Submitted by Fernando Daitx (fernandodait@fgvmail.br) on 2015-06-21T17:21:43Z No. of bitstreams: 1 Fernando_Daitx_Dissertacao.pdf: 1327893 bytes, checksum: 351c7092e5875256773db2e050b79c8a (MD5) / Approved for entry into archive by BRUNA BARROS (bruna.barros@fgv.br) on 2015-06-22T19:58:43Z (GMT) No. of bitstreams: 1 Fernando_Daitx_Dissertacao.pdf: 1327893 bytes, checksum: 351c7092e5875256773db2e050b79c8a (MD5) / Approved for entry into archive by Marcia Bacha (marcia.bacha@fgv.br) on 2015-06-29T12:04:21Z (GMT) No. of bitstreams: 1 Fernando_Daitx_Dissertacao.pdf: 1327893 bytes, checksum: 351c7092e5875256773db2e050b79c8a (MD5) / Made available in DSpace on 2015-06-29T12:04:59Z (GMT). No. of bitstreams: 1 Fernando_Daitx_Dissertacao.pdf: 1327893 bytes, checksum: 351c7092e5875256773db2e050b79c8a (MD5) Previous issue date: 2015-04-07 / A presente dissertação tem como objetivo apresentar dois importantes modelos usados na análise de risco. Essa análise culmina em uma aplicação empírica para cada um deles. Apresenta-se primeiro o modelo Nelson-Siegel dinâmico, que estima a curva de juros usando um modelo paramétrico exponencial parcimonioso. É citada a referência criadora dessa abordagem, que é Nelson & Siegel (1987), passa-se pela apresentação da mais importante abordagem moderna que é a de Diebold & Li (2006), que é quem cria a abordagem dinâmica do modelo Nelson-Siegel, e que é inspiradora de diversas extensões. Muitas dessas extensões também são apresentadas aqui. Na parte empírica, usando dados da taxa a termo americana de Janeiro de 2004 a Março de 2015, estimam-se os modelos Nelson-Siegel dinâmico e de Svensson e comparam-se os resultados numa janela móvel de 12 meses e comparamos seus desempenhos com aqueles de um passeio aleatório. Em seguida, são apresentados os modelos ARCH e GARCH, citando as obras originais de Engle (1982) e Bolleslev (1986) respectivamente, discutem-se características destes modelos e apresentam-se algumas extensões ao modelo GARCH, incluindo aí alguns modelos GARCH multivariados. Passa-se então por uma rápida apresentação do conceito de VaR (Value at Risk), que será o objetivo da parte empírica. Nesta, usando dados de 02 de Janeiro de 2004 até 25 de Fevereiro de 2015, são feitas uma estimação da variância de um portfólio usando os modelos GARCH, GJR-GARCH e EGARCH e uma previsão do VaR do portfólio a partir da estimação feita anteriormente. Por fim, são apresentados alguns trabalhos que usam os dois modelos conjuntamente, ou seja, que consideram que as taxas ou os fatores que as podem explicam possuem variância variante no tempo.