, volatilité.