[pt] O modelo implementado neste trabalho, proposto em Barone-Adesi, Engle e Mancini (2008), utiliza o método da Simulação Histórica Filtrada em conjunto com a simulação de Monte Carlo para calibração de parâmetros de um modelo GARCH a partir do qual opções do mercado brasileiro são apreçadas. Os retornos da simulação são gerados a partir das inovações empíricas obtidas no modelo GARCH assimétrico ajustado aos retornos diários das ações. Os resultados obtidos apontam para ajustes satisfatórios dentro da amostra, quando comparado ao modelo de Black E Scholes. No entanto, fora da amostra, resultados similares foram verificados para ambos os modelos de apreçamento. / [en] The model implemented in this work, proposed by Barone-Adesi, Engle, and Mancini (2008), applies the Filtered Historical Simulation method based on Monte Carlo simulation to calibrate the parameters of a GARCH model in which options from Brazilian market are priced. The simulated returns are generated from empirical innovations obtained by an asymmetric GARCH model adjusted for daily stock returns. The results suggest a satisfactory in-sample fit when compared to the Black E Scholes model. However, similar results were observed out-of-sample for both pricing models.

[pt] Esta Dissertação apresenta um modelo para extrair fatores capazes de prever a volatilidade do índice de ações IBOVESPA, representativo do mercado de ações brasileiro. Esta metodologia é diferenciada por utilizar fatores que não incluem ativos da classe de ações. São utilizados fatores extraídos de classes de ativos de crédito, taxas de juros, moedas e commodities para precificar a volatilidade de um índice de ações. Além disso, os fatores são extraídos de painéis de volatilidades filtradas por modelos do tipo GARCH. / [en] It will be presented a model that is able to extract factors capable of predicting the volatility of IBOVESPA market index, which is representative of Brazilian equity market. This methodology is different from others because it won t use any inputs from equity asset classes. It will be used factors extracted from credit risk, interest rates, exchange rates and commodities data for pricing the volatility of an equity index. Besides that, those factors will be extracted from panels of volatility filtered by GARCH models.