A estimação e previsão da volatilidade de ativos são de suma importância para os mercados financeiros. Temas como risco e incerteza na teoria econômica moderna incentivaram a procura por métodos capazes de modelar uma variância condicional que evolui ao longo do tempo. O objetivo principal desta dissertação é comparar alguns métodos de regressão global e local quanto à extração da volatilidade dos índices Ibovespa e Standard and Poor´s 500. Para isto, são realizadas estimações e previsões com os modelos GARCH paramétricos e com os modelos aditivos semi-paramétricos. Os primeiros, tradicionalmente utilizados na estimação de segundos momentos condicionais, têm sua capacidade sugerida em diversos artigos. Os segundos provêm alta flexibilidade e descrições visualmente informativas das relações entre as variáveis, tais como assimetrias e não linearidades. Sendo assim, testar o desempenho dos últimos frente às estruturas paramétricas consagradas apresenta-se como uma investigação apropriada. A realização das comparações ocorre em períodos selecionados de alta volatilidade no mercado financeiro internacional (crises), sendo a performance dos modelos medida dentro e fora da amostra. Os resultados encontrados sugerem a capacidade dos modelos semi-paramétricos em estimar e prever a volatilidade dos retornos dos índices nos momentos analisados. / Volatility estimation and forecasting are very important matters for the financial markets. Themes like risk and uncertainty in modern economic theory have encouraged the search for methods that allow for the modeling of time varying variances. The main objective of this dissertation is to compare global and local regressions in terms of their capacity to extract the volatility of Ibovespa and Standard and Poor 500 indexes. To achieve this aim, parametric GARCH and semiparametric additive models estimation and forecasting are performed. The first ones, traditionally applied in the estimation of conditional second moments, have their capacity suggested in many papers. The second ones provide high flexibility and visually informative descriptions of the relationships between the variables, like asymmetries and nonlinearities. Therefore, testing the last ones´ performance against the acknowledged parametric structures is an appropriate investigation. Comparisons are made in selected periods of high volatility in the international financial market (crisis), measuring the models´ performance inside and outside sample. The results that were found suggest the capacity of semiparametric models to estimate and forecast the Indexes returns´ volatility at the analyzed moments.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / As instituições financeiras são obrigadas por acordos internacionais, como o Acordo de Basiléia, a avaliar o risco de mercado ao qual a instituição está propensa de forma a evitar possíveis contaminações de desastres financeiros em seu patrimônio. Com o intuito de capturar tais fenômenos, surge a necessidade de construir modelos que capturem com mais acurácia movimentos extremos das séries de retornos. O trabalho teve como principal objetivo aplicar a Teoria do Valor Extremo juntamente com Copulas na estimação de quantis extremos para o VaR. Ele utiliza técnicas de simulação de Monte Carlo, Teoria do Valor Extremo e Cópulas com distribuições gaussianas e t. Em contrapartida, as estimativas produzidas serão comparadas com as de um segundo modelo, chamado de simulação histórica de Monte Carlo filtrada, mais conhecida como filtered historical simulation (FHS). As técnicas serão aplicadas a um portfólio de ações de empresas brasileiras. / Financial institutions are required by international agreements such as the Basel Accord, to assess the market risk to which the institution is likely to avoid possible contamination of its assets in financial disasters. In order to capture these phenomena, the need arises to build models that more accurately capture extreme movements of the return series. The work aimed to apply the Extreme Value Theory along with the estimation of copulas for VaR extremes quantiles. He uses techniques of Monte Carlo simulation, Extreme Value Theory and Copulas with Gaussian and t distributions. In contrast, the estimates produced will be compared with a second model, called Monte Carlo simulation of historical filtered, better known as filtered historical simulation (FHS). The techniques are applied to a portfolio of stocks of Brazilian companies.

A estimação e previsão da volatilidade de ativos são de suma importância para os mercados financeiros. Temas como risco e incerteza na teoria econômica moderna incentivaram a procura por métodos capazes de modelar uma variância condicional que evolui ao longo do tempo. O objetivo principal desta dissertação é comparar alguns métodos de regressão global e local quanto à extração da volatilidade dos índices Ibovespa e Standard and Poor´s 500. Para isto, são realizadas estimações e previsões com os modelos GARCH paramétricos e com os modelos aditivos semi-paramétricos. Os primeiros, tradicionalmente utilizados na estimação de segundos momentos condicionais, têm sua capacidade sugerida em diversos artigos. Os segundos provêm alta flexibilidade e descrições visualmente informativas das relações entre as variáveis, tais como assimetrias e não linearidades. Sendo assim, testar o desempenho dos últimos frente às estruturas paramétricas consagradas apresenta-se como uma investigação apropriada. A realização das comparações ocorre em períodos selecionados de alta volatilidade no mercado financeiro internacional (crises), sendo a performance dos modelos medida dentro e fora da amostra. Os resultados encontrados sugerem a capacidade dos modelos semi-paramétricos em estimar e prever a volatilidade dos retornos dos índices nos momentos analisados. / Volatility estimation and forecasting are very important matters for the financial markets. Themes like risk and uncertainty in modern economic theory have encouraged the search for methods that allow for the modeling of time varying variances. The main objective of this dissertation is to compare global and local regressions in terms of their capacity to extract the volatility of Ibovespa and Standard and Poor 500 indexes. To achieve this aim, parametric GARCH and semiparametric additive models estimation and forecasting are performed. The first ones, traditionally applied in the estimation of conditional second moments, have their capacity suggested in many papers. The second ones provide high flexibility and visually informative descriptions of the relationships between the variables, like asymmetries and nonlinearities. Therefore, testing the last ones´ performance against the acknowledged parametric structures is an appropriate investigation. Comparisons are made in selected periods of high volatility in the international financial market (crisis), measuring the models´ performance inside and outside sample. The results that were found suggest the capacity of semiparametric models to estimate and forecast the Indexes returns´ volatility at the analyzed moments.

A elevação de economias emergentes ao status de Grau de Investimento (GI) atesta que o país premiado seja seguro para o investimento, ou seja, que a disposição e capacidade do governo central de honrar os seus compromissos financeiros são elevadas. O objetivo central desta pesquisa é o de testar a hipótese de que a elevação de economias emergentes a Grau de Investimento, por agências de avaliação de rating, tem como consequência a mitigação de volatilidade em bolsa de valores no médio e no longo prazo. Para tanto, foi selecionado um grupo representativo de economias emergentes que já receberam o status de GI – México, Chile, Rússia, Índia e Coréia do Sul – e foram modeladas as séries de retornos dos principais índices de bolsa de valores das economias amostradas, fazendo uso de modelos da família GARCH. Desta forma, foi possível avaliar o comportamento da volatilidade condicional dos retornos de cada índice no médio e longo prazo. Os resultados obtidos validam em parte a hipótese levantada. Ou seja, foi verificado que todas as cinco economias amostradas apresentaram mitigação da volatilidade em bolsa de valores, no médio prazo, após a primeira elevação a GI. No longo prazo, no entanto, apenas o México, o Chile e a Rússia apresentaram persistência de mitigação de volatilidade em bolsa. Na Índia e na Coréia do Sul, por outro lado, houve reversão do movimento de mitigação de volatilidade, observado no médio prazo, havendo aumento no longo prazo. Ao avaliar o histórico de rating soberano dos países estudados, foi constatado que aqueles que tiveram rebaixamento de nota após o primeiro registro de GI – Índia e Coréia do Sul – somente apresentaram mitigação de volatilidade em bolsa no médio prazo, não tendo esse movimento se prolongado no longo prazo. / The upgrade of emerging markets to the status of Investment Grade country attest that the upgraded country is safe for investment, which means that the willingness and capacity of central government to honor its financial obligations are high. The main objective of this research is to test the hypothesis that emerging countries that have their sovereign rating upgraded to Investment Grade, by rating agencies, have as consequence mitigations of stock marker volatility in the medium and long run. A set of five representative emerging countries that received Investment Grade status in the past was selected – Mexico, Chile, Russia, India and South Korea – and, using GARCH family models, their main sock market index returns were modeled. So it was possible to asses the medium and long run behavior of conditional volatility of returns for every country selected. The result was that all the five economies had volatility mitigation in the medium run after the first Investment Grade status was granted. However, only Mexico, Chile and Russia had stock market volatility mitigation in the long run. India and Korea reverted volatility mitigation movement and showed gain of volatility in the long run. Assessing the sovereign rating historic of the five countries it was noticed that the countries that suffered rating downgrade after the first Investment Grade elevation – India and Korea – had stock market volatility growth in the long run.

Submitted by Bruna Rodrigues (bruna92rodrigues@yahoo.com.br) on 2017-09-27T14:34:29Z No. of bitstreams: 1 DissKFAG.pdf: 21371434 bytes, checksum: e9355d67b5b05eda13ae02e3ae7d0fdf (MD5) / Approved for entry into archive by Ronildo Prado (bco.producao.intelectual@gmail.com) on 2018-01-30T19:20:29Z (GMT) No. of bitstreams: 1 DissKFAG.pdf: 21371434 bytes, checksum: e9355d67b5b05eda13ae02e3ae7d0fdf (MD5) / Approved for entry into archive by Ronildo Prado (bco.producao.intelectual@gmail.com) on 2018-01-30T19:20:37Z (GMT) No. of bitstreams: 1 DissKFAG.pdf: 21371434 bytes, checksum: e9355d67b5b05eda13ae02e3ae7d0fdf (MD5) / Made available in DSpace on 2018-01-30T19:26:17Z (GMT). No. of bitstreams: 1 DissKFAG.pdf: 21371434 bytes, checksum: e9355d67b5b05eda13ae02e3ae7d0fdf (MD5) Previous issue date: 2017-07-18 / Não recebi financiamento / In the last decades volatility has become a very important concept in the financial area, being used to measure the risk of financial instruments. In this work, the focus of study is the modeling of volatility, that refers to the variability of returns, which is a characteristic present in the financial time series. As a fundamental modeling tool, we used the GARCH (Generalized Autoregressive Conditional Heteroskedasticity) model, which uses conditional heteroscedasticity as a measure of volatility. Two main characteristics will be considered to be modeled with the purpose of a better adjustment and prediction of the volatility, these are: heavy tails and an asymmetry present in the unconditional distribution of the return series. The estimation of the parameters of the proposed models is done by means of the Bayesian approach with an MCMC (Markov Chain Monte Carlo) methodology , specifically the Metropolis-Hastings algorithm. / Nas últimas décadas a volatilidade transformou-se num conceito muito importante na área financeira, sendo utilizada para mensurar o risco de instrumentos financeiros. Neste trabalho, o foco de estudo é a modelagem da volatilidade, que faz referência à variabilidade dos retornos, sendo esta uma característica presente nas séries temporais financeiras. Como ferramenta fundamental da modelação usaremos o modelo GARCH (Generalized Autoregressive Conditional Heteroskedasticity), que usa a heterocedasticidade condicional como uma medida da volatilidade. Considerar-se-ão duas características principais a ser modeladas com o propósito de obter um melhor ajuste e previsão da volatilidade, estas são: a assimetria e as caudas pesadas presentes na distribuição incondicional da série dos retornos. A estimação dos parâmetros dos modelos propostos será feita utilizando a abordagem Bayesiana com a metodologia MCMC (Markov Chain Monte Carlo) especificamente o algoritmo de Metropolis-Hastings.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / As instituições financeiras são obrigadas por acordos internacionais, como o Acordo de Basiléia, a avaliar o risco de mercado ao qual a instituição está propensa de forma a evitar possíveis contaminações de desastres financeiros em seu patrimônio. Com o intuito de capturar tais fenômenos, surge a necessidade de construir modelos que capturem com mais acurácia movimentos extremos das séries de retornos. O trabalho teve como principal objetivo aplicar a Teoria do Valor Extremo juntamente com Copulas na estimação de quantis extremos para o VaR. Ele utiliza técnicas de simulação de Monte Carlo, Teoria do Valor Extremo e Cópulas com distribuições gaussianas e t. Em contrapartida, as estimativas produzidas serão comparadas com as de um segundo modelo, chamado de simulação histórica de Monte Carlo filtrada, mais conhecida como filtered historical simulation (FHS). As técnicas serão aplicadas a um portfólio de ações de empresas brasileiras. / Financial institutions are required by international agreements such as the Basel Accord, to assess the market risk to which the institution is likely to avoid possible contamination of its assets in financial disasters. In order to capture these phenomena, the need arises to build models that more accurately capture extreme movements of the return series. The work aimed to apply the Extreme Value Theory along with the estimation of copulas for VaR extremes quantiles. He uses techniques of Monte Carlo simulation, Extreme Value Theory and Copulas with Gaussian and t distributions. In contrast, the estimates produced will be compared with a second model, called Monte Carlo simulation of historical filtered, better known as filtered historical simulation (FHS). The techniques are applied to a portfolio of stocks of Brazilian companies.

A elevação de economias emergentes ao status de Grau de Investimento (GI) atesta que o país premiado seja seguro para o investimento, ou seja, que a disposição e capacidade do governo central de honrar os seus compromissos financeiros são elevadas. O objetivo central desta pesquisa é o de testar a hipótese de que a elevação de economias emergentes a Grau de Investimento, por agências de avaliação de rating, tem como consequência a mitigação de volatilidade em bolsa de valores no médio e no longo prazo. Para tanto, foi selecionado um grupo representativo de economias emergentes que já receberam o status de GI – México, Chile, Rússia, Índia e Coréia do Sul – e foram modeladas as séries de retornos dos principais índices de bolsa de valores das economias amostradas, fazendo uso de modelos da família GARCH. Desta forma, foi possível avaliar o comportamento da volatilidade condicional dos retornos de cada índice no médio e longo prazo. Os resultados obtidos validam em parte a hipótese levantada. Ou seja, foi verificado que todas as cinco economias amostradas apresentaram mitigação da volatilidade em bolsa de valores, no médio prazo, após a primeira elevação a GI. No longo prazo, no entanto, apenas o México, o Chile e a Rússia apresentaram persistência de mitigação de volatilidade em bolsa. Na Índia e na Coréia do Sul, por outro lado, houve reversão do movimento de mitigação de volatilidade, observado no médio prazo, havendo aumento no longo prazo. Ao avaliar o histórico de rating soberano dos países estudados, foi constatado que aqueles que tiveram rebaixamento de nota após o primeiro registro de GI – Índia e Coréia do Sul – somente apresentaram mitigação de volatilidade em bolsa no médio prazo, não tendo esse movimento se prolongado no longo prazo. / The upgrade of emerging markets to the status of Investment Grade country attest that the upgraded country is safe for investment, which means that the willingness and capacity of central government to honor its financial obligations are high. The main objective of this research is to test the hypothesis that emerging countries that have their sovereign rating upgraded to Investment Grade, by rating agencies, have as consequence mitigations of stock marker volatility in the medium and long run. A set of five representative emerging countries that received Investment Grade status in the past was selected – Mexico, Chile, Russia, India and South Korea – and, using GARCH family models, their main sock market index returns were modeled. So it was possible to asses the medium and long run behavior of conditional volatility of returns for every country selected. The result was that all the five economies had volatility mitigation in the medium run after the first Investment Grade status was granted. However, only Mexico, Chile and Russia had stock market volatility mitigation in the long run. India and Korea reverted volatility mitigation movement and showed gain of volatility in the long run. Assessing the sovereign rating historic of the five countries it was noticed that the countries that suffered rating downgrade after the first Investment Grade elevation – India and Korea – had stock market volatility growth in the long run.

Diante das exigências estipuladas pelos órgãos reguladores pelos acordos internacionais, tendo em vistas as inúmeras crises financeiras ocorridas nos últimos séculos, as instituições financeiras desenvolveram diversas ferramentas para a mensuração e controle do risco inerente aos negócios. Apesar da crescente evolução das metodologias de cálculo e mensuração do risco, o Value at Risk (VaR) se tornou referência como ferramenta de estimação do risco de mercado. Nos últimos anos novas técnicas de cálculo do Value at Risk (VaR) vêm sendo desenvolvidas. Porém, nenhuma tem sido considerada como a que melhor ajusta os riscos para diversos mercados e em diferentes momentos. Não existe na literatura um modelo conciso e coerente com as diversidades dos mercados. Assim, o presente trabalho tem por objetivo geral avaliar os estimadores de risco de mercado, gerados pela aplicação de modelos baseados no Value at Risk (VaR), aplicados aos índices das principais bolsas dos países desenvolvidos e emergentes, para os períodos normais e de crise financeira, de modo a apurar os mais efetivos nessa função. Foram considerados no estudo os modelos VaR Não condicional, pelos modelos tradicionais (Simulação Histórica, Delta-Normal e t-Student) e baseados na Teoria de Valores Extremos; o VaR Condicional, comparando os modelos da família ARCH e Riskmetrics e o VaR Multivariado, com os modelos GARCH bivariados (Vech, Bekk e CCC), funções cópulas (t-Student, Clayton, Frank e Gumbel) e por Redes Neurais Artificiais. A base de dados utilizada refere-se as amostras diárias dos retornos dos principais índices de ações dos países desenvolvidos (Alemanha, Estados Unidos, França, Reino Unido e Japão) e emergentes (Brasil, Rússia, Índia, China e África do Sul), no período de 1995 a 2013, contemplando as crises de 1997 e 2008. Os resultados do estudo foram, de certa forma, distintos das premissas iniciais estabelecidas pelas hipóteses de pesquisa. Diante de mais de mil modelagens realizadas, os modelos condicionais foram superiores aos não condicionais, na maioria dos casos. Em específico o modelo GARCH (1,1), tradicional na literatura, teve uma efetividade de ajuste de 93% dos casos. Para a análise Multivariada, não foi possível definir um modelo mais assertivo. Os modelos Vech, Bekk e Cópula - Clayton tiveram desempenho semelhantes, com bons ajustes em 100% dos testes. Diferentemente do que era esperado, não foi possível perceber diferenças significativas entre os ajustes para países desenvolvidos e emergentes e os momentos de crise e normal. O estudo contribuiu na percepção de que os modelos utilizados pelas instituições financeiras não são os que apresentam melhores resultados na estimação dos riscos de mercado, mesmo sendo recomendados pelas instituições renomadas. Cabe uma análise mais profunda sobre o desempenho dos estimadores de riscos, utilizando simulações com as carteiras de cada instituição financeira. / Given the requirements stipulated by regulatory agencies for international agreements, in considering the numerous financial crises in the last centuries, financial institutions have developed several tools to measure and control the risk of the business. Despite the growing evolution of the methodologies of calculation and measurement of Value at Risk (VaR) has become a reference tool as estimate market risk. In recent years new calculation techniques of Value at Risk (VaR) have been developed. However, none has been considered the one that best fits the risks for different markets and in different times. There is no literature in a concise and coherent model with the diversity of markets. Thus, this work has the objective to assess the market risk estimates generated by the application of models based on Value at Risk (VaR), applied to the indices of the major stock exchanges in developed and emerging countries, for normal and crisis periods financial, in order to ascertain the most effective in that role. Were considered in the study models conditional VaR, the conventional models (Historical Simulation, Delta-Normal and Student t test) and based on Extreme Value Theory; Conditional VaR by comparing the models of ARCH family and RiskMetrics and the Multivariate VaR, with bivariate GARCH (VECH, Bekk and CCC), copula functions (Student t, Clayton, Frank and Gumbel) and Artificial Neural Networks. The database used refers to the daily samples of the returns of major stock indexes of developed countries (Germany, USA, France, UK and Japan) and emerging (Brazil, Russia, India, China and South Africa) from 1995 to 2013, covering the crisis in 1997 and 2008. The results were somewhat different from the initial premises established by the research hypotheses. Before more than 1 mil modeling performed, the conditional models were superior to non-contingent, in the majority of cases. In particular the GARCH (1,1) model, traditional literature, had a 93% adjustment effectiveness of cases. For multivariate analysis, it was not possible to set a more assertive style. VECH models, and Bekk, Copula - Clayton had similar performance with good fits to 100% of the tests. Unlike what was expected, it was not possible to see significant differences between the settings for developed and emerging countries and the moments of crisis and normal. The study contributed to the perception that the models used by financial institutions are not the best performing in the estimation of market risk, even if recommended by renowned institutions. It is a deeper analysis on the performance of the estimators of risk, using simulations with the portfolios of each financial institution.

This thesis studies the trading of the Chinese American Depositories Receipts (ADRs) and their respective underlying H shares issued in Hong Kong. The primary intention of this work is to investigate the arbitrage opportunity between the Chinese ADRs and their underlying H shares. This intention is motivated by the market observation that hedge funds are often in the top 10 shareholders of these Chinese ADRs. We start our study from the origin place of the Chinese ADRs, China’s stock market. We pay particular attention to the ownership structure of the Chinese listed firms, because part of the Chinese ADRs also listed A shares (exclusively owned by the Chinese citizens) in Shanghai. We also pay attention to the market microstructures and trading costs of the three China-related stock exchanges. We then proceed to empirical study on the Chinese ADRs arbitrage possibility by comparing the return distribution of two securities; we find these two securities are different in their return distributions, and which is due to the inequality in the higher moments, such as skewness, and kurtosis. Based on the law of one price and the weak-form efficient markets, the prices of identical securities that are traded in different markets should be similar, as any deviation in their prices will be arbitraged away. Given the intrinsic property of the ADRs that a convenient transferable mechanism exists between the ADRs and their underlying shares which makes arbitrage easy; the different return distributions of the ADRs and the underlying shares address the question that if arbitrage is costly that the equilibrium price of the security achieved in each market is affected mainly by its local market where the Chinese ADRs/the underlying Hong Kong shares are traded, such as the demand for and the supply of the stock in each market, the different market microstructures and market mechanisms which produce different trading costs in each market, and different noise trading arose from asymmetric information across multi-markets. And because of these trading costs, noise trading risk, and liquidity risk, the arbitrage opportunity between the two markets would not be exploited promptly. This concern then leads to the second intention of this work that how noise trading and trading cost comes into playing the role of determining asset prices, which makes us to empirically investigate the comovement effect, as well as liquidity risk. With regards to these issues, we progress into two strands, firstly, we test the relationship between the price differentials of the Chinese ADRs and the market return of the US and Hong Kong market. This test is to examine the comovement effect which is caused by asynchronous noise trading. We find the US market impact dominant over Hong Kong market impact, though both markets display significant impact on the ADRs’ price differentials. Secondly, we analyze the liquidity effect on the Chinese ADRs and their underlying Hong Kong shares by using two proxies to measure illiquidity cost and liquidity risk. We find significant positive relation between return and trading volume which is used to capture liquidity risk. This finding leads to a deeper study on the relationship between trading volume and return volatility from market microstructure perspective. In order to verify a proper model to describe return volatility, we carry out test to examine the heteroscedasticity condition, and proceed to use two asymmetric GARCH models to capture leverage effect. We find the Chinese ADRs and their underlying Hong Kong shares have different patterns in the leverage effect as modeled by these two asymmetric GARCH models, and this finding from another angle explains why these two securities are unequal in the higher moments of their return distribution. We then test two opposite hypotheses about volume-volatility relation. The Mixture of Distributions Hypothesis suggests a positive relation between contemporaneous volume and volatility, while the Sequential Information Arrival Hypothesis indicates a causality relationship between lead-lag volume and volatility. We find supportive evidence for the Sequential Information Arrival Hypothesis but not for the Mixture of Distributions Hypothesis.

Dans cette thèse, nous étudions l'estimation de la valeur à risque conditionnelle (VaR) en tenant compte du risque d'estimation et du risque de modèle. Tout d'abord, nous considérons une méthode en deux étapes pour estimer la VaR. La première étape évalue le paramètre de volatilité en utilisant un estimateur quasi maximum de vraisemblance généralisé (gQMLE) fondé sur une densité instrumentale h. La seconde étape estime un quantile des innovations à partir du quantile empirique des résidus obtenus dans la première étape. Nous donnons des conditions sous lesquelles l'estimateur en deux étapes de la VaR est convergent et asymptotiquement normal. Nous comparons également les efficacités des estimateurs obtenus pour divers choix de la densité instrumentale h. Lorsque l'innovation n'est pas de densité h, la première étape donne généralement un estimateur biaisé de paramètre de volatilité et la seconde étape donne aussi un estimateur biaisé du quantile des innovations. Cependant, nous montrons que les deux erreurs se contrebalancent pour donner une estimation consistante de la VaR. Nous nous concentrons ensuite sur l'estimation de la VaR dans le cadre de modèles GARCH en utilisant le gQMLE fondé sur la classe des densités instrumentales double gamma généralisées qui contient la distribution gaussienne. Notre objectif est de comparer la performance du QMLE gaussien par rapport à celle du gQMLE. Le choix de l'estimateur optimal dépend essentiellement du paramètre d qui minimise la variance asymptotique. Nous testons si le paramètre d qui minimise la variance asymptotique est égal à 2. Lorsque le test est appliqué sur des séries réelles de rendements financiers, l'hypothèse stipulant l'optimalité du QMLE gaussien est généralement rejetée. Finalement, nous considérons les méthodes non-paramétriques d'apprentissage automatique pour estimer la VaR. Ces méthodes visent à s'affranchir du risque de modèle car elles ne reposent pas sur une forme spécifique de la volatilité. Nous utilisons la technique des machines à vecteurs de support pour la régression (SVR) basée sur la fonction de perte moindres carrés (en anglais LS). Pour améliorer la solution du modèle LS-SVR nous utilisons les modèles LS-SVR pondérés et LS-SVR de taille fixe. Des illustrations numériques mettent en évidence l'apport des modèles proposés pour estimer la VaR en tenant compte des risques de spécification et d'estimation. / In this thesis, we study the problem of conditional Value at Risk (VaR) estimation taking into account estimation risk and model risk. First, we considered a two-step method for VaR estimation. The first step estimates the volatility parameter using a generalized quasi maximum likelihood estimator (gQMLE) based on an instrumental density h. The second step estimates a quantile of innovations from the empirical quantile of residuals obtained in the first step. We give conditions under which the two-step estimator of the VaR is consistent and asymptotically normal. We also compare the efficiencies of the estimators for various instrumental densities h. When the distribution of is not the density h the first step usually gives a biased estimator of the volatility parameter and the second step gives a biased estimator of the quantile of the innovations. However, we show that both errors counterbalance each other to give a consistent estimate of the VaR. We then focus on the VaR estimation within the framework of GARCH models using the gQMLE based on a class of instrumental densities called double generalized gamma which contains the Gaussian distribution. Our goal is to compare the performance of the Gaussian QMLE against the gQMLE. The choice of the optimal estimator depends on the value of d that minimizes the asymptotic variance. We test if this parameter is equal 2. When the test is applied to real series of financial returns, the hypothesis stating the optimality of Gaussian QMLE is generally rejected. Finally, we consider non-parametric machine learning models for VaR estimation. These methods are designed to eliminate model risk because they are not based on a specific form of volatility. We use the support vector machine model for regression (SVR) based on the least square loss function (LS). In order to improve the solution of LS-SVR model, we used the weighted LS-SVR and the fixed size LS-SVR models. Numerical illustrations highlight the contribution of the proposed models for VaR estimation taking into account the risk of specification and estimation.