Orientador: Osvair Vidal Trevisan / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica e Instituto de Geociências / Made available in DSpace on 2018-08-27T14:50:44Z (GMT). No. of bitstreams: 1 Marques_JoaoBoscoDias_D.pdf: 8432350 bytes, checksum: 10f225750a03d8f222ff06c7a20cc1e7 (MD5) Previous issue date: 2015 / Resumo: Esta tese, de caráter metodológico, é uma proposta de análise econômica de projetos de petróleo com emprego de cópulas e processos estocásticos autorregressivos envolvendo cinco variáveis fundamentais: o preço da commodity, a taxa mínima de atratividade (TMA), o custo de investimento (CAPEX), o custo operacional (OPEX) e a curva de produção de óleo. A premissa é a existência de uma estratégia de produção já estabelecida, de preferência decorrente de metodologias validadas em simulação numérica de reservatórios. O fluxo de caixa do projeto é baseado numa formulação simplificada de VPL e num modelo analítico de produção condicionado à referida estratégia. Para a aplicação desta metodologia são estimados modelos da família GARCH e ARMA para o preço do óleo e TMA, cópulas Arquimedianas para o CAPEX e o OPEX e cópulas elípticas para as variáveis que compõem a curva analítica de produção. Uma solução computacional, desenvolvida para a validação desta tese, possibilita não só a estimativa dos modelos como a incorporação destes no fluxo de caixa de um projeto de petróleo, tanto em regime de concessão como de partilha de produção. A matriz de incertezas combina os atributos preço e taxa para três cenários econômicos, contra os atributos de eficiência e eficácia para três níveis de desempenho da empresa. A métrica de risco indicada é o valor em risco ponderado. Os resultados evidenciam as vantagens dos modelos estimados para a análise de risco de projetos de petróleo em condições de incertezas. As assimetrias relacionadas aos choques havidos no preço da commodity são claramente evidenciadas. A métrica indicada, além de coerente para um investidor avesso ao risco, pode subsidiar com vantagens a curva de risco na estimativa das reservas P10, P50 e P90. Outra vantagem é o tratamento acoplado de variáveis como o CAPEX e o OPEX como parâmetros de atributos de desempenho operacional. Trata-se de uma metodologia expedita, aplicável, de fácil interpretação e de valor prático, que pode auxiliar os processos de decisão em projetos de alta complexidade como os do pré-sal brasileiro / Abstract: This thesis of methodological nature is a proposed economic analysis of oil projects with the use of copulas and autoregressive stochastic processes involving five fundamental variables: the price of the commodity, the discount rate (TMA), the investment cost (CAPEX), the operating cost (OPEX) and the curve of oil production. The premise is the existence of a production strategy established, preferably derived from validated methods in numerical reservoir simulation. Cash flow of the project is based on a simplified formulation of NPV and an analytical model of production conditioned on the Strategy. For the application of this methodology, models from the ARMA and GARCH family were estimated for the price of oil and TMA, Archimedean copulas for the CAPEX and OPEX, and elliptical copulas for the variables that comprise the analytical production curve. A computational solution, developed to validate this thesis, provides not only the estimation of models, such as the incorporation in the cash flow of an oil project under concession regime and production sharing contract. The uncertainty matrix combines the attributes of price and rate in three economic scenarios versus the attributes of efficiency and effectiveness in three levels of operator performance. The indicated risk metric is the weighted value-at-risk. The results show advantages of the estimated models for the risk analysis of oil projects under conditions of uncertainty. Asymmetries related to shocks that were in the price of commodity are clearly evidenced. The indicated metric, in addition to its consistency for a risk averse investor, can subsidize with advantages the risk curve in the estimation of reserves P10, P50 and P90. Another advantage is the coupled treatment of variables like the CAPEX and OPEX as parameters of management attributes. This is an expedient methodology, applicable, easy to understand and of practical value that can aist decision-making processes in highly complex projects such as Brazilian pre-salt / Doutorado / Reservatórios e Gestão / Doutor em Ciências e Engenharia de Petróleo

Este trabalho apresenta um estudo através da abordagem Bayesiana em modelos de volatilidade estocástica, para modelagem de séries temporais financeiras, com o uso do método de Monte Carlo Hamiltoniano (HMC). Propomos o uso de outras distribuições para os erros da equação de observações do modelos de volatilidade estocástica, além da distribuição Gaussiana, para tratar problemas como caudas pesadas e assimetria nos retornos. Além disso, utilizamos critérios de informações, recentemente desenvolvidos, WAIC e LOO que aproximam a metodologia de validação cruzada, para realizar a seleção de modelos. No decorrer do trabalho, estudamos a qualidade do método HMC através de exemplos, estudo de simulação e aplicação a conjunto de dados. Adicionalmente, avaliamos a performance dos modelos e métodos propostos através do cálculo de estimativas para o Valor em Risco (VaR) para múltiplos horizontes de tempo. / This paper presents a study using Bayesian approach in stochastic volatility models for modeling financial time series, using Hamiltonian Monte Carlo methods (HMC). We propose the use of other distributions for the errors of the equation at stochastic volatiliy model, besides the Gaussian distribution, to treat the problem as heavy tails and asymmetry in the returns. Moreover, we use recently developed information criteria WAIC and LOO that approximate the crossvalidation methodology, to perform the selection of models. Throughout this work, we study the quality of the HMC methods through examples, simulation study and application to dataset. In addition, we evaluated the performance of the proposed models and methods by calculating estimates for Value at Risk (VaR) for multiple time horizons.

Submitted by Sara Ribeiro (sara.ribeiro@ucb.br) on 2018-06-18T18:53:22Z No. of bitstreams: 1 RafaeldeMoraisVargasDissertacao2018.pdf: 2179808 bytes, checksum: e2993cd35f13b4bd6411d626aefa0043 (MD5) / Approved for entry into archive by Sara Ribeiro (sara.ribeiro@ucb.br) on 2018-06-18T18:54:14Z (GMT) No. of bitstreams: 1 RafaeldeMoraisVargasDissertacao2018.pdf: 2179808 bytes, checksum: e2993cd35f13b4bd6411d626aefa0043 (MD5) / Made available in DSpace on 2018-06-18T18:54:14Z (GMT). No. of bitstreams: 1 RafaeldeMoraisVargasDissertacao2018.pdf: 2179808 bytes, checksum: e2993cd35f13b4bd6411d626aefa0043 (MD5) Previous issue date: 2018-02-27 / Given the importance of market risk measures, such as value at risk (VaR), in this paper, we compare traditionally accepted volatility forecast models, in particular, the GARCH family models, with more recent models such as HAR-RV and GAS in terms of the accuracy of their VaR forecasts. For this purpose, we use intraday prices, at the 5-minute frequency, of the S&P 500 index and the General Electric stocks, for the period from January 4, 2010 to December 30, 2013. Based on the tick loss function and the Diebold-Mariano test, we did not find difference in the predictive performance of the HAR-RV and GAS models in comparison with the Exponential GARCH (EGARCH) model, considering daily VaR forecasts at the 1% and 5% significance levels for the return series of the S&P 500 index. Regarding the return series of General Electric, the 1% VaR forecasts obtained from the HAR-RV models, assuming a t-Student distribution for the daily returns, are more accurate than the forecasts of the EGARCH model. In the case of the 5% VaR forecasts, all variations of the HAR-RV model perform better than the EGARCH. Our empirical study provides evidence of the good performance of HAR-RV models in forecasting value at risk. / Dada a importância de medidas de risco de mercado, como o valor em risco (VaR), nesse trabalho, comparamos modelos de previsão de volatilidade tradicionalmente mais aceitos, em particular, os modelos da família GARCH, com modelos mais recentes, como o HAR-RV e o GAS, em termos da acurácia de suas previsões de VaR. Para isso, usamos preços intradiários, na frequência de 5 minutos, do índice S&P 500 e das ações da General Electric, para o período de 4 de janeiro de 2010 a 30 de dezembro de 2013. Com base na função perda tick e no teste de Diebold-Mariano, não encontramos diferença no desempenho preditivo dos modelos HAR-RV e GAS em relação ao modelo Exponential GARCH (EGARCH), considerando as previsões de VaR diário a 1% e 5% de significância para a série de retornos do índice S&P 500. Já com relação à série de retornos da General Electric, as previsões de VaR a 1% obtidas a partir dos modelos HAR-RV, assumindo uma distribuição t-Student para os retornos diários, mostram-se mais acuradas do que as previsões do modelo EGARCH. No caso das previsões de VaR a 5%, todas as variações do modelo HAR-RV apresentam desempenho superior ao EGARCH. Nosso estudo empírico traz evidências do bom desempenho dos modelos HAR-RV na previsão de valor em risco.

Orientador: Roberto Andreani / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-10T15:35:32Z (GMT). No. of bitstreams: 1 Magro_RogerioCorrea_M.pdf: 1309841 bytes, checksum: 3935050b45cf1bf5bbba46ac64603d72 (MD5) Previous issue date: 2008 / Resumo: Dado um capital C e n opções de investimento (ativos), o problema de seleção de portfolio consiste em aplicar C da melhor forma possivel para um determinado perfil de investidor. Visto que, em geral, os valores futuros destes ativos não são conhecidos, a questão fundamental a ser respondida e: Como mensurar a incerteza? No presente trabalho são apresentadas tres medidas de risco: O modelo de Markowitz, o Value-at-Risk (VaR) e o Conditional Value-At-Risk (CVaR). Defendemos que, sob o ponto de vista teorico, o Valor em Risco (VaR) e a melhor dentre as tres medidas. O motivo de tal escolha deve-se ao fato de que, para o VaR, podemos controlar a influencia que os cenários catastroficos possuem sobre nossas decisões. Em contrapartida, o processo computacional envolvido na escolha de um portfolio ótimo sob a metodologia VaR apresenta-se notadamente mais custoso do que aqueles envolvidos nos calculos das demais medidas consideradas. Dessa forma, nosso objetivo e tentar explorar essa vantagem computacional do Modelo de Markowitz e do CVaR no sentido de tentar aproximar suas decisões aquelas apontadas pela medida eleita. Para tal, consideraremos soluções VaR em seu sentido original (utilizando apenas o parametro de confiabilidade ao buscar portfolios otimos) e soluções com controle de perda (impondo uma cota superior para a perda esperada) / Abstract: Given a capital C and n investment options (assets), the problem of portfolio selection consists of applying C in the best possible way for a certain investor profile. Because, in general, the future values of these assets are unknown, the fundamental question to be answered is: How to measure the uncertainty? In the present work three risk measures are presented: The Markowitz¿s model, the Value-at-Risk (VaR) and the Conditional Value-at-Risk (CVaR). We defended that, under the theoretical point of view, the Value in Risk (VaR) is the best amongst the three measures. The reason of such a choice is due to the fact that, for VaR, we can control the influence that the catastrophic sceneries possess about our decisions. In the other hand, the computational process involved in the choice of a optimal portfolio under the VaR methodology comes notedly more expensive than those involved in the calculations of the other considered measures. In that way, our objective is to try to explore that computational advantage of the Markowitz¿s Model and of CVaR in the sense of trying to approach its decisions the those pointed by the elect measure. For such, we will consider VaR solutions in its original sense (just using the confidence level parameter when looking for optimal portfolios) and solutions with loss control (imposing a superior quota for the expected loss) / Mestrado / Otimização / Mestre em Matemática Aplicada

Made available in DSpace on 2016-03-15T19:30:39Z (GMT). No. of bitstreams: 1 Luiz Guilherme Azevedo Mauad.pdf: 2910298 bytes, checksum: 249a2bed427bd7a8dc926ab2d3586459 (MD5) Previous issue date: 2010-07-01 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Purchasing high quality and low price products has become a consumer fixation, mainly where the lowest price is demanded and in reverses auctions, whether electronic or not. The importance of establishing retail prices of projects, products and services has been increasing. Therefore, it has become a strategic and challenging task for managers while also being one of their great fears. In a global and highly competitive market, price setting may influence consumers buying choices: a product s value and quality, which meet their expectations, will sell a product or project. On the other hand, a price inaccurately fixed may turn offers down and lead a company into unwished results. Research shows that markup pricing method is still the most common technique used by companies. However, fixing a price based on this method and taking into account a deterministic cost value may lead a company into making the wrong decisions and taking unnecessary risks. Prices undergo the influence of several costs and market related factors, which, somehow, have some kind of uncertainty risk. Nevertheless, when one is dealing with costs this uncertainty becomes more latent. Therefore, they must be taken into consideration in the company s pricing process. The present research study, based on RiskMetrics concepts such as VaR and, mainly, CorporateMetrics, proposes and applies a pricing model named Cost at Risk based Price (PCeR) in a high technology venture. The model approaches costs incurred stochastically instead of deterministically and takes into account the risks inherent to their composing parameters. The model has proven to be a useful and flexible tool, which offers to managers greater understanding when fixing retail prices. That understanding may assist organizations to reach a market, overcome their competitors and grow profitably. / Adquirir produtos com qualidade e preços baixos tornou-se uma obsessão para o consumidor,principalmente, nas concorrências em que o menor preço é exigido e nos leilões reversos,realizados por meio eletrônico ou não. A fixação de preços de venda para projetos, produtos e/ou serviços adquire, a cada dia, maior importância. Torna-se uma atividade estratégica e um dos grandes desafios para os gestores e, porque não dizer, um dos seus grandes temores. Em um mercado global e altamente competitivo, o dimensionamento de preço pode influir na decisão de compra do consumidor: o estabelecimento de valor e qualidade que atendam à sua expectativa favorece a venda do produto, ou projeto, já um preço mal dimensionado pode fazê-lo refugar ofertas e levar a empresa a resultados indesejados. Estudos mostram que a precificação custo acrescido , ainda hoje, é a técnica mais utilizada pelas empresas, para cumprir essa função. Porém, definir o preço, com base neste modelo e considerar apenas um valor de custo determinístico, poderá levar a empresa a decisões errôneas e riscos desnecessários. Sabe-se que o preço sofre influência de uma série de fatores ligados ao custo e ao mercado que, de certa forma, contêm certo grau de incerteza, porém é nos custos que estas incertezas tornam-se mais latentes. Então, não se pode deixar de considerá-las no processo de precificação da empresa. Este trabalho, baseado nos conceitos propostos pelo RiskMetrics, como o VaR e, principalmente, nas CorporateMetrics, propõe e aplica, em uma empresa de alta tecnologia, um modelo de precificação denominado Preço baseado no Custo em Risco (PCeR), que aborda os custos incorridos não mais de maneira determinística, mas de forma estocástica, levando em consideração os riscos inerentes aos parâmetros que o compõem. O modelo mostrou ser uma ferramenta útil e flexível aos gestores, oferecendo uma maior visibilidade na definição do preço de venda, visibilidade essa que pode levar a organização a conquistar mercado, superar a concorrência e crescer com lucratividade.