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.

Neste trabalho são definidos, discutidos e estimados o Valor em Risco e o Expected Shortfall. Estas são medidas de Risco Financeiro de Mercado muito utilizadas por empresas e investidores para o gerenciamento do risco, aos quais podem estar expostos. O objetivo foi apresentar e utilizar vários métodos e modelos para a estimação dessas medidas e estabelecer qual o modelo mais adequado dentro de determinados cenários. / In this work Value at Risk and Expected Shortfall are defined, discussed and estimated . These are measures heavily used in Financial Market Risk, in particular by companies and investors to manage risk, which they may be exposed. The aim is to present and use several methods and models for estimating those measures and to establish which model is most appropriate in certain scenarios.

Este trabalho consiste em um estudo comparativo de diversos modelos para cálculo do Valor em Risco de um portifólio. São comparados modelos que consideram a série univariada de log-retornos do portifólio versus mo- delos multivariados, que consideram as séries de log-retornos de cada ativo que compõe o portifólio e suas correlações condicionais. Além disso, são testados modelo propostos recentemente, que possuem pouca literatura a respeito, como o PS-GARCH e o VARMA-GARCH. Também propomos um novo modelo, que utiliza o resultado acumulado do portifólio nos últimos dias como variável exógena. Os diferentes modelos são avaliados em termos de sua adequação às exigëncias do Acordo de Basileia e seu impacto financeiro, em um período que inclui épocas de alta volatilidade. De forma geral, não foram notadas grandes diferenças de performance entre modelos univariados e multivariados. Os modelos mais complexos mostraram-se mais eficientes, produzindo resultados satisfatórios inclusive em tempos de crise. / The present work consists of a comparative study of several portfolio Value-at-Risk models. Univariate models, which consider only the portfolio log-returns series, are compared to multivariate models, which consider the log-returns series of each asset individually and their conditional correlations. Additionally, recently proposed models such as PS-GARCH and VARMA-GARCH are tested. We also propose a new model that uses past cumulative returns as exogenous variables. All models are evaluated in terms of their compliance to Basel Accord and financial impact, in period that includes high volatility times. In general, univariate and multivariate models performed similarly. More complex models yielded more accurate results, with satisfactory performance including in crisis periods.

[pt] volatilidade dos ativos financeiros reflete uma reação prosseguida dos agentes a choques no passado ou alterações nas condições dos mercados determinam mudanças na dinâmica da variável? Enquanto modelos fracionalmente integrados vêm sendo extensamente utilizados como uma descrição adequada do processo gerador de séries de volatilidade, trabalhos teóricos recentes indicaram que mudanças estruturais podem ser uma relevante alternativa empírica para o fato estilizado de memória longa. O presente trabalho investiga o que alterações nos mercados significam nesse contexto, introduzindo variações de preços como uma possível fonte de mudanças no nível da volatilidade durante algum período, com grandes quedas (ascensões) nos preços trazendo regimes persistentes de variância alta (baixa). Uma estratégia de modelagem sistemática e flexível é estabelecida para testar e estimar essa assimetria através da incorporação de retornos acumulados passados num arcabouço não-linear. O principal resultado revela que o efeito é altamente significante - estima-se que níveis de volatilidade 25% e 50% maiores estão associados a quedas nos preços em períodos curtos - e é capaz de explicar altos valores de estimativas do parâmetro de memória longa. Finalmente, mostra-se que a modelagem desse efeito traz ganhos importantes para aplicações fora da amostra em períodos de volatilidade alta. / [en] Does volatility reflect lasting reactions to past shocks or changes in the markets induce shifts in this variable dynamics? In this work, we argue that price variations are an essential source of information about multiple regimes in the realized volatility of stocks, with large falls (rises) in prices bringing persistent regimes of high (low) variance. The study shows that this asymmetric effect is highly significant (we estimate that falls of different magnitudes over less than two months are associated with volatility levels 20% and 60% higher than the average of periods with stable or rising prices) and support large empirical values of long memory parameter estimates. We show that a model based on those findings significantly improves out of sample performance in relation to standard methods {specially in periods of high volatility.

Made available in DSpace on 2010-04-20T21:00:30Z (GMT). No. of bitstreams: 3 marciocecilioturma2004.pdf.jpg: 19602 bytes, checksum: 0772484d1cb46349dfbfb25620b5cdae (MD5) marciocecilioturma2004.pdf: 859203 bytes, checksum: 346a3e7d5751118ff894a182d7512b56 (MD5) marciocecilioturma2004.pdf.txt: 86793 bytes, checksum: e0c91b2715fc569bc6ec29bfce078e69 (MD5) Previous issue date: 2007-01-23T00:00:00Z / Há forte evidência que os retornos das séries financeiras apresentam caudas mais pesadas que as da distribuição normal, principalmente em mercados emergentes. No entanto, muitos modelos de risco utilizados pelas instituições financeiras baseiam-se em normalidade condicional ou não condicional, reduzindo a acurácia das estimativas. Os recentes avanços na Teoria de Valores Extremos permitem sua aplicação na modelagem de risco, como por exemplo, na estimação do Valor em Risco e do requerimento de capital. Este trabalho verifica a adequação de um procedimento proposto por McNeil e Frey [1999] para estimação do Valor em Risco e conseqüente requerimento de capital às principais séries financeiras de retornos do Brasil. Tal procedimento semi-paramétrico combina um modelo GARCH ajustado por pseudo máxima verossimilhança para estimação da volatilidade corrente com a Teoria de Valores Extremos para estimação das caudas da distribuição das inovações do modelo GARCH. O procedimento foi comparado através de backtestings com outros métodos mais comuns de estimação de VaR que desconsideram caudas pesadas das inovações ou a natureza estocástica da volatilidade. Concluiu-se que o procedimento proposto por McNeil e Frey [1999] mostrou melhores resultados, principalmente para eventos relacionados a movimentos negativos nos mercados . Futuros trabalhos consistirão no estudo de uma abordagem multivariada de grandes dimensões para estimação de VaR e requerimento de capital para carteiras de investimentos. / There is a strong evidence that financial return series are heavy-tailed, mostly in emerging markets. However, most of the risk models used by financial institutions are based in conditional or non-conditional normality, which reduces the accuracy of the estimates. The recent advances in Extreme Value Theory permit its application to risk measuring, such as Value at Risk and capital adequacy estimates. This work verifies the adequacy of a procedure proposed by McNeil and Frey [1999] to VaR and consequent capital requirement estimates for the main financial return series in Brazil. This semi parametric procedure combines a pseudo-maximumlikelihood fitting GARCH model to estimate the current volatility and the Extreme Value Theory (EVT) to estimate the tails of the innovations distribution of the GARCH model. Using backtestings the procedure was compared to other common methods of VaR estimation that disregard heavy tails of the innovations or the stochastic nature of the volatility. The procedure proposed by McNeil and Frey [1999] showed better results, mostly for negative events in the financial market2 . Further works will consist of studying a high dimensional multivariate approach to estimate VaR and capital requirements for portfolios of investment instruments.

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.