Submitted by Mario BC (mario@bc.ufrpe.br) on 2018-05-08T14:43:00Z No. of bitstreams: 1 Luisa Matos de Barros Correia.pdf: 1973494 bytes, checksum: 769a67cd14058a253734b32b3b94255a (MD5) / Made available in DSpace on 2018-05-08T14:43:00Z (GMT). No. of bitstreams: 1 Luisa Matos de Barros Correia.pdf: 1973494 bytes, checksum: 769a67cd14058a253734b32b3b94255a (MD5) Previous issue date: 2018-02-27 / The purpose of this paper is to identify whether the normality assumption that is used to calculate the Value at Risk (VaR) is valid, or if the Laplace Probability Distribution Function is more appropriate in real markets. Such identification is done through adherence Kolmogorov-Smirnov test (KS). It was observed that Laplace Distribution had better adhesion, in detriment of Normal Distribution. Thus, the VAR was calculated using the Laplace Distribution parameters. The ARIMA time series prediction model (Auto Regressive Integrated Moving Average), applied to the values calculated by the VaR considering the Laplace distribution, was able to model the temporal dynamics of the estimated risk behavior for the state markets. It used the error Average Percentage Absolute (MAPE) as a measure of adequacy of the ARIMA model to the data. The experiments were carried out with 25 indices worldwide, including: BVSP (IBOVESPA - Brazil), CSE (COLOMBO IND ALL SHS - Sri Lanka), DJI (Dow Jones Industrial Average - USA), FCHI IPC - Mexico), N225 (Nikkei 225 - Japan) and XU100.IS (BIST 100 - Turkey). The single index to reject more than 10% of the data when considered Laplace distribution was XU100.IS (BIST 100 - Turkey), obtaining one ASM value of 31.98%, followed by XMI (NYSE ARCA market index MAJOR USA) with a value of 28.59%. / O presente trabalho visa identificar se o pressuposto de normalidade que é usado para o cálculo do VaR (sigla em inglês para Valor em Risco) é válido, ou se a Função de Distribuição Probabilidade de Laplace é mais adequada em mercados reais. Tal identificação será feita através do teste de aderência de Kolmogorov-Smirnov (KS). Observou-se que a Distribuição de Laplace teve melhor aderência, em detrimento da Distribuição Normal. Assim, calculouse o VAR utilizando os parâmetros da Distribuição de Laplace. O modelo de previsão de séries temporais ARIMA (Auto Regressivo Integrado de Média Móvel), aplicado aos valores calculados pelo VaR considerando a distribuição de Laplace, foi capaz de modelar a dinâmica temporal do comportamento de risco estimado para os mercados. Foi utilizado o Erro Percentual Médio Absoluto (MAPE) como medida de adequação do modelo ARIMA aos dados. Os experimentos foram realizados com 25 índices mundiais, entre eles: BVSP (IBOVESPA - Brasil), CSE (COLOMBO IND ALL SHS - Sri Lanka), DJI (Dow Jones Industrial Average - EUA), FCHI (CAC 40 - França), MXX (IPC - México), N225 (Nikkei 225 - Japão) e XU100.IS (BIST 100 - Turquia). O único índice que rejeitou mais de 10% dos dados quando considerado a Distribuição de Laplace foi o XU100.IS (BIST 100 - Turquia), tendo obtido um valor de MAPE de 31,98%, seguido do XMI (NYSE ARCA MAJOR MARKET INDEX - USA) com o valor de 28,59%.