隨著金融環境的國際化與自由化，資本移動迅速，衍生性金融商品的發展，雖然使得金融市場更加活絡，相對劇烈的變化也增加了許多風險。尤其全世界金融風暴與金融事件頻傳，對於風險的管理與控制已經變得相當重要。 風險管理的工具眾多，本論文主要對Value-at-Risk這個最受歡迎的風險管理工具進行研究，VaR是指「在未來一定期間之內，我可在多少百分比的信賴區間內確定公司投資部位的最大損失額不會超過多少。」 本文首先討論VaR的模型，從參數化的均等加權移動平均、指數加權移動平均、Delta-Gamma法，到無母數的歷史模擬法、蒙地卡羅模擬法、壓力測試法。 接著利用程式設計，對券商自營部門和權證/避險部門，每月實際發生的投資組合做VaR計算。除了計算不同部門、不同投資組合、使用不同VaR模型的風險值，也從實際的風險值裡，討論券商在權證/避險的過程，對風險控管的運用。 最後利用BIS、IOSCO的報告和建議，對券商和主管機關做了幾點建議。

Made available in DSpace on 2016-03-15T19:25:23Z (GMT). No. of bitstreams: 1 Arthur Monteiro Gabbay.pdf: 425008 bytes, checksum: 1824b9dbd4b1080b887305933b95be36 (MD5) Previous issue date: 2010-08-11 / Fundo Mackenzie de Pesquisa / Many authors consider Operational Risk as a key variable for maintaining the balance of the global financial market. The objective of this dissertation is to study the development of a Advanced Measurement Approach (AMA), specifically the Loss Distribution Approach (LDA) on a database of actual operational losses. Being more specifically, this study promotes an analysis about the results and possible limitations related to the implementation of the model. To achieve these goals, it is needed to discuss the definitions of Operational Risk, Monte Carlo Simulation and value-at-risk (VaR), considering that these concepts are crucial to the implementation of the LDA. / O risco operacional é considerado por muitos autores uma variável determinante para a manutenção do equilíbrio do mercado financeiro global. O objetivo desta dissertação é estudar o desenvolvimento de uma modelo de Abordagem de Mensuração Avançada (AMA),mais especificamente a Loss Distribution Approach (LDA), sobre um banco de dados reais de perdas operacionais. Mais especificamente este estudo promove uma análise sobre os resultados e sobre eventuais limitações relacionadas à aplicação do modelo. Para realização destes objetivos, abordam-se as definições do risco operacional, simulação de Monte Carlo e value-at-risk (VaR), haja vista que estes são conceitos cruciais para a aplicação do LDA.

Made available in DSpace on 2010-04-20T21:00:18Z (GMT). No. of bitstreams: 3 liuyuanchun.pdf.jpg: 17401 bytes, checksum: f3f99fd1992b2110a49c01ea2b4a795c (MD5) liuyuanchun.pdf: 1060371 bytes, checksum: 3f2e7592f1f950f8abbb037eaa9e522d (MD5) liuyuanchun.pdf.txt: 115026 bytes, checksum: bba135f45d4f79bd49d73017e1c707c1 (MD5) Previous issue date: 2008-01-17T00:00:00Z / Many methodologies to measure market risk have been developed and improved in the last few decades. While some methodologies are non-parametric, others are parametric. Some methodologies are theoretical, while others are more practical. While some methodologies are original, others are hybrid. In this work, we compared methodologies to measure market risk in the Brazilian market. We evaluated non-parametric and parametric methodologies to measure VaR in a fixed income, equities and a mixture between fixed income and equities’ portfolios between 2000 and 2006. Non-parametric methodologies evaluated were: Fixed-Weight Historical Simulation, Fixed-Weight Antithetic Historical Simulation, Exponential Historical Simulation and Scenario Analysis. Parametric methodologies evaluated were: FixedWeight VaR Delta-Normal, Exponential VaR Delta-Normal (EWMA), Fixed-Weight Monte Carlo Simulation and Exponential Monte Carlo Simulation. Based on statistical measures of conservatism, accuracy and efficiency, we compared the methodologies. / Várias metodologias de mensuração de risco de mercado foram desenvolvidas e aprimoradas ao longo das últimas décadas. Enquanto algumas metodologias usam abordagens não-paramétricas, outras usam paramétricas. Algumas metodologias são mais teóricas, enquanto outras são mais práticas, usando recursos computacionais através de simulações. Enquanto algumas metodologias preservam sua originalidade, outras metodologias têm abordagens híbridas, juntando características de 2 ou mais metodologias. Neste trabalho, fizemos uma comparação de metodologias de mensuração de risco de mercado para o mercado financeiro brasileiro. Avaliamos os resultados das metodologias não-paramétricas e paramétricas de mensuração de VaR aplicados em uma carteira de renda fixa, renda variável e renda mista durante o período de 2000 a 2006. As metodologias não-paramétricas avaliadas foram: Simulação Histórica pesos fixos, Simulação Histórica Antitética pesos fixos, Simulação Histórica exponencial e Análise de Cenário. E as metodologias paramétricas avaliadas foram: VaR Delta-Normal pesos fixos, VaR Delta-Normal exponencial (EWMA), Simulação de Monte Carlo pesos fixos e Simulação de Monte Carlo exponencial. A comparação destas metodologias foi feita com base em medidas estatísticas de conservadorismo, precisão e eficiência.

本篇文章將採用長期記憶模型之一的HYGARCH模型，搭配1985年廣場協議後的日圓匯率期貨資料來估計日圓期貨匯率買入和放空部位的日報酬風險值，探討控管日圓匯率期貨在使用上的風險。為了更準確地計算風險值，本文採用常態分配、學生t分配以及偏態學生t分配來作模型估計以及風險值之計算。 本文實證的結果將有兩方面的貢獻：首先，實證結果顯示當我們採用厚尾分配估計風險值時，樣本內風險值的估計誤差會與信賴水準的高低呈正比的現象，證明在極端的風險值估計上，厚尾分配均有較佳的表現。其次，與其他使用HYGARCH模型研究日圓匯率的文章相較，本文在風險控管層面上所提供的偏態學生t分配，於估計風險值時，比起只考慮厚尾的對稱學生t分配將來得更為有效，其不但在估計誤差上較小，而且根據Kupiec檢定法，其在樣本內的風險值估計也有較好的表現。此外，本文也將多方證明此資料的偏態分配屬於右偏。 / In order to manage the exposure of the dollar/yen futures returns with regarding the long memory behavior in volatility, we use the HYGARCH(1,d,1) model with the data after the Plaza Accord to compute daily Value-at-Risk (VaR) of long and short trading positions. To take into account the fat-tail situation in financial time series, we estimate the model under the normal, Student-t, and skewed Student-t distributions. The contribution of this article is twofold. First, the empirical results show that the bias of in-sample VaR increases as the confidence level increases when VaR is calculated with a fat-tail distribution. Second, we provide a better distribution, the skewed Student-t innovation, for estimating the HYGARCH model for the Japanese yen in respect of risk management because the bias under the skewed Student-t innovation is smaller than that under the Student-t distribution, and in-sample VaR of the models with a skewed Student-t distribution outperforms based on Kupiec test. In addition, we get the innovation skewed to the right through the in-sample VaR analysis.