No presente trabalho, exploramos dois temas de interesse em finanças, economia e antropologia social, através da aplicação de técnicas da teoria da informação e da mecânica estatística. No primeiro tópico, estudamos a conexão entre teoria de dependência estatística, teoria de informação e teoria da cópulas. O conceito de distribuição cópula é revisto e aplicado em reformulação das definições de medida de dependência dadas por Rényi 1. Em seguida, mostramos que a informação mútua satisfaz todos os requisitos para ser uma boa medida de dependência. Obtemos uma identidade entre a informação mútua e a entropia da distribuição cópula e uma decomposição mais específica da informação mútua de uma distribuição elíptica nas suas partes linear e não-linear. Avaliamos o risco de usar quantidades ingênuas como medidas de dependência estatística, mostrando que a correlação linear pode subestimar grosseiramente a dependência. Esses resultados são utilizados para desenvolver um método de detectação de desvios de dependência gaussiana em pares de variáveis aleatórias e aplicá-lo a séries temporais financeiras. Finalmente, discutimos um método para ajustar t-cópulas a dados empíricos 2 através da medida da informação mútua e do tau de Kendall. No segundo tópico, desenvolvemos um modelo para o surgimento de autoridade em sociedades humanas pré-agrícolas. Discutimos motivações empíricas com raízes em neurociência, primatologia e antropologia para um modelo matemático capaz de explicar a ampla variabilidade de formas de organização social humana no eixo igualitário hierárquico. O modelo resulta da aplicação de teoria da informação a uma hipótese sobre os custos evolutivos envolvidos na vida social. O modelo gera um diagrama de fase rico, com diferentes regimes que podem ser interpretados como diferentes tipos de organização social. Os parâmetros de controler do modelo estão ligados à capacidade cognitiva da espécie em questão, ao tamanho do grupo e a pressões ecológicas e sociais. / In the present work we explore two topics of interest in finance, economics and social anthropology through the application of techniques from information theory and statistical mechanics. In the first topic we study the connexion between statistical dependency theory, information theory and copula theory. The concept of copula distribution is reviewed and applied to the reformulation of the definition of dependency measures given by Rényi 3. It is then shown that the mutual information satisfy all the requirements to be a good dependency measure. We derive an identity between mutual information and the entropy of the copula distribution and a more specific decomposition of the mutual information of an elliptical distribution into its linear and non-linear parts. We evaluate the risk of using naive measures as statistical dependency measures by showing that linear correlation can grossly underestimate dependency. Those results are used to develop a method to detect deviation from gaussian dependence in pairs of random variables and apply it to financial time series. Finally, we discuss a method to adjust t-copulas to empirical data4 through the determination of the mutual information and Kendalls tau. In the second topic we develop a model for the emergence of authority in pre-agricultural human societies. We discuss empirical motivations with roots in neuroscience, primatology and anthropology for a mathematical model able to explain the ample variability of forms of human social organization in the egalitarian-hierarchical axis. The model results from the application of information theory on a hypothesis about the evolutive costs involved in social life. It generates a rich phase diagram, with different regimes which can be interpreted as different types of societal organization, from egalitarian to hierarchical. The control parameters of the model are connected to the cognitive capacity of the species in question, the size of the group and ecological and social pressures.

No presente trabalho, exploramos dois temas de interesse em finanças, economia e antropologia social, através da aplicação de técnicas da teoria da informação e da mecânica estatística. No primeiro tópico, estudamos a conexão entre teoria de dependência estatística, teoria de informação e teoria da cópulas. O conceito de distribuição cópula é revisto e aplicado em reformulação das definições de medida de dependência dadas por Rényi 1. Em seguida, mostramos que a informação mútua satisfaz todos os requisitos para ser uma boa medida de dependência. Obtemos uma identidade entre a informação mútua e a entropia da distribuição cópula e uma decomposição mais específica da informação mútua de uma distribuição elíptica nas suas partes linear e não-linear. Avaliamos o risco de usar quantidades ingênuas como medidas de dependência estatística, mostrando que a correlação linear pode subestimar grosseiramente a dependência. Esses resultados são utilizados para desenvolver um método de detectação de desvios de dependência gaussiana em pares de variáveis aleatórias e aplicá-lo a séries temporais financeiras. Finalmente, discutimos um método para ajustar t-cópulas a dados empíricos 2 através da medida da informação mútua e do tau de Kendall. No segundo tópico, desenvolvemos um modelo para o surgimento de autoridade em sociedades humanas pré-agrícolas. Discutimos motivações empíricas com raízes em neurociência, primatologia e antropologia para um modelo matemático capaz de explicar a ampla variabilidade de formas de organização social humana no eixo igualitário hierárquico. O modelo resulta da aplicação de teoria da informação a uma hipótese sobre os custos evolutivos envolvidos na vida social. O modelo gera um diagrama de fase rico, com diferentes regimes que podem ser interpretados como diferentes tipos de organização social. Os parâmetros de controler do modelo estão ligados à capacidade cognitiva da espécie em questão, ao tamanho do grupo e a pressões ecológicas e sociais. / In the present work we explore two topics of interest in finance, economics and social anthropology through the application of techniques from information theory and statistical mechanics. In the first topic we study the connexion between statistical dependency theory, information theory and copula theory. The concept of copula distribution is reviewed and applied to the reformulation of the definition of dependency measures given by Rényi 3. It is then shown that the mutual information satisfy all the requirements to be a good dependency measure. We derive an identity between mutual information and the entropy of the copula distribution and a more specific decomposition of the mutual information of an elliptical distribution into its linear and non-linear parts. We evaluate the risk of using naive measures as statistical dependency measures by showing that linear correlation can grossly underestimate dependency. Those results are used to develop a method to detect deviation from gaussian dependence in pairs of random variables and apply it to financial time series. Finally, we discuss a method to adjust t-copulas to empirical data4 through the determination of the mutual information and Kendalls tau. In the second topic we develop a model for the emergence of authority in pre-agricultural human societies. We discuss empirical motivations with roots in neuroscience, primatology and anthropology for a mathematical model able to explain the ample variability of forms of human social organization in the egalitarian-hierarchical axis. The model results from the application of information theory on a hypothesis about the evolutive costs involved in social life. It generates a rich phase diagram, with different regimes which can be interpreted as different types of societal organization, from egalitarian to hierarchical. The control parameters of the model are connected to the cognitive capacity of the species in question, the size of the group and ecological and social pressures.

Made available in DSpace on 2010-04-20T21:00:03Z (GMT). No. of bitstreams: 4 Fabio Nunes Barja.pdf.jpg: 2268 bytes, checksum: 3ff1d834aa6bf6835efe6dd07835326c (MD5) Fabio Nunes Barja.pdf.txt: 144718 bytes, checksum: 86d161817200706186fc58ff0c7b1cd4 (MD5) license.txt: 4712 bytes, checksum: 4dea6f7333914d9740702a2deb2db217 (MD5) Fabio Nunes Barja.pdf: 920446 bytes, checksum: 547cbd04aa1355d329be524b2fe94b1d (MD5) Previous issue date: 2009-11-30T00:00:00Z / Este trabalho aplica a teoria de cópulas à mensuração do risco de mercado, através do cálculo do Value at Risk (VaR). A função de cópula oferece uma maior flexibilidade para a agregação de riscos quando comparada com abordagens tradicionais de mensuração de risco. A teoria de cópulas permite a utilização de distribuições de probabilidade diferentes da normal para a modelagem individual dos fatores de risco. Além disso, diferentes estruturas de associação entre eles podem ser aplicadas sem que restrições sejam impostas às suas distribuições. Dessa forma, premissas como a normalidade conjunta dos retornos e a linearidade na dependência entre fatores de risco podem ser dispensadas, possibilitando a correta modelagem de eventos conjuntos extremos e de assimetria na relação de dependência. Após a apresentação dos principais conceitos associados ao tema, um modelo de cópula foi desenvolvido para o cálculo do VaR de três carteiras, expostas aos mercados brasileiros cambial e acionário. Em seguida, a sua precisão foi comparada com a das metodologias tradicionais delta-normal e de simulação histórica. Os resultados mostraram que o modelo baseado na teoria de cópulas foi superior aos tradicionais na previsão de eventos extremos, representados pelo VaR 99%. No caso do VaR 95%, o modelo delta-normal apresentou o melhor desempenho. Finalmente, foi possível concluir que o estudo da teoria de cópulas é de grande relevância para a gestão de riscos financeiros. Fica a sugestão de que variações do modelo de VaR desenvolvido neste trabalho sejam testadas, e que esta teoria seja também aplicada à gestão de outros riscos, como o de crédito, operacional, e até mesmo o risco integrado. / This study applies the theory of copulas to the measurement of market risk by doing the Value at Risk (VaR) calculation. The copula function offers a greater flexibility to aggregate the risks as compared to traditional approaches of risk measurement. The theory of copulas enables the use of probability distributions different from the normal to the individual modeling of risk factors. Furthermore, different association structures between them can be applied with no restrictions being imposed to its distributions. Thus, premises such as joint normality of returns and linearity in the dependence between risk factors can be dismissed, what enables the correct modelling of extreme joint events and of asymmetry in the dependence relation. After presenting the main concepts associated to the theme, a copula model was developed in order to calculate the VaR for three portfolios which are exposed to the Brazilian foreign exchange and stock markets. Afterwards, its accuracy was compared with that of traditional methodologies, i.e., delta-normal and historic simulation. The results showed that the model based on the theory of copulas was superior to the traditional ones at forecasting extreme events, which are represented by VaR 99%. When it comes to VaR 95%, the delta-normal model presented the best results. Finally, it was possible to conclude that the theory of copulas study is of great relevance to financial risks management. For further research, a suggestion is testing variations of the VaR model developed in this work, as well as applying this theory to managing other risks, such as credit, operational or even integrated risk.

Made available in DSpace on 2016-06-02T20:06:09Z (GMT). No. of bitstreams: 1 5762.pdf: 2315381 bytes, checksum: 2d23013b02c4b33dcbf1b10405b613b9 (MD5) Previous issue date: 2014-02-12 / Financiadora de Estudos e Projetos / In this work, we present and discuss the operational risk in the financial institutions, Basel Accord II, the structure of dependence between cumulative operational losses, a tool for modeling this dependence (theory of copula) and the allocation of a capital, called regulatory capital. The usual method for calculation of regulatory capital for operational risk, suggested by Basel Committee, overestimates the final capital because it is considered that the losses are perfectly positively dependents. Then, we propose a new method for this calculation based on theory of copula for the bivariate case. Such method models the dependence between two losses and considers a index (representing the expert opinion). We discuss also a method studied on Alexander (2003) and perform a simulation study in order to compare all methods, the usual, the proposed and the convolution one. / Nesse trabalho, abordamos o risco operacional nas instituições financeiras sob o ponto de vista do Acordo de Basileia II, a característica da presença de dependência estocástica entre as variáveis aleatórias em questão, a ferramenta para modelagem de tal dependência (teoria de cópulas) e a alocação de capital regulatório. Como o método usual para alocação de capital regulatório sugerido pelo Acordo de Basileia II superestima tal capital por considerar que as variáveis perdas são perfeitamente dependentes, propomos neste trabalho uma metodologia alternativa, baseada em teoria de cópulas, para o caso bivariado. Tal metodologia modela a dependência entre duas perdas e ainda inclui a opinião de especialistas da área no modelo final. Também discutimos uma metodologia existente na literatura (método da convolução) e fazemos um estudo de simulação para analisar o comportamento dos métodos abordados: método usual, proposto e da convolução.