Submitted by Rafael Hernandez (rgonini@gmail.com) on 2016-09-05T05:55:20Z No. of bitstreams: 1 Rafael Gonini Hernandez.pdf: 8057232 bytes, checksum: b411732db19d2eb389044e4f159d8997 (MD5) / Approved for entry into archive by Renata de Souza Nascimento (renata.souza@fgv.br) on 2016-09-06T19:20:32Z (GMT) No. of bitstreams: 1 Rafael Gonini Hernandez.pdf: 8057232 bytes, checksum: b411732db19d2eb389044e4f159d8997 (MD5) / Made available in DSpace on 2016-09-06T19:24:39Z (GMT). No. of bitstreams: 1 Rafael Gonini Hernandez.pdf: 8057232 bytes, checksum: b411732db19d2eb389044e4f159d8997 (MD5) Previous issue date: 2016-08-09 / The aim of this work is to analyze the use of alpha stable distribution modeling of financial series returns applied to the calculation of Value at Risk for market risk management. Besides used in many theories, the normal distribution may not be the most suitable to represent the empirical financial data, since many series presents leptokurtic behavior. As an alternative, it was analyzed the alpha stable distribution application, whose performance was compared with normal e t-student distributions through Kupiec’s, Christoffersen’s and Berkowitz’s backtests. Different types of assets were selected for the analysis, like PTAX and BOVESPA indexes, different maturities of the PREBRL tax and stocks negotiated at the Brazilian Stock Exchange BM&FBovespa. VaR was calculated for 95% and 99% confidence intervals. It was concluded for the analyzed series that, the higher the VaR confidence level is, better is the adequacy of leptokurtic distributions for parametric VaR modeling. / O trabalho aqui apresentado busca analisar o uso da distribuição alfa estável para modelagem de retornos de séries de ativos aplicadas ao cálculo do Value at Risk para gestão de risco de mercado. Apesar de ser comumente utilizada, a distribuição normal pode não ser a mais adequada para a representação dos retornos das séries históricas, já que estas podem apresentar comportamento leptocúrtico, de maneira que a sua aplicação pode subdimensionar o risco. Como alternativa, foi analisada a aplicação da distribuição alfa estável, sendo seu desempenho avaliado comparativamente com as distribuições normal e t-student através dos backtests de Kupiec, Christoffersen e Berkowitz. Foram selecionados diferentes tipos de ativos para a realização da análise, como os índices PTAX e BOVESPA, diferentes vértices da PREBRL e ações negociadas na BM&FBovespa e calculados intervalos de confiança de 95% e 99% para o VaR. Concluiu-se que para os ativos analisados, quanto maior o intervalo de confiança, maior será a adequação de distribuições com caudas pesadas como a alfa estável para a modelagem do Value at Risk paramétrico.

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-05-22T13:53:20Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) versaofinal.pdf: 8756608 bytes, checksum: e4b5f21e17776e8f9af04b6752317a59 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-05-22T14:16:29Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) versaofinal.pdf: 8756608 bytes, checksum: e4b5f21e17776e8f9af04b6752317a59 (MD5) / Made available in DSpace on 2018-05-22T14:16:29Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) versaofinal.pdf: 8756608 bytes, checksum: e4b5f21e17776e8f9af04b6752317a59 (MD5) Previous issue date: 2018-03-09 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Relative humidity interferes in many aspects in the life of the human being, and due to the many consequences that a low or a high percentage can entail, the control of its level is of paramount importance. Thus, the modeling of extreme situations of this variable can aid in the planning of human activities that are susceptible to their harmful effects, such as public health. The main interest is to predict, based on probability density functions applied to observed data, the values that may occur in a certain locality. The Generalized Distribution of Extreme Values has been widely used for this purpose and research using Time Series analysis of meteorological and climatic data. In this work, a statistical model is proposed for prediction of rates and temporal proportions and/or spatially dependents. The model was constructed by marginalizing the Kumaraswamy G-exponentialised distribution conditioned to a random field with positive alpha-stable distribution. Some properties of this model were presented, procedures for estimation and inference were discussed and an MCEM algorithm was developed to estimate the parameters. As a particular case, the model was used for spatial prediction of relative humidity in weather stations at Amazonas state, Brazil. / A umidade relativa interfere em vários aspectos na vida do ser humano, e devido as muitas consequências que um baixo ou um alto percentual podem acarretar, o controle de seu nível é de suma importância. Dessa forma, a modelagem de situações extremas dessa variável pode auxiliar no planejamento de atividades humanas que sejam suscetíveis aos seus efeitos danosos, como a saúde pública. O principal interesse é prever com base em funções densidade de probabilidade aplicadas aos dados observados, os valores que possam ocorrer em uma certa localidade. A distribuição Generalizada de Valores Extremos tem sido amplamente utilizada com essa finalidade e pesquisas utilizando análise de Séries Temporais de dados meteorológicos e climáticos. Neste trabalho, é proposto um modelo estatístico para predição de taxas e proporções temporais e/ou espacialmente dependentes. O modelo foi construído através da marginalização da distribuição Kumaraswamy G-exponencializada condicionada a um campo aleatório com distribuição alfaestável positivo. Algumas propriedades desse modelo foram apresentadas, procedimentos para estimação e inferência foram discutidos e um algoritmo MCEM foi desenvolvido parar estimar os parâmetros. Como um caso particular, o modelo foi utilizado para predição espacial da umidade relativa do ar observada nas estações meteorológicas do Estado do Amazonas.