Submitted by Alex Aaltonen (aaltonenalex@gmail.com) on 2012-11-13T15:27:19Z No. of bitstreams: 1 Tese_em_versão_final_20121113_Título_Curto.pdf: 1228034 bytes, checksum: d53581eb0c3b7a27074aabe3b5db3550 (MD5) / Approved for entry into archive by Suzinei Teles Garcia Garcia (suzinei.garcia@fgv.br) on 2012-11-13T17:17:41Z (GMT) No. of bitstreams: 1 Tese_em_versão_final_20121113_Título_Curto.pdf: 1228034 bytes, checksum: d53581eb0c3b7a27074aabe3b5db3550 (MD5) / Made available in DSpace on 2012-11-13T17:34:20Z (GMT). No. of bitstreams: 1 Tese_em_versão_final_20121113_Título_Curto.pdf: 1228034 bytes, checksum: d53581eb0c3b7a27074aabe3b5db3550 (MD5) Previous issue date: 2012-10-17 / Measuring operational risk is necessary as it affects the value and survival of companies. A central focus of researchers, professionals in the financial sector, regulators, and bank supervisors involves controlling this risk. For this study, we explored four applications of the loss distribution approach for quantifying operational risk. A set of operating losses spanning two years at a major Brazilian bank was used for the purpose of applying and testing this approach based on the four methods. The empirical distribution method was found to be the most appropriate for measuring operational risk and calculating economic capital from the available data. The operational risk quantification method based on fitting theoretical distibutions to losses revealed that the Johnson curves are particularly flexible and readily implemented. Further, the Johnson curves were fitted to the distribution of operational losses and to the empirical distribution of the economic capital amounts. Knowing the capital distribution provides us with a notion of the economic capital calculation accuracy and prepares the way for future theoretical studies on operational VaR. Rather than calculating a single capital amount, we determined the distribution of economic capital amounts. We compared two methods, used to establish capital amount distributions for the bank. Our study demonstrated the possibility of justifying verification points in internal audit procedures on the basis of operational risk data, modeling, and management. Based on these findings, we concluded by setting out recommendations for bank supervision and regulation. / Risco operacional precisa ser mensurado pois afeta o valor e a sobrevivência das empresas. Ocupa o foco de pesquisadores, profissionais do sistema financeiro, reguladores e supervisores bancários, no esforço de controlar esse risco. Pesquisamos quatro formas de utilizar a abordagem de distribuição de perdas para a quantificação do risco operacional. Utilizamos um conjunto de dois anos de perdas operacionais de um banco brasileiro de grande porte para fazermos a aplicação e o teste dessa abordagem em quatro variantes. A variante que utiliza exclusivamente distribuições empíricas foi a mais adequada para medir o risco operacional e calcular o capital econômico a partir dos dados disponíveis. Na variante que quantifica o risco operacional ajustando distribuições teóricas às perdas, mostramos que as curvas de Johnson são especialmente flexíveis e de pronta implementação. Também, ajustamos as curvas de Johnson à distribuição de perdas operacionais e à distribuição amostral dos valores de capital econômico. Conhecer a distribuição do capital permite que tenhamos ideia da precisão com que estimamos o capital econômico e abre o caminho para futuros estudos teóricos da distribuição do Var operacional. Encontramos a distribuição dos valores de capital econômico ao invés de calcularmos um valor único de capital. Comparamos dois métodos, utilizados para estabelecer distribuições de valores de capital. Ao conduzirmos a pesquisa, notamos ser possível justificarmos pontos de verificação da auditoria interna sobre a base de dados, a modelagem e a gestão de risco operacional. Com a pesquisa produzimos sugestões para a supervisão e regulação dos bancos.

Submitted by Luiz Henrique Moraes da Silva (luiz.henrique1046@gmail.com) on 2018-08-24T16:12:13Z No. of bitstreams: 1 Dissertacao_lhms_2.pdf: 1496435 bytes, checksum: 256777f511b36a71d178ad1980b4f101 (MD5) / Approved for entry into archive by Joana Martorini (joana.martorini@fgv.br) on 2018-08-24T17:42:34Z (GMT) No. of bitstreams: 1 Dissertacao_lhms_2.pdf: 1496435 bytes, checksum: 256777f511b36a71d178ad1980b4f101 (MD5) / Approved for entry into archive by Isabele Garcia (isabele.garcia@fgv.br) on 2018-08-27T13:33:13Z (GMT) No. of bitstreams: 1 Dissertacao_lhms_2.pdf: 1496435 bytes, checksum: 256777f511b36a71d178ad1980b4f101 (MD5) / Made available in DSpace on 2018-08-27T13:33:13Z (GMT). No. of bitstreams: 1 Dissertacao_lhms_2.pdf: 1496435 bytes, checksum: 256777f511b36a71d178ad1980b4f101 (MD5) Previous issue date: 2018-07-31 / O presente estudo propõe um modelo de simulação que combina o modelo multifatorial de Heath, Jarrow e Morton e distribuições de probabilidade empíricas condicionais para simular curvas de juros e ativos do mercado financeiro. Em seguida, utilizamos o modelo proposto para simular a evolução do Dólar, da estrutura a termo das taxas de juros do Brasil obtida a partir dos contratos de DI futuro e da curva de Cupom Cambial de Dólar Sujo de maneira integrada, sendo os resultados das simulações utilizados para realizar o apreçamento de ativos. Também aplicamos os resultados obtidos em um problema de otimização de portfólios, que busca maximizar o lucro de um participante sujeito às restrições regulatórias impostas pelas resoluções de Basiléia III, empregando novamente o conceito de distribuições empíricas condicionais. / This work proposes a simulation model that combines the multifactor Heath, Jarrow and Morton model with empirical conditional probability distributions to simulate interest rate curves and securities from the financial market. The work then utilizes the proposed model to simulate the USD/BRL exchange rate, the interest rate term structure obtained from the DI Future contracts and the Cupom Cambial de D´olar Sujo interest rate curve in an integrated way, using the obtained results to price securities. In addition, we apply the results obtained in a portoflio optimation problem, which seeks to maximize the profit of a market partcipant subject to the regulatory constraints imposed by the Basel III resolutions, utilizing once again the concept of empirical conditional distributions.