[pt] Nesta dissertação será proposta uma metodologia que contabiliza o risco de inadimplência no mercado, decorrentes de débitos não pagos à câmara de comercialização de energia elétrica (CCEE) nas estratégias de contratação de geradores renováveis. As incertezas relacionadas à geração e ao preço de curto prazo são consideradas através da simulação de cenários exógenos ao modelo como habitual em otimização estocástica. A otimização robusta é empregada através de conjuntos de incerteza poliédricos a fim de modelar a inadimplência do mercado. Dessa maneira, a metodologia proposta se baseia em um modelo matemático híbrido, robusto e estocástico. De forma mais objetiva, um modelo de dois níveis é proposto com tantos problemas de segundo nível quanto o número de cenários considerados para a produção renovável. No primeiro nível, as decisões de contratação são feitas. Em seguida, para cada cenário de geração, o problema de segundo nível encontra a pior inadimplência com base na carteira de contratos encontrados pelo primeiro nível. Para resolver o problema, o modelo de dois níveis é reescrito como um problema linear equivalente de um único nível. O perfil de risco do agente é definido por meio do conhecido valor condicional em risco (conditional value-a-risk), uma medida coerente de risco. Para ilustrar a eficácia do modelo de contratação, são realizados estudos de casos com dados realistas do sistema de energia brasileiro. / [en] In this dissertation we propose a new methodology to account for the market default risk, arising from debts not paid to the market clearing house, in the renewable generators contracting strategy. Renewable generation and spot price uncertainties are considered through exogenous simulated scenarios as customary in stochastic optimization. Robust optimization with polyhedral uncertainty sets is employed to account for the market default. Thus, the proposed methodology is based on a hybrid robust and stochastic mathematical program. More objectively, a bi-level model is proposed with as many second-level problems as the number of scenarios considered for the renewable production. In the first level, contracting decisions are made. Then, for each generation scenario, a second-level problem finds the worst-case default based on the portfolio of contracts found by the first level. To solve the problem, the bi-level model is rewritten as a single-level equivalent linear problem. The agent s risk profile is defined by means of the well-known conditional value-at-risk coherent risk measure. To illustrate the effectiveness of the contracting model, case studies are performed with realistic data from the Brazilian power system.

Orientador: Roberto Andreani / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-10T15:35:32Z (GMT). No. of bitstreams: 1 Magro_RogerioCorrea_M.pdf: 1309841 bytes, checksum: 3935050b45cf1bf5bbba46ac64603d72 (MD5) Previous issue date: 2008 / Resumo: Dado um capital C e n opções de investimento (ativos), o problema de seleção de portfolio consiste em aplicar C da melhor forma possivel para um determinado perfil de investidor. Visto que, em geral, os valores futuros destes ativos não são conhecidos, a questão fundamental a ser respondida e: Como mensurar a incerteza? No presente trabalho são apresentadas tres medidas de risco: O modelo de Markowitz, o Value-at-Risk (VaR) e o Conditional Value-At-Risk (CVaR). Defendemos que, sob o ponto de vista teorico, o Valor em Risco (VaR) e a melhor dentre as tres medidas. O motivo de tal escolha deve-se ao fato de que, para o VaR, podemos controlar a influencia que os cenários catastroficos possuem sobre nossas decisões. Em contrapartida, o processo computacional envolvido na escolha de um portfolio ótimo sob a metodologia VaR apresenta-se notadamente mais custoso do que aqueles envolvidos nos calculos das demais medidas consideradas. Dessa forma, nosso objetivo e tentar explorar essa vantagem computacional do Modelo de Markowitz e do CVaR no sentido de tentar aproximar suas decisões aquelas apontadas pela medida eleita. Para tal, consideraremos soluções VaR em seu sentido original (utilizando apenas o parametro de confiabilidade ao buscar portfolios otimos) e soluções com controle de perda (impondo uma cota superior para a perda esperada) / Abstract: Given a capital C and n investment options (assets), the problem of portfolio selection consists of applying C in the best possible way for a certain investor profile. Because, in general, the future values of these assets are unknown, the fundamental question to be answered is: How to measure the uncertainty? In the present work three risk measures are presented: The Markowitz¿s model, the Value-at-Risk (VaR) and the Conditional Value-at-Risk (CVaR). We defended that, under the theoretical point of view, the Value in Risk (VaR) is the best amongst the three measures. The reason of such a choice is due to the fact that, for VaR, we can control the influence that the catastrophic sceneries possess about our decisions. In the other hand, the computational process involved in the choice of a optimal portfolio under the VaR methodology comes notedly more expensive than those involved in the calculations of the other considered measures. In that way, our objective is to try to explore that computational advantage of the Markowitz¿s Model and of CVaR in the sense of trying to approach its decisions the those pointed by the elect measure. For such, we will consider VaR solutions in its original sense (just using the confidence level parameter when looking for optimal portfolios) and solutions with loss control (imposing a superior quota for the expected loss) / Mestrado / Otimização / Mestre em Matemática Aplicada

Orientador: Jose Mario Martinez Perez / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-10T15:09:35Z (GMT). No. of bitstreams: 1 Bueno_LuisFelipeCesardaRocha_M.pdf: 1111693 bytes, checksum: 531a933822f5dcf9cacad7dea6be5f53 (MD5) Previous issue date: 2008 / Resumo: Nesta dissertacao fazemos uma exposicao sobre alguns modelos matematicos com aplicacoes em economia. Dentre os modelos estudados destacamos a versao discreta das populares medidas de risco VaR (Value at Risk ) e C-VaR (Conditional Value at Risk ). Discutimos algumas propriedades de tais medidas, e, principalmente, expomos sobre algumas ideias para otimiza-las sob uma formulação do tipo OVO (Order Value Optimization) e propomos uma nova formulação para o problema de minimizar a VaR / Abstract: In this dissertation we make a presentation on some mathematical models with applications in economics. Among the studied models we highlight a discrete version of the popular risk measures VaR (Value at Risk) and C-VaR (Conditional Value at Risk). We discuss about some properties of such measures, and, above all, expose on some ideas for optimizing the VaR and CVaR under a OVO (Order Value Optimization) formulation and propose a new formulation to the problem of minimizing the VaR / Mestrado / Otimização / Mestre em Matemática Aplicada

[pt] A formação do portfólio de uma empresa de Petróleo envolve complexas decisões devido ao ambiente de incertezas e é de extrema importância na definição do futuro estratégico da empresa. Recentemente, a otimização de um portfólio de ativos de exploração e produção de petróleo vem sendo amplamente tratada na literatura, entretanto observa-se uma escassez de trabalhos que consideram a otimização do portfólio de refino. Este trabalho tem por objetivo propor um modelo de formação de portfólio para empresas do setor de óleo e gás, que possuem atividades tanto no segmento de exploração e produção (upstream) quanto no segmento de refino (downstream), levando em conta a integração entre ambos. Assim como nos modelos tradicionais, os preços do barril de petróleo e a produtividade dos campos serão tratadas como incertezas. O modelo proposto utilizará técnicas de programação estocástica com aversão a risco, medido pelo CVaR (Conditional Value-at-Risk). A fim de validar a metodologia proposta, um estudo de caso baseado em uma empresa de óleo e gás será apresentado. A aplicação numérica indicou que o modelo que otimiza o portfólio conjunto de upstream e downstream apresenta resultado da função objetivo até 28 por cento superior ao modelo usualmente tratado na literatura que trata apenas do portfólio de upstream. / [en] The portfolio allocation of an Oil and Gas company involves complex decisions within an uncertain environment and is extremely important in defining the firm s economical and financial future behavior. Recently, the portfolio selection problem for oil exploration and production (E&P) projects has been widely treated in the literature, however, few studies consider the optimization of the combined upstream and downstream portfolio. The purpose of this work is to propose a portfolio selection model for oil and gas companies, which operates both in exploration and production (upstream) and in refining (downstream), considering the integration between them. Crude oil prices and fields performance are the main uncertainties of the problem. The proposed model makes use of risk aversion stochastic programming techniques, measured by CVaR (conditional value at risk). To validate the proposed methodology a case study based on an Oil Company will be presented. The numerical application indicates that the model considering both upstream and downstream portfolio presents objective function results 28 percent higher than the model usually used in the literature that only optimizes the upstream portfolio.

[pt] O desenvolvimento de métodos simples e efetivos para estimar o valor da curva forward de energia elétrica pode permitir que participantes do mercado precifiquem adequadamente suas posições especulativas ou defensivas. Uma ferramenta como esta poderia promover maior transparência para a definição dos preços futuros permitindo que os participantes do mercado futuro possam atuar com mais segurança e trazendo com isso um necessário aumento de liquidez. Neste trabalho apresento um modelo com dois agentes representativos que administram sua exposição ao risco através de um contrato por diferenças entre o preço futuro esperado da energia elétrica na região Sudeste no Brasil e um preço de referência. Demonstra-se que este mecanismo pode abranger todos os participantes do mercado, quer sejam especuladores ou agentes envolvidos na comercialização. A função de utilidade de cada participante é modelada utilizando uma versão Generalizada da Preferência CVaR Estendida (ECP-G) e o equilíbrio nesta transação é obtido através da minimização da diferença quadrática do equivalente certo destes agentes. Os resultados obtidos são comparados às previsões de mercado feitas por especialistas para o mesmo período e demonstram aderência dentro e fora da amostra. / [en] The development of simple and effective mechanisms to estimate the value of the forward curve of power could enable market participants to better price hedging or speculative positions. This could in turn provide transparency in future price definition to all market participants and lead to more safety and liquidity in the market for electricity futures and power derivatives. This work presents a model for two market participants, a buyer and a seller of a contract for difference on the future spot price of electricity in southwest Brazil. It is shown that this model is representative of all market participants that have exposure to the future price of power. Each participant s utility function is modelled using a Generalized Extended CVaR Preference (ECP-G) and the market equilibrium is obtained through the minimization of the quadratic difference between the certainty equivalent of both agents. The results are compared with prediction of the future spot price of power made by market specialists and found to yield reasonable results when using out of sample data.

A comercialização de energia elétrica de fontes renováveis, ordinariamente, constitui-se uma atividade em que as operações são estruturadas sob condições de incerteza, por exemplo, em relação ao preço \"spot\" no mercado de curto prazo e a geração de energia dos empreendimentos. Deriva desse fato a busca dos agentes pela formulação de estratégias e utilização de ferramentais para auxiliá-los em suas tomadas de decisão, visando não somente o retorno financeiro, mas também à mitigação dos riscos envolvidos. Análises de investimentos em fontes renováveis compartilham de desafios similares. Na literatura, o estudo da tomada de decisão considerada ótima sob condições de incerteza se dá por meio da aplicação de técnicas de programação estocástica, que viabiliza a modelagem de problemas com variáveis randômicas e a obtenção de soluções racionais, de interesse para o investidor. Esses modelos permitem a incorporação de métricas de risco, como por exemplo, o Conditional Value-at-Risk, a fim de se obter soluções ótimas que ponderem a expectativa de resultado financeiro e o risco associado da operação, onde a aversão ao risco do agente torna-se um condicionante fundamental. O objetivo principal da Tese - sob a ótica dos agentes geradores, consumidores e comercializadores - é: (i) desenvolver e implementar modelos de otimização em programação linear estocástica com métrica CVaR associada, customizados para cada um desses agentes; e (ii) aplicá-los na análise estratégica de operações como forma de apresentar alternativas factíveis à gestão das atividades desses agentes e contribuir com a proposição de um instrumento conceitualmente robusto e amigável ao usuário, para utilização por parte das empresas. Nesse contexto, como antes frisado, dá-se ênfase na análise do risco financeiro dessas operações por meio da aplicação do CVaR e com base na aversão ao risco do agente. Considera-se as fontes renováveis hídrica e eólica como opções de ativos de geração, de forma a estudar o efeito de complementaridade entre fontes distintas e entre sites distintos da mesma fonte, avaliando-se os rebatimentos nas operações. / The renewable energy trading, ordinarily, is an activity in which mostly operations are structured under uncertainty conditions, for instance, in relation to the energy spot price and assets generation. Derives from this fact the search of the agents for strategies formulation based on computational tools to assist their decision-making process, not only seeking financial returns, but also to mitigate the risks involved. Investments analysis in renewable sources share the same challenges. In the literature, the study of optimal decision-making under uncertainty conditions is made through the application of stochastic programming techniques, which enable modeling problems with random variables and find rational solutions. These models allow the incorporation of risk metrics, as the \"Conditional Value-at-Risk (CVaR)\", to provide optimal solutions that weigh the expected financial results and the associated risk, in which the agent\'s risk-aversion becomes an essential condition for defining the operation strategy. From the perspective of generators, consumers and traders agents, the main purposes of this thesis are: (i) to develop customized optimization models with CVaR metric associated, optimized in stochastic linear programming; and (ii) to apply the models for strategic analysis of operations under the risk-return binomial, focusing on the management activities of each of these agents, and considering renewable sources as option. In this context, the emphasis is on analysis of the operations financial risks through the application of CVaR and based on the agent\'s risk-aversion level. Furthermore, the hydro and wind renewables sources are options of generation assets in order to study the seasonal generation complementarity effect among them and the consequences on energy trading strategies.

A comercialização de energia elétrica de fontes renováveis, ordinariamente, constitui-se uma atividade em que as operações são estruturadas sob condições de incerteza, por exemplo, em relação ao preço \"spot\" no mercado de curto prazo e a geração de energia dos empreendimentos. Deriva desse fato a busca dos agentes pela formulação de estratégias e utilização de ferramentais para auxiliá-los em suas tomadas de decisão, visando não somente o retorno financeiro, mas também à mitigação dos riscos envolvidos. Análises de investimentos em fontes renováveis compartilham de desafios similares. Na literatura, o estudo da tomada de decisão considerada ótima sob condições de incerteza se dá por meio da aplicação de técnicas de programação estocástica, que viabiliza a modelagem de problemas com variáveis randômicas e a obtenção de soluções racionais, de interesse para o investidor. Esses modelos permitem a incorporação de métricas de risco, como por exemplo, o Conditional Value-at-Risk, a fim de se obter soluções ótimas que ponderem a expectativa de resultado financeiro e o risco associado da operação, onde a aversão ao risco do agente torna-se um condicionante fundamental. O objetivo principal da Tese - sob a ótica dos agentes geradores, consumidores e comercializadores - é: (i) desenvolver e implementar modelos de otimização em programação linear estocástica com métrica CVaR associada, customizados para cada um desses agentes; e (ii) aplicá-los na análise estratégica de operações como forma de apresentar alternativas factíveis à gestão das atividades desses agentes e contribuir com a proposição de um instrumento conceitualmente robusto e amigável ao usuário, para utilização por parte das empresas. Nesse contexto, como antes frisado, dá-se ênfase na análise do risco financeiro dessas operações por meio da aplicação do CVaR e com base na aversão ao risco do agente. Considera-se as fontes renováveis hídrica e eólica como opções de ativos de geração, de forma a estudar o efeito de complementaridade entre fontes distintas e entre sites distintos da mesma fonte, avaliando-se os rebatimentos nas operações. / The renewable energy trading, ordinarily, is an activity in which mostly operations are structured under uncertainty conditions, for instance, in relation to the energy spot price and assets generation. Derives from this fact the search of the agents for strategies formulation based on computational tools to assist their decision-making process, not only seeking financial returns, but also to mitigate the risks involved. Investments analysis in renewable sources share the same challenges. In the literature, the study of optimal decision-making under uncertainty conditions is made through the application of stochastic programming techniques, which enable modeling problems with random variables and find rational solutions. These models allow the incorporation of risk metrics, as the \"Conditional Value-at-Risk (CVaR)\", to provide optimal solutions that weigh the expected financial results and the associated risk, in which the agent\'s risk-aversion becomes an essential condition for defining the operation strategy. From the perspective of generators, consumers and traders agents, the main purposes of this thesis are: (i) to develop customized optimization models with CVaR metric associated, optimized in stochastic linear programming; and (ii) to apply the models for strategic analysis of operations under the risk-return binomial, focusing on the management activities of each of these agents, and considering renewable sources as option. In this context, the emphasis is on analysis of the operations financial risks through the application of CVaR and based on the agent\'s risk-aversion level. Furthermore, the hydro and wind renewables sources are options of generation assets in order to study the seasonal generation complementarity effect among them and the consequences on energy trading strategies.

Hedging has been one of the most important topics in finance. How to effectively hedge the exposed risk draws significant interest from both academicians and practitioners. In a complete financial market, every contingent claim can be hedged perfectly. In an incomplete market, the investor can eliminate his risk exposure by superhedging. However, both perfect hedging and superhedging usually call for a high cost. In some situations, the investor does not have enough capital or is not willing to spend that much to achieve a zero risk position. This brings us to the topic of partial hedging. In this thesis, we establish the risk measure based partial hedging model and study the optimal partial hedging strategies under various criteria. First, we consider two of the most common risk measures known as Value-at-Risk (VaR) and Conditional Value-at-Risk (CVaR). We derive the analytical forms of optimal partial hedging strategies under the criterion of minimizing VaR of the investor's total risk exposure. The knock-out call hedging strategy and the bull call spread hedging strategy are shown to be optimal among two admissible sets of hedging strategies. Since VaR risk measure has some undesired properties, we consider the CVaR risk measure and show that bull call spread hedging strategy is optimal under the criterion of minimizing CVaR of the investor's total risk exposure. The comparison between our proposed partial hedging strategies and some other partial hedging strategies, including the well-known quantile hedging strategy, is provided and the advantages of our proposed partial hedging strategies are highlighted. Then we apply the similar approaches in the context of reinsurance. The VaR-based optimal reinsurance strategies are derived under various constraints. Then we study the optimal partial hedging strategies under general risk measures. We provide the necessary and sufficient optimality conditions and use these conditions to study some specific hedging strategies. The robustness of our proposed CVaR-based optimal partial hedging strategy is also discussed in this part. Last but not least, we propose a new method, simulation-based approach, to formulate the optimal partial hedging models. By using the simulation-based approach, we can numerically obtain the optimal partial hedging strategy under various constraints and criteria. The numerical results in the examples in this part coincide with the theoretical results.

This thesis presents two Models of portfolio optimization, namely the Markowitz Mean Variance Optimization Model and the Rockefeller and Uryasev CVaR Optimization Model. It then presents an application of these models to a portfolio of clean energy assets for optimal allocation of financial resources in terms of maximum returns and low risk. This is done by writing GAMS programs for these optimization problems. An in-depth analysis of the results is conducted, and we see that the difference between both models is not very significant even though these results are data-specific.

Die Arbeit gibt einen Überblick über den aktuellen Stand der Industrialisierungsbestrebungen der Banken. Darauf aufbauend erfolgt eine Analyse der Wertschöpfungspotentiale entlang des Leistungserstellungsprozesses (Transformation, Abwicklung und Vertrieb). Um die Wirkungsweise und Effizienzpotentiale von Industrialisierungsfaktoren einzuschätzen wird mittels eines Simulationsmodells zum einen das Verhalten von unterschiedlichen Entscheidern (Markowitz-Entscheider, CVaR-Entscheider) und zum anderen die strategische Ausrichtung der Bank mit ihrer Struktur (Geschäftsfelder, Prozesse) und der sie umgebenden Umwelt simuliert. Daraus werden für unterschiedliche Marktumfelder Implikationen zur Effizienz im Sinne einer Nutzenüberlegung oder auch RAROC-Betrachtung für Banken abgeleitet und Aussagen zur Zyklusverstärkung der Märkte durch die Bank getroffen.:ABBILDUNGSVERZEICHNIS TABELLENVERZEICHNIS ANLAGENVERZEICHNIS ABKÜRZUNGS- UND SYMBOLVERZEICHNIS 1 EINLEITUNG UND PROBLEMSTELLUNG 2 GRUNDLAGEN ZUR INDUSTRIALISIERUNG IN BANKEN 3 AUFBAU DES SIMULATIONSMODELLS 4 AUSWERTUNG DER WIRKUNGSWEISEN DER INDUSTRIALISIERUNG 5 SCHLUSSBETRACHTUNG ANHANG LITERATURVERZEICHNIS