Made available in DSpace on 2014-06-12T17:17:13Z (GMT). No. of bitstreams: 2 arquivo3573_1.pdf: 2183173 bytes, checksum: b0ac8e62ddb36a1892ad1922d6ad45b7 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Os empreendimentos de transmissão de energia elétrica são afetados significativamente pelo financiamento que contratam, pois a repercussão do serviço da dívida afeta o lucro da empresa e sua disponibilidade de caixa. Atualmente, a fonte de recurso mais barata existente no mercado são os empréstimos concedidos pelo Banco Nacional de desenvolvimento Econômico e Social BNDES. Ocorre que as empresas dos setor elétrico têm recorrido bastante a fonte de recursos provenientes de Valores Mobiliários, como as debêntures. A grande vantagem das debêntures é sua flexibilidade no que tange às características como prazo de amortização, taxa de juros, periodicidade da amortização, sistema de amotização, etc, que são escolhidas pelo emissor deste título. A taxa de juros é um importante fator, visto que impacta diretamente o resultado do projeto e sua disponibilidade de caixa. Contudo, qual seria a taxa de juros ideal, considerando o risco do debenturista? Neste estudo, é calculado o risco do acionista e do debenturista, utilizando-se Modelos de Volatilidade Condicional da família ARCH e o Método de Simulação de Monte Carlo. O risco do acionista é comparado à seu retorno, através da utilização do Índice de Sharpe (IS). O valor do IS obtido para o acionista foi aplicado às debêntures, admitindo-se o pressuposto que o Índice de Sharpe do acionista deve ser igual ao do debenturista (a relação retorno versus risco deve ser equivalente para os dois títulos). Foi atribuída às debêntures uma taxa de juros de 7% a.a. + IPCA e observou-se que para o IS das debêntures ser equivalente ao IS das ações, a remunação do primeiro deveria ser 4,29% a.a. + IPCA, uma vez que seu risco (calculado neste trabalho) é inferior ao do acionista

O presente trabalho analisou as volatilidades dos mercados de renda fixa e variável de onze países, sendo eles: Brasil, Rússia, Índia, China, África do Sul (neste país apenas renda fixa), Argentina, Chile, México, Estados Unidos, Alemanha e Japão no período de janeiro de 2000 a dezembro de 2011. Os indicadores utilizados para representar cada mercado foram os índices dos mercados de ações e as taxas de juros interbancárias. Para tanto, o estudo se utilizou de modelos de heterocedasticidade condicional auto-regressiva: ARCH, GARCH, EGARCH, TGARCH e PGARCH, verificando quais destes processos eram mais eficientes para modelagem da volatilidade dos mercados dos países da amostra. Esta pesquisa também verificou qual dos modelos (ARIMA ou modelos GARCH e suas extensões) conseguiria prever melhor as séries de tempo analisadas. Além disso, por meio dos índices de correlação, covariância e causalidade Granger, foram comparados os retornos e a volatilidade do mercado de ações entre os países BRIC, entre os países latinos americanos e entre os países desenvolvidos e o Brasil. Os resultados sugerem que a volatilidade, tanto do mercado de renda fixa quanto do mercado de renda variável, é mais bem modelada por processos GARCH assimétricos (EGARCH e TGARCH), demonstrando efeitos de alavancagem nas séries estudadas. Quanto aos modelos de previsão, os modelos ARIMA, também para os dois mercados, mostrou-se mais eficiente que os modelos GARCH e suas extensões. Além disso, as volatilidades dos mercados de ações entre os países analisados parecem ser mais correlacionadas e possuir maior causalidade Granger do que os retornos destes países. Entre os dois mercados, renda fixa e variável dentro de cada país, as correlações dos retornos e da volatilidade são muito baixas, em algumas vezes negativa, e há pouca relação de causalidade Granger. / This study analyzed the volatility of fixed income and stocks markets for eleven countries, namely: Brazil, Russia, India, China, South Africa (just fixed income), Argentina, Chile, Mexico, United States, Germany and Japan from January 2000 to December 2011, using interbank interest rate as a fixed income market indicator and stock index to each country, as a stock market indicator. Therefore, the study used models of autoregressive conditional heteroscedasticity: ARCH, GARCH, EGARCH, TGARCH e PGARCH to verify which of these processes were more effective for in volatility modeling in each country. This research also found that the models (ARIMA or GARCH models and their extensions) could be used as the best forecast models. Moreover, by means of correlation coefficients, covariance and Granger causality, were used to compare the returns and volatility of the stock market among the BRIC countries, among the Latin American countries and between developed countries and Brazil. The results suggest that the volatility of both the fixed income market as the stock market is best modeled by processes asymmetric GARCH (EGARCH and TGARCH) demonstrating leverage effects in the time series. Regarding prediction ARIMA models was more efficient for both markets than GARCH models and extensions. In addition, the volatility of stock markets across countries analyzed seem to be more correlated and have higher Granger causality than returns these countries. Between the two markets, for each country, the correlations of returns and volatility are very low, if not positive, and there is low Granger causality.

Durante os últimos anos, tem havido muitas mudanças na maneira como as instituições financeiras avaliam o risco. As regulações têm tido um papel muito importante no desenvolvimento das técnicas de medição do risco. Diante das diversidades de técnicas de estimação e análise de risco utilizadas pelas bolsas de valores e de futuros, nacionais e internacionais, bem como as Clearings de controle de risco, este estudo propôs uma análise comparativo de modelos de volatilidade para o cálculo do Value-at-Risk (VaR) aplicados aos principais índices de ações do mercado financeiro internacional. Utilizouse os modelos de volatilidade condicional da família ARCH levando em consideração a presença de longa dependência em seus retornos (memória longa) e assimetria na volatilidade. Em específico, utilizaram-se os modelos GARCH, EGARCH, APARCH, FIGARCH, FIEGARCH, FIAPARCH e HYGARCH estimados a parir de quatro diferentes distribuições, Normal, t-Student, G.E.D. e t-Student Assimétrica. Analisaramse os índices dos principais mercados de ações do mundo, sendo: Dow Jones, S&P 500, Nasdaq, Ibovespa, FTSE e Nikkei 225. Testou-se também a capacidade preditiva do modelo Riskmetrics desenvolvido pelo J.P. Morgan para o calculo do VaR, comparado com os modelos de volatilidade. Os resultados obtidos sugerem que o pacote desenvolvido pelo J.P.Morgan não se aplica adequadamente à realidade do mercado acionário mundial, como ferramenta de gestão e controle do risco das oscilações dos preços das ações de empresas negociadas nas bolsas de Nova Iorque, Nasdaq, BM&FBOVESPA, bolsa de Londres e bolsa de Tóquio. Os modelos que consideram o efeito de memória longa na volatilidade condicional dos retornos dos índices, em especial o modelo FIAPARCH (1,d,1), foram os que obtiveram melhor ajuste e desempenho preditivo do risco de mercado (Value-at-Risk), conforme valores apresentados pelo teste de razão de falha proposto por Kupiec (1995). / In recent years, there have been many changes in how financial institutions assess risk. The regulations have had a very important role in the development of techniques for measuring risk. Considering the diversity of estimation techniques and risk analysis used by stock exchanges and futures, national and international, as well as clearing houses of risk control, this study proposed a comparative analysis of volatility models for calculating Value-at-Risk (VaR) to the major stock indexes of international finance. It used models of conditional volatility of the ARCH family taking into account the presence of long dependence on their returns (long memory) and asymmetry in volatility. Specifically, it used the models GARCH, EGARCH, APARCH, FIGARCH, FIEGARCH, FIAPARCH and HYGARCH estimated the birth of four different distributions, Normal, t-Student, GED and t-Student Asymmetric. It analyzed the contents of the major stock markets of the world, being: Dow Jones, S & P 500, NASDAQ, Bovespa index, FTSE and Nikkei 225. Was also tested the predictive ability of the RiskMetrics model developed by JP Morgan for the calculation of VaR, compared with the models of volatility. The results suggest that the package developed by JPMorgan does not apply adequately to the reality of global stock market as a tool to manage and control the risk of fluctuations in stock prices of companies traded on the New York Stock Exchange, Nasdaq, BM&FBOVESPA, London Stock Exchange and Tokyo Stock Exchange. Models that consider the effect of long memory in conditional volatility of returns of the indices, especially the model FIAPARCH (1, d, 1), were the ones showing better fit and predictive performance of market risk (Value-at-Risk) , according to figures provided by the ratio test proposed by Kupiec (1995).

Made available in DSpace on 2015-05-08T14:44:44Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 1166218 bytes, checksum: 7fcb05d31169df50bbf76566f33a64de (MD5) Previous issue date: 2011-09-21 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The objective is to achieve and suggest the inclusion of a financial indicator in the monetary policy rule that captures oscillations in capital markets, thereby promoting the flexibility of the inflation targeting system in order to preserve its effectiveness and transparency. It is argued that in periods of high volatility, the performance should be broader monitoring of financial assets in an attempt to avoid a process of asset deflation which led the economy into recession. The theoretical basis of this work is guided studies of Bernanke and Gertler (1999, 2000) that argue pro-introduction of a financial variable in the Taylor rule; the monetary policy should take into account the fluctuations in the stock market when they alter the forecast of future inflation. The models Vector autoregression (VAR) and extensions of the ARCH model will be addressed in order to justify the inclusion of the financial indicator in the system of inflation targets. It was observed that the volatility models presented persistence in the crisis period (2007-2009) for the financial variable while for the SELIC, the persistence of shocks has been lower intensity which implies that monetary policy may not be reacting properly variations in the financial market. For the VAR model, there was confirmation of the central hypothesis of the work since, in time of crisis, the effect on the financial indicator of the SELIC rate is higher compared to pre-crisis period. Therefore, the results support the hypothesis of Bernanke and Gertler (1999) that the Central Bank should consider the financial market only in times of high volatility, and clearly present their strategies and reports of communication with the market. / O objetivo é obter e sugerir a inclusão de um indicador financeiro na regra de política monetária que capte as oscilações no mercado de capitais, promovendo, assim, a flexibilização do regime de metas inflacionárias de forma a preservar a sua eficácia e transparência. Argumenta-se que em períodos de grande volatilidade, seja conveniente a atuação mais ampla no monitoramento dos ativos financeiros buscando evitar um processo de deflação de ativos que conduzisse a economia à recessão. A base teórica deste trabalho pauta-se nos estudos de Bernanke e Gertler (1999, 2000) que argumentam pró-introdução de uma variável financeira na Regra de Taylor; a política monetária deve levar em consideração as oscilações no mercado de capitais quando estas alteram a previsão de inflação futura. Os modelos de Vetores Auto-Regressivos (VAR) e extensões do modelo ARCH serão utilizados como forma de justificar a inclusão do indicador financeiro no sistema de metas inflacionárias. Observou-se que os modelos de volatilidade apresentaram persistência no período de crise (2007-2009) para a variável financeira enquanto que para a SELIC, a persistência dos choques tem sido em menor intensidade o que implica que a política monetária pode não estar reagindo adequadamente às variações no mercado financeiro. Para o modelo VAR, houve confirmação da hipótese central do trabalho visto que, no período de crise, o efeito do indicador financeiro sobre a SELIC é maior comparado ao período pré-crise. Portanto, os resultados apóiam a hipótese de Bernanke e Gertler (1999) de que o Banco Central deve levar em consideração o mercado financeiro apenas em momentos de grande volatilidade, e apresentar claramente suas estratégias e seus relatórios de comunicação com o mercado.

O presente trabalho analisou as volatilidades dos mercados de renda fixa e variável de onze países, sendo eles: Brasil, Rússia, Índia, China, África do Sul (neste país apenas renda fixa), Argentina, Chile, México, Estados Unidos, Alemanha e Japão no período de janeiro de 2000 a dezembro de 2011. Os indicadores utilizados para representar cada mercado foram os índices dos mercados de ações e as taxas de juros interbancárias. Para tanto, o estudo se utilizou de modelos de heterocedasticidade condicional auto-regressiva: ARCH, GARCH, EGARCH, TGARCH e PGARCH, verificando quais destes processos eram mais eficientes para modelagem da volatilidade dos mercados dos países da amostra. Esta pesquisa também verificou qual dos modelos (ARIMA ou modelos GARCH e suas extensões) conseguiria prever melhor as séries de tempo analisadas. Além disso, por meio dos índices de correlação, covariância e causalidade Granger, foram comparados os retornos e a volatilidade do mercado de ações entre os países BRIC, entre os países latinos americanos e entre os países desenvolvidos e o Brasil. Os resultados sugerem que a volatilidade, tanto do mercado de renda fixa quanto do mercado de renda variável, é mais bem modelada por processos GARCH assimétricos (EGARCH e TGARCH), demonstrando efeitos de alavancagem nas séries estudadas. Quanto aos modelos de previsão, os modelos ARIMA, também para os dois mercados, mostrou-se mais eficiente que os modelos GARCH e suas extensões. Além disso, as volatilidades dos mercados de ações entre os países analisados parecem ser mais correlacionadas e possuir maior causalidade Granger do que os retornos destes países. Entre os dois mercados, renda fixa e variável dentro de cada país, as correlações dos retornos e da volatilidade são muito baixas, em algumas vezes negativa, e há pouca relação de causalidade Granger. / This study analyzed the volatility of fixed income and stocks markets for eleven countries, namely: Brazil, Russia, India, China, South Africa (just fixed income), Argentina, Chile, Mexico, United States, Germany and Japan from January 2000 to December 2011, using interbank interest rate as a fixed income market indicator and stock index to each country, as a stock market indicator. Therefore, the study used models of autoregressive conditional heteroscedasticity: ARCH, GARCH, EGARCH, TGARCH e PGARCH to verify which of these processes were more effective for in volatility modeling in each country. This research also found that the models (ARIMA or GARCH models and their extensions) could be used as the best forecast models. Moreover, by means of correlation coefficients, covariance and Granger causality, were used to compare the returns and volatility of the stock market among the BRIC countries, among the Latin American countries and between developed countries and Brazil. The results suggest that the volatility of both the fixed income market as the stock market is best modeled by processes asymmetric GARCH (EGARCH and TGARCH) demonstrating leverage effects in the time series. Regarding prediction ARIMA models was more efficient for both markets than GARCH models and extensions. In addition, the volatility of stock markets across countries analyzed seem to be more correlated and have higher Granger causality than returns these countries. Between the two markets, for each country, the correlations of returns and volatility are very low, if not positive, and there is low Granger causality.

Durante os últimos anos, tem havido muitas mudanças na maneira como as instituições financeiras avaliam o risco. As regulações têm tido um papel muito importante no desenvolvimento das técnicas de medição do risco. Diante das diversidades de técnicas de estimação e análise de risco utilizadas pelas bolsas de valores e de futuros, nacionais e internacionais, bem como as Clearings de controle de risco, este estudo propôs uma análise comparativo de modelos de volatilidade para o cálculo do Value-at-Risk (VaR) aplicados aos principais índices de ações do mercado financeiro internacional. Utilizouse os modelos de volatilidade condicional da família ARCH levando em consideração a presença de longa dependência em seus retornos (memória longa) e assimetria na volatilidade. Em específico, utilizaram-se os modelos GARCH, EGARCH, APARCH, FIGARCH, FIEGARCH, FIAPARCH e HYGARCH estimados a parir de quatro diferentes distribuições, Normal, t-Student, G.E.D. e t-Student Assimétrica. Analisaramse os índices dos principais mercados de ações do mundo, sendo: Dow Jones, S&P 500, Nasdaq, Ibovespa, FTSE e Nikkei 225. Testou-se também a capacidade preditiva do modelo Riskmetrics desenvolvido pelo J.P. Morgan para o calculo do VaR, comparado com os modelos de volatilidade. Os resultados obtidos sugerem que o pacote desenvolvido pelo J.P.Morgan não se aplica adequadamente à realidade do mercado acionário mundial, como ferramenta de gestão e controle do risco das oscilações dos preços das ações de empresas negociadas nas bolsas de Nova Iorque, Nasdaq, BM&FBOVESPA, bolsa de Londres e bolsa de Tóquio. Os modelos que consideram o efeito de memória longa na volatilidade condicional dos retornos dos índices, em especial o modelo FIAPARCH (1,d,1), foram os que obtiveram melhor ajuste e desempenho preditivo do risco de mercado (Value-at-Risk), conforme valores apresentados pelo teste de razão de falha proposto por Kupiec (1995). / In recent years, there have been many changes in how financial institutions assess risk. The regulations have had a very important role in the development of techniques for measuring risk. Considering the diversity of estimation techniques and risk analysis used by stock exchanges and futures, national and international, as well as clearing houses of risk control, this study proposed a comparative analysis of volatility models for calculating Value-at-Risk (VaR) to the major stock indexes of international finance. It used models of conditional volatility of the ARCH family taking into account the presence of long dependence on their returns (long memory) and asymmetry in volatility. Specifically, it used the models GARCH, EGARCH, APARCH, FIGARCH, FIEGARCH, FIAPARCH and HYGARCH estimated the birth of four different distributions, Normal, t-Student, GED and t-Student Asymmetric. It analyzed the contents of the major stock markets of the world, being: Dow Jones, S & P 500, NASDAQ, Bovespa index, FTSE and Nikkei 225. Was also tested the predictive ability of the RiskMetrics model developed by JP Morgan for the calculation of VaR, compared with the models of volatility. The results suggest that the package developed by JPMorgan does not apply adequately to the reality of global stock market as a tool to manage and control the risk of fluctuations in stock prices of companies traded on the New York Stock Exchange, Nasdaq, BM&FBOVESPA, London Stock Exchange and Tokyo Stock Exchange. Models that consider the effect of long memory in conditional volatility of returns of the indices, especially the model FIAPARCH (1, d, 1), were the ones showing better fit and predictive performance of market risk (Value-at-Risk) , according to figures provided by the ratio test proposed by Kupiec (1995).

Neste trabalho desenvolvemos um estudo sobre modelos auto-regressivos com heterocedasticidade (ARCH) e modelos auto-regressivos com erros ARCH (AR-ARCH). Apresentamos os procedimentos para a estimação dos modelos e para a seleção da ordem dos mesmos. As estimativas dos parâmetros dos modelos são obtidas utilizando duas técnicas distintas: a inferência Clássica e a inferência Bayesiana. Na abordagem de Máxima Verossimilhança obtivemos intervalos de confiança usando a técnica Bootstrap e, na abordagem Bayesiana, adotamos uma distribuição a priori informativa e uma distribuição a priori não-informativa, considerando uma reparametrização dos modelos para mapear o espaço dos parâmetros no espaço real. Este procedimento nos permite adotar distribuição a priori normal para os parâmetros transformados. As distribuições a posteriori são obtidas através dos métodos de simulação de Monte Carlo em Cadeias de Markov (MCMC). A metodologia é exemplificada considerando séries simuladas e séries do mercado financeiro brasileiro / In this work we present a study of autoregressive conditional heteroskedasticity models (ARCH) and autoregressive models with autoregressive conditional heteroskedasticity errors (AR-ARCH). We also present procedures for the estimation and the selection of these models. The estimates of the parameters of those models are obtained using both Maximum Likelihood estimation and Bayesian estimation. In the Maximum Likelihood approach we get confidence intervals using Bootstrap resampling method and in the Bayesian approach we present informative prior and non-informative prior distributions, considering a reparametrization of those models in order to map the space of the parameters into real space. This procedure permits to choose prior normal distributions for the transformed parameters. The posterior distributions are obtained using Monte Carlo Markov Chain methods (MCMC). The methodology is exemplified considering simulated and Brazilian financial series

Neste trabalho desenvolvemos um estudo sobre modelos auto-regressivos com heterocedasticidade (ARCH) e modelos auto-regressivos com erros ARCH (AR-ARCH). Apresentamos os procedimentos para a estimação dos modelos e para a seleção da ordem dos mesmos. As estimativas dos parâmetros dos modelos são obtidas utilizando duas técnicas distintas: a inferência Clássica e a inferência Bayesiana. Na abordagem de Máxima Verossimilhança obtivemos intervalos de confiança usando a técnica Bootstrap e, na abordagem Bayesiana, adotamos uma distribuição a priori informativa e uma distribuição a priori não-informativa, considerando uma reparametrização dos modelos para mapear o espaço dos parâmetros no espaço real. Este procedimento nos permite adotar distribuição a priori normal para os parâmetros transformados. As distribuições a posteriori são obtidas através dos métodos de simulação de Monte Carlo em Cadeias de Markov (MCMC). A metodologia é exemplificada considerando séries simuladas e séries do mercado financeiro brasileiro / In this work we present a study of autoregressive conditional heteroskedasticity models (ARCH) and autoregressive models with autoregressive conditional heteroskedasticity errors (AR-ARCH). We also present procedures for the estimation and the selection of these models. The estimates of the parameters of those models are obtained using both Maximum Likelihood estimation and Bayesian estimation. In the Maximum Likelihood approach we get confidence intervals using Bootstrap resampling method and in the Bayesian approach we present informative prior and non-informative prior distributions, considering a reparametrization of those models in order to map the space of the parameters into real space. This procedure permits to choose prior normal distributions for the transformed parameters. The posterior distributions are obtained using Monte Carlo Markov Chain methods (MCMC). The methodology is exemplified considering simulated and Brazilian financial series

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-07-18T14:26:58Z No. of bitstreams: 1 daniellealdepaulaestevesdosreis.pdf: 1239258 bytes, checksum: 75cc07cdf6eba15d62c43b78ac783fbc (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-07-22T15:03:54Z (GMT) No. of bitstreams: 1 daniellealdepaulaestevesdosreis.pdf: 1239258 bytes, checksum: 75cc07cdf6eba15d62c43b78ac783fbc (MD5) / Made available in DSpace on 2016-07-22T15:03:54Z (GMT). No. of bitstreams: 1 daniellealdepaulaestevesdosreis.pdf: 1239258 bytes, checksum: 75cc07cdf6eba15d62c43b78ac783fbc (MD5) Previous issue date: 2011-12-16 / FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais / Medidas de volatilidade se constituem numa preocupação por parte de estudiosos e profissionais do mercado financeiro. Modelos da família ARCH/GARCH a partir dos retornos diários produzem um indicador de volatilidade, mas, não conferem ao pesquisador uma medida observável do grau de variabilidade dos retornos em torno de seu valor esperado. A recente disponibilidade de dados de frequência inferior a um dia de negociação permitiu a elaboração de indicadores de volatilidade observáveis por meio de uma medida conhecida como volatilidade realizada. A partir de então, é possível elaborar um indicador observável de volatilidade diária com base em dados de natureza intradiária, de modo a representar uma medida mais apropriada do grau de risco de um ativo ou carteira de ativos, e, a partir de então, estimar a volatilidade por meio de processo da família ARIMA. De posse dos dados de alta-frequência de um papel preferencial da Petrobrás S.A., o presente trabalho se propõe, portanto, em construir a medida de volatilidade realizada por meio da soma dos quadrados dos retornos obtidos em intervalos regulares (5, 15 e 30 minutos) durante cada dia de negociação do papel PETR4 durante o período de 02/01/2007 à 29/10/2010. Posteriormente à criação do indicador de volatilidade realizada que se supõe como mais apropriado para se mensurar o grau de risco, pretende-se comparar a qualidade do ajustamento e a capacidade preditiva de cada um dos métodos de modelagem da volatilidade. A comparação dos modelos baseados em dados diários e intradiários dar-se-á por meio do cômputo do erro quadrático médio (EQM) e dos testes de Diebold e Mariano e de Harvey para avaliação da acurácia preditiva dos modelos. Os resultados mostraram que, em geral, os modelos da família ARIMA são mais apropriados para a avaliação do grau de ajustamento, e produz previsões mais satisfatórias que os modelos da família ARCH/GARCH. / Volatility measures constitute a concern among scholars and professionals of the financial market. Models of the ARCH/GARCH class from the daily returns produce an indicator of volatility, but do not give the researcher an observable measure of the degree of variability of returns around their expected value. The recent availability of data at frequencies below a trading day allowed the development of indicators of volatility observable through a measurement known as realized volatility. Since then, they can build an observable indicator of daily volatility based on intraday data, so as to represent a more appropriate measure of the riskiness of an asset, and from then estimate volatility through a process of ARIMA family. Provided with the data of a high frequency preferential role of Petrobrás S. A., the present paper therefore proposes to construct a measure of realized volatility by the sum of the squares of the returns obtained at regular intervals (5, 15 and 30 minutes ) during each trading day for the paper PETR4 during 02/01/2007 to 29/10/2010. After the creation of the realized volatility indicator that is supposed to be more appropriate to measure the degree of risk, the intent is to compare the goodness of fit and predictive ability of each of the methods of volatility’s models. The comparison of models based on daily data and intraday give will be through the calculation of the mean square error (MSE) and tests of Diebold and Mariano and Harvey to evaluate the predictive accuracy of models. The results in general showed that the models of the ARIMA class are more suitable for assessing the degree of adjustment and produces predictions more satisfactory than the models of the ARCH/GARCH class.

Time series model have been used in many areas of knowledge and have become a current necessity for companies to survive in a globalized and competitive market, as well as climatic factors that have always been a concern because of the different ways they interfere in human life. In this context, this work aims to present a comparison among the performances by the following models of time series: ARIMA, ARMAX and Exponential Smoothing, adjusted to air relative humidity (UR) and also to verify the volatility present in the series through non-linear models ARCH/GARCH, adjusted to residues of the ARIMA and ARMAX models. The data were collected from INMET from October, 1st to January, 22nd, 2014. In the comparison of the results and the selection of the best model, the criteria MAPE, EQM, MAD and SSE were used. The results showed that the model ARMAX(3,0), with the inclusion of exogenous variables produced better forecast results, compared to the other models SARMA(3,0)(1,1)12 and the Holt-Winters multiplicative. In the volatility study of the series via non-linear ARCH(1), adjusted to the quadrants of SARMA(3,0)(1,1)12 and ARMAX(3,0) residues, it was observed that the volatility does not tend to influence the future long-term observations. It was then concluded that the classes of models used and compared in this study, for data of a climatologic variable, showed a good performance and adjustment. We highlight the broad usage possibility in the techniques of temporal series when it is necessary to make forecasts and also to describe a temporal process, being able to be used as an efficient support tool in decision making. / Modelos de séries temporais vêm sendo empregados em diversas áreas do conhecimento e têm surgido como necessidade atual para empresas sobreviverem em um mercado globalizado e competitivo, bem como fatores climáticos sempre foram motivo de preocupação pelas diferentes formas que interferem na vida humana. Nesse contexto, o presente trabalho tem por objetivo apresentar uma comparação do desempenho das classes de modelos de séries temporais ARIMA, ARMAX e Alisamento Exponencial, ajustados a dados de umidade relativa do ar (UR) e verificar a volatilidade presente na série por meio de modelos não-lineares ARCH/GARCH ajustados aos resíduos dos modelos ARIMA e ARMAX. Os dados foram coletados junto ao INMET no período de 01 de outubro de 2001 a 22 de janeiro de 2014. Na comparação dos resultados e na seleção do melhor modelo foram utilizados os critérios MAPE, EQM, MAD e SSE. Os resultados mostraram que o modelo ARMAX(3,0) com a inclusão de variáveis exógenas produziu melhores resultados de previsão em relação aos seus concorrentes SARMA(3,0)(1,1)12 e o Holt-Winters multiplicativo. No estudo da volatilidade da série via modelo não-linear ARCH(1), ajustado aos quadrados dos resíduos dos modelos SARMA(3,0)(1,1)12 e ARMAX(3,0), observou-se que a volatilidade não tende a influenciar as observações futuras em longo prazo. Conclui-se que as classes de modelos utilizadas e comparadas neste estudo, para dados de uma variável climatológica, demonstraram bom desempenho e ajuste. Destaca-se a ampla possibilidade de utilização das técnicas de séries temporais quando se deseja fazer previsões e descrever um processo temporal, podendo ser utilizadas como ferramenta eficiente de apoio nas tomadas de decisão.