We consider the stochastic volatility model with smooth transition and persistent la- tent factors. We argue that this model has advantages over the conventional stochastic model for the persistent volatility factor. Though the linear filtering is widely used in the state space model, the simulation result, as well as theory, shows that it does not work in our model. So we apply the density-based filtering method; in particular, we develop two methods to get solutions. One is the conventional approach using the Maximum Likelihood estimation and the other is the Bayesian approach using Gibbs sampling. We do a simulation study to explore their characteristics, and we apply both methods to actual macroeconomic data to extract the volatility generating process and to compare macro fundamentals with them. Next we extend our model into multivariate model extracting common and id- iosyncratic volatility for multivariate processes. We think it is interesting to apply this multivariate model into measuring time-varying uncertainty of macroeconomic variables and studying the links to market returns via a consumption-based asset pric- ing model. Motivated by Bansal and Yaron (2004), we extract a common volatility factor using consumption and dividend growth, and we find that this factor predicts post-war business cycle recessions quite well. Then, we estimate a long-run risk model of asset prices incorporating this macroeconomic uncertainty. We find that both risk aversion and the intertemporal elasticity of substitution are estimated to be around two, and our simulation results show that the model can match the first and second moments of market return and risk-free rate, hence the equity premium.

[pt] Realizar a previsão de volatilidade futura é algo que intriga muitos estudiosos, pesquisadores e pessoas do mercado financeiro. O modelo e a metodologia utilizados no cálculo são fundamentais para o apreçamento de opções e dependendo das variáveis utilizadas, o resultado se torna muito sensível, propiciando resultados diferentes. Tudo isso pode causar cálculos imprecisos e estruturação de estratégias erradas de compra e venda de ações e opções por empresas e investidores. Por isso, o objetivo deste trabalho é utilizar alguns modelos para o cálculo de volatilidade futura e analisar os resultados, avaliando qual o melhor modelo a ser empregado, propiciando uma melhor previsão da volatilidade futura. / [en] Make a prediction of future volatility is a subject that causes debate between scholars, researchers and people in the financial market. The modeal nd methodology used in the calculation are fundamental to the pricing of options and depending on the variables used, the result becomes very sensitive, giving different results. All this can cause inaccurate calculations and wrong strategies for buying and selling stocks and options by companies and investors. Therefore, the objective of this work is to use models for the calculation of future volatility and analyze the results, evaluating the best model to be used, allowing a better prediction of future volatility.

We compare the traditional GARCH models with a semiparametric approach based on extreme value theory and find that the semiparametric approach yields more accurate predictions of Value-at-Risk (VaR). Using traditional parametric approaches based on GARCH and EGARCH to model the conditional volatility, we calculate univariate one-day ahead predictions of Value-at-Risk (VaR) under varying distributional assumptions. The accuracy of these predictions is then compared to that of a semiparametric approach, based on results from extreme value theory. For the 95% VaR, the EGARCH’s ability to incorporate the asymmetric behaviour of return volatility proves most useful. For higher quantiles, however, we show that what matters most for predictive accuracy is the underlying distributional assumption of the innovations, where the normal distribution falls behind other distributions which allow for thicker tails. Both the semiparametric approach and the conditional volatility models based on the t-distribution outperform the normal, especially at higher quantiles. As for the comparison between the semiparametric approach and the conditional volatility models with t-distributed innovations, the results are mixed. However, the evidence indicates that there certainly is a place for extreme value theory in financial risk management.

[pt] Medida da magnitude de flutuação dos preços, a volatilidade é uma métrica importante para definir as estratégias de negociação e de controle de risco mais adequadas. Esse trabalho desenvolve um modelo de volatilidade fenomenológico baseado na rede microscópica heterogenea na qual os agentes especuladores respondem à chegada das informações. A dinâmica das características da volatilidade, modeladas por processos estocásticos, é governada por assimetrias no fluxo de informação através de diferentes resoluções temporais de análise. Entre essas características, destacamos os fatos estilizados de memória longa, clustering e efeito de alavancagem. Essas propostas são elucidadas através da análise empírica das séries de preço de um minuto do índice Ibovespa no período de dez anos. / [en] Volatility, as a metric for price uncertainty, is an important quantity for suitable trade strategy and risk control. This work develops a phenomenological volatility model based on a heterogeneous microstructure framework in which the market agents of speculative activity respond to information arrivals. The dynamic features of volatility, modeled as a stochastic process, is governed by asymmetries in the informational flow across different time resolutions. Among these features, we highlight the stylized facts of long memory, clustering and leverage effect. These proposals are contrasted with our empirical analysis of a ten-year time series of one-minute Brazilian market Index.

[pt] O objeto desta dissertação é desenvolver um modelo baseado em técnicas de simulação e árvore binomial para valorar uma opção de compra européia sobre um contrato futuro. Os modelos diferem na abordagem da estimação de parâmetros e principalmente na estrutura de geração das taxas futuras. O modelo Black, Derman & Toy utiliza árvore binomiais para construir possibilidades futuras de exercício da opção. Este modelo é classificado de não arbitragem porque utiliza a estrutura a termo da taxa de juros como informação inicial para precificar derivativos de taxa de juros como títulos. O modelo de Vasicek é classificado como modelo de equilíbrio porque assume que o processo estocástico da taxa de juros possui um fator comum de incerteza simulada pelo método de Monte Carlo. A ferramenta será fundamentada na teoria de derivativos e processos estocásticos para simular o comportamento do ativo objeto. O trabalho a ser desenvolvido enfoca um modelo de um fator, no qual toda a estrutura a termo da taxa de juros é explicada pela evolução da taxa de juros spot. / [en] The object of this work is to develop a model based on techniques of simulation and binomial tree to valuate a call option over a future contract. The tool will be based on the theory of derivatives and stochastic processes to simulate the behavior of the active object. The model Black, Derman & Toy uses binomial tree to construct future possibilities of exercise of the option. This model is classified of not arbitration because it uses the yeld curve as initial information to valuate derivatives of interests. The model of Vasicek is classified as balance model because it assumes that the random process of the tax of interests has one factor of uncertainty simulated for the Monte method Carlo. The work developed is a model of one factor which all the structure the term of the tax of interests is explained by the evolution of the tax of interests spot.

Estudos recentes relacionados ao meio ambiente vêm ganhando grande destaque em todo o mundo devido ao fato dos níveis de poluição e a destruição das reservas naturais terem aumentado de maneira alarmante nos últimos anos. As grandes cidades são as que mais sofrem com a poluição e aqui serão estudados os níveis de poluição do ar em duas cidades em particular, a Cidade do México e São Paulo. A Cidade do México apresenta sérios problemas com os níveis de ozônio e São Paulo é a cidade brasileira com os maiores problemas relacionados à poluição. Entre os diferentes modelos considerados para analisar dados de poluição do ar, pode-se considerar o uso de modelos de séries temporais para modelar as médias diárias ou semanais de poluição. Nessa direção pode-se usar modelos de volatilidade estocástica. Essa família de modelos estatísticos tem sido extensivamente usada para analisar séries temporais financeiras, porém não se observa muitas aplicações em dados ambientais e de saúde. Modelos de volatilidade estocástica bivariados e multivariados, sob a aproximação Bayesiana, foram considerados para analisar os dados, especialmente usando métodos MCMC (Monte Carlo em Cadeias de Markov) para obter os sumários a posteriori de interesse, pois pode-se ter muitas dificuldades usando métodos clássicos de inferência estatística / Recent studies related to environmental has been considered in all world due to increasing levels of pollution and of natural resources destruction especially, in the last years. The largest cities in the world are the ones been mostly affected by pollution and in this work we consider the analysis of air pollution data of two important cities: Mexico City and São Paulo. The Mexico City presents serious problems of ozone levels and São Paulo is the Brazilian city with the largest problems related to air pollution. Among the different models which could be used to analyze air pollution data, we consider the use of time series modeling to the weekly or daily levels of pollution. In this way, we consider the use of volatility stochastic models. This family of models has been well explored with financial data but not well explored to analyze environmental and health data. Bivariate and multivariate stochastic models under the Bayesian approach were considered to analyze the data, especially using MCMC (Markov Chain Monte Carlo) methods to obtain the posterior summary of interest, since we usually have big difficulties using standard classical inference methods

[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.

Estudos recentes relacionados ao meio ambiente vêm ganhando grande destaque em todo o mundo devido ao fato dos níveis de poluição e a destruição das reservas naturais terem aumentado de maneira alarmante nos últimos anos. As grandes cidades são as que mais sofrem com a poluição e aqui serão estudados os níveis de poluição do ar em duas cidades em particular, a Cidade do México e São Paulo. A Cidade do México apresenta sérios problemas com os níveis de ozônio e São Paulo é a cidade brasileira com os maiores problemas relacionados à poluição. Entre os diferentes modelos considerados para analisar dados de poluição do ar, pode-se considerar o uso de modelos de séries temporais para modelar as médias diárias ou semanais de poluição. Nessa direção pode-se usar modelos de volatilidade estocástica. Essa família de modelos estatísticos tem sido extensivamente usada para analisar séries temporais financeiras, porém não se observa muitas aplicações em dados ambientais e de saúde. Modelos de volatilidade estocástica bivariados e multivariados, sob a aproximação Bayesiana, foram considerados para analisar os dados, especialmente usando métodos MCMC (Monte Carlo em Cadeias de Markov) para obter os sumários a posteriori de interesse, pois pode-se ter muitas dificuldades usando métodos clássicos de inferência estatística / Recent studies related to environmental has been considered in all world due to increasing levels of pollution and of natural resources destruction especially, in the last years. The largest cities in the world are the ones been mostly affected by pollution and in this work we consider the analysis of air pollution data of two important cities: Mexico City and São Paulo. The Mexico City presents serious problems of ozone levels and São Paulo is the Brazilian city with the largest problems related to air pollution. Among the different models which could be used to analyze air pollution data, we consider the use of time series modeling to the weekly or daily levels of pollution. In this way, we consider the use of volatility stochastic models. This family of models has been well explored with financial data but not well explored to analyze environmental and health data. Bivariate and multivariate stochastic models under the Bayesian approach were considered to analyze the data, especially using MCMC (Markov Chain Monte Carlo) methods to obtain the posterior summary of interest, since we usually have big difficulties using standard classical inference methods

[pt] O presente trabalho visa generalizar a modelagem do tempo entre os negócios ocorridos no mercado financeiro, doravante chamado duração, e estudar os impactos destas duraçõoes sobre a volatilidade instântanea. O estudo foi realizado por meio do modelo linear ACD (autoregression conditional duration) proposto por Engel e Russel[3], os quais usaram a distribuição Exponencial e Weibull para as inovações, e o modelo GARCH-t para dados com alta freqüência para modelar a volatilidade instântanea, também usando a proposição de Engel e Russel[3]. A generalização faz uso da Gama Generalizada proposta em Zhang, Russel & Tsay[9] em um modelo de duração não linear conhecido como TACD (threshold autoregressive conditional duration). A justificativa para o estudo das durações com a Gama Generalizada é obter uma modelo mais flexível que o proposto por Engel e Russel[3]. Os resultados do modelo ACD com as inovações seguindo uma Gama Generalizada se mostrou mais adequado capturando a sub-dispersão dos dados. A seguir estimamos o modelo de volatilidade instantânea usando as durações estimadas como variáveis explicativas encontrando resultados compatíveis com a literatura. / [en] This work generalizes the duration model, the time elapsed between two consecutive transactions, such as financial transactions data; and explores the consequences of durations in the instantaneous volatility. The approach have been motivated by Engel and Russel[3], that proposed an autoregressive conditional duration (ACD) model to explain the variation of volatility, where the innovations proposes were Exponential andWeibull distributions. Besides they used the GARCH-t to modeling the instantaneous volatility in high frequency data. This work uses the Generalized Gamma to the innovations in order to generalize the ACD model, this distribution has been first suggested by Zhang, Russel and Tsay[9], in the threshold ACD (TACD) framework. We justify the generalized Gamma specification in order to allow for more flexibility than the ACD model of Engel and Russel[3]. We find evidences that the ACD model with this specification was better to captur the behavior such as sub- dispersion.

There are some nonlinear models for pricing financial derivatives which can improve the linear Black-Scholes model introduced by Black, Scholes and Merton. In these models volatility is not constant anymore, but depends on some extra variables. It can be, for example, transaction costs, a risk from a portfolio, preferences of a large trader, etc. In this thesis we focus on these models. In the first chapter we introduce some important theory of financial derivatives. The second chapter is devoted to the volatility models. We derive three models concerning transaction costs (RAPM, Leland's  and Barles-Soner's model) and Frey's model which assumes a large (dominant) trader on the market. In the third and in the forth chapter we derive portfolio and make numerical experiments with a free boundary. We use the first order additive and the second order Strang splitting methods. We also use approximations of Barles-Soner's model using the identity function and introduce an approximation with the logarithm function of Barles-Soner's model. These models we finally compare with models where the volatility includes constant transaction costs.