O grande número de publicações na área de finanças atualmente utilizando a modelagem de cópulas pode ser explicada pela capacidade de esta técnica estatística conseguir lidar com a evidência de não normalidade das séries de retornos de ativos financeiros. A não normalidade é evidenciada através do “sorriso de volatilidade” presente em séries de opções de ações perto do vencimento; existência de “caudas pesadas” em carteiras de instituições e consequentemente no gerenciamento de risco das Instituições. Particularmente com relação ao Value at Risk (VaR), que é uma técnica estatística que tem por objetivo calcular a perda máxima de uma carteira em dado horizonte de tempo considerando um nível de significância adotado, a existência de caudas pesadas nas séries gera um problema para a determinação da distribuição de probabilidade conjunta, implicando em grande dificuldade na mensuração do grau de exposição aos fatores de risco. Esse fato acaba por dificultar o correto e efetivo gerenciamento de risco de uma carteira, pois em tese, devido à existência de não normalidade, não é possível separar os efeitos de ativos de diferentes características. Em casos de crises e bolhas, o portfólio pode ser mais arriscado que o desejado ou excessivamente conversador. Neste sentido, a utilização de Cópulas torna-se atrativa, pois com esta técnica é possível separar as distribuições marginais de cada ativo da estrutura de dependência das variáveis. O objetivo do trabalho é propor uma modelagem de risco a partir do uso de Cópulas para o cálculo do Value at Risk (VaR), utilizando os métodos de volatilidade GARCH (1,1), EWMA e HAR. A aplicação empírica do modelo foi efetuada a partir de uma amostra de uma série de retornos de uma carteira teórica composta por ativos de renda variável (ações preferenciais) das empresas Petrobras, Vale, Usiminas e Gerdau. A amostra utilizada corresponde aos preços diários entre o período de 03 de março de 2006 até 30 de abril de 2010, representando 1.026 observações diárias. Os resultados apurados para a amostra demonstraram que as cópulas tendem a gerar um Value at Risk (VaR) significativo para a maioria das famílias de Cópulas, quando testado pelo Teste de Kupiec (1995). / The large number of publications in finance using currently copulas can be explained by the ability of this technique to deal with statistical evidence of non-normality of the return series of financial assets. The non-normality is evidenced by the "volatility smile" in the series of stock options near expiration, the existence of "heavy tails" in portfolios of institutions and consequently the risk management of the institutions. Especially regarding the Value at Risk (VaR), which is a statistical technique that aims to calculate the maximum loss a portfolio at a given time horizon considering a significance level, the existence of heavy tails in the series creates a problem for determining the joint probability distribution, resulting in great difficulty in measuring the degree of exposure to risk factors. This fact makes difficult the correct and effective risk management of a portfolio, because in theory, due to the existence of non-normality, it is not possible to separate the effects of assets with different characteristics. In cases of crises and bubbles, the portfolio may be riskier than desired or overly chatty. In this regard, the use of copulas becomes attractive, because with this technique is possible to separate the marginal distributions of each dependence structure of the variables. The objective is to propose a model of risk using copulas for the calculation of Value at Risk (VaR), using the methods of volatility GARCH (1,1), EWMA and HAR. The empirical application of the model was made from a sample of a series of returns of a theoretical portfolio of assets in equities (shares) of Petrobras, Vale, Usiminas and Gerdau. The sample corresponds to the daily prices in the period between March 3rd, 2006 until April 30th, 2010, representing 1026 daily observations. The results obtained showed that copulas tend to generate a Value at Risk (VaR) for the most significant families of copulas, when tested by the Test of Kupiec (1995).

O grande número de publicações na área de finanças atualmente utilizando a modelagem de cópulas pode ser explicada pela capacidade de esta técnica estatística conseguir lidar com a evidência de não normalidade das séries de retornos de ativos financeiros. A não normalidade é evidenciada através do “sorriso de volatilidade” presente em séries de opções de ações perto do vencimento; existência de “caudas pesadas” em carteiras de instituições e consequentemente no gerenciamento de risco das Instituições. Particularmente com relação ao Value at Risk (VaR), que é uma técnica estatística que tem por objetivo calcular a perda máxima de uma carteira em dado horizonte de tempo considerando um nível de significância adotado, a existência de caudas pesadas nas séries gera um problema para a determinação da distribuição de probabilidade conjunta, implicando em grande dificuldade na mensuração do grau de exposição aos fatores de risco. Esse fato acaba por dificultar o correto e efetivo gerenciamento de risco de uma carteira, pois em tese, devido à existência de não normalidade, não é possível separar os efeitos de ativos de diferentes características. Em casos de crises e bolhas, o portfólio pode ser mais arriscado que o desejado ou excessivamente conversador. Neste sentido, a utilização de Cópulas torna-se atrativa, pois com esta técnica é possível separar as distribuições marginais de cada ativo da estrutura de dependência das variáveis. O objetivo do trabalho é propor uma modelagem de risco a partir do uso de Cópulas para o cálculo do Value at Risk (VaR), utilizando os métodos de volatilidade GARCH (1,1), EWMA e HAR. A aplicação empírica do modelo foi efetuada a partir de uma amostra de uma série de retornos de uma carteira teórica composta por ativos de renda variável (ações preferenciais) das empresas Petrobras, Vale, Usiminas e Gerdau. A amostra utilizada corresponde aos preços diários entre o período de 03 de março de 2006 até 30 de abril de 2010, representando 1.026 observações diárias. Os resultados apurados para a amostra demonstraram que as cópulas tendem a gerar um Value at Risk (VaR) significativo para a maioria das famílias de Cópulas, quando testado pelo Teste de Kupiec (1995). / The large number of publications in finance using currently copulas can be explained by the ability of this technique to deal with statistical evidence of non-normality of the return series of financial assets. The non-normality is evidenced by the "volatility smile" in the series of stock options near expiration, the existence of "heavy tails" in portfolios of institutions and consequently the risk management of the institutions. Especially regarding the Value at Risk (VaR), which is a statistical technique that aims to calculate the maximum loss a portfolio at a given time horizon considering a significance level, the existence of heavy tails in the series creates a problem for determining the joint probability distribution, resulting in great difficulty in measuring the degree of exposure to risk factors. This fact makes difficult the correct and effective risk management of a portfolio, because in theory, due to the existence of non-normality, it is not possible to separate the effects of assets with different characteristics. In cases of crises and bubbles, the portfolio may be riskier than desired or overly chatty. In this regard, the use of copulas becomes attractive, because with this technique is possible to separate the marginal distributions of each dependence structure of the variables. The objective is to propose a model of risk using copulas for the calculation of Value at Risk (VaR), using the methods of volatility GARCH (1,1), EWMA and HAR. The empirical application of the model was made from a sample of a series of returns of a theoretical portfolio of assets in equities (shares) of Petrobras, Vale, Usiminas and Gerdau. The sample corresponds to the daily prices in the period between March 3rd, 2006 until April 30th, 2010, representing 1026 daily observations. The results obtained showed that copulas tend to generate a Value at Risk (VaR) for the most significant families of copulas, when tested by the Test of Kupiec (1995).

O grande número de publicações na área de finanças atualmente utilizando a modelagem de cópulas pode ser explicada pela capacidade de esta técnica estatística conseguir lidar com a evidência de não normalidade das séries de retornos de ativos financeiros. A não normalidade é evidenciada através do “sorriso de volatilidade” presente em séries de opções de ações perto do vencimento; existência de “caudas pesadas” em carteiras de instituições e consequentemente no gerenciamento de risco das Instituições. Particularmente com relação ao Value at Risk (VaR), que é uma técnica estatística que tem por objetivo calcular a perda máxima de uma carteira em dado horizonte de tempo considerando um nível de significância adotado, a existência de caudas pesadas nas séries gera um problema para a determinação da distribuição de probabilidade conjunta, implicando em grande dificuldade na mensuração do grau de exposição aos fatores de risco. Esse fato acaba por dificultar o correto e efetivo gerenciamento de risco de uma carteira, pois em tese, devido à existência de não normalidade, não é possível separar os efeitos de ativos de diferentes características. Em casos de crises e bolhas, o portfólio pode ser mais arriscado que o desejado ou excessivamente conversador. Neste sentido, a utilização de Cópulas torna-se atrativa, pois com esta técnica é possível separar as distribuições marginais de cada ativo da estrutura de dependência das variáveis. O objetivo do trabalho é propor uma modelagem de risco a partir do uso de Cópulas para o cálculo do Value at Risk (VaR), utilizando os métodos de volatilidade GARCH (1,1), EWMA e HAR. A aplicação empírica do modelo foi efetuada a partir de uma amostra de uma série de retornos de uma carteira teórica composta por ativos de renda variável (ações preferenciais) das empresas Petrobras, Vale, Usiminas e Gerdau. A amostra utilizada corresponde aos preços diários entre o período de 03 de março de 2006 até 30 de abril de 2010, representando 1.026 observações diárias. Os resultados apurados para a amostra demonstraram que as cópulas tendem a gerar um Value at Risk (VaR) significativo para a maioria das famílias de Cópulas, quando testado pelo Teste de Kupiec (1995). / The large number of publications in finance using currently copulas can be explained by the ability of this technique to deal with statistical evidence of non-normality of the return series of financial assets. The non-normality is evidenced by the "volatility smile" in the series of stock options near expiration, the existence of "heavy tails" in portfolios of institutions and consequently the risk management of the institutions. Especially regarding the Value at Risk (VaR), which is a statistical technique that aims to calculate the maximum loss a portfolio at a given time horizon considering a significance level, the existence of heavy tails in the series creates a problem for determining the joint probability distribution, resulting in great difficulty in measuring the degree of exposure to risk factors. This fact makes difficult the correct and effective risk management of a portfolio, because in theory, due to the existence of non-normality, it is not possible to separate the effects of assets with different characteristics. In cases of crises and bubbles, the portfolio may be riskier than desired or overly chatty. In this regard, the use of copulas becomes attractive, because with this technique is possible to separate the marginal distributions of each dependence structure of the variables. The objective is to propose a model of risk using copulas for the calculation of Value at Risk (VaR), using the methods of volatility GARCH (1,1), EWMA and HAR. The empirical application of the model was made from a sample of a series of returns of a theoretical portfolio of assets in equities (shares) of Petrobras, Vale, Usiminas and Gerdau. The sample corresponds to the daily prices in the period between March 3rd, 2006 until April 30th, 2010, representing 1026 daily observations. The results obtained showed that copulas tend to generate a Value at Risk (VaR) for the most significant families of copulas, when tested by the Test of Kupiec (1995).

Thesis (Ph.D. (Risk Management))--North-West University, Potchefstroom Campus, 2007.

The measurement of operational risk has surely been one of the biggest challenges for banks worldwide. Most banks worldwide have opted for a value-at-risk (VaR) approach, based on the success achieved with market risk, to measure and quantify operational risk. The problem banks have is that they do not always find it difficult to calculate this VaR figure, as there are numerous mathematical and statistical methods and models that can calculate VaR, but they struggle to understand and interpret the values that are produced by VaR models and methods. Senior management and normal staff do not always understand how these VaR values will impact their decision-making and they do not always know how to incorporate these values in their day-to-day management of the bank. This study therefore aims to explain and discuss the calculation of VaR for operational risk as well as the factors that influence this figure, and then also to discuss how this figure is managed and the impact that it has on the management of a bank. The main goal of this study is then to explain the management of VaR for operational risk in order to understand how it can be incorporated in the overall management of a bank. The methodology used includes a literature review, in-depth interviews and a case study on a South African Retail Bank to determine and evaluate some of the most renowned methods for calculating VaR for operational risk. The first objective of this study is to define operational risk and all its elements in order to distinguish it from all the other risks the banking industry faces and to better understand the management thereof. It is the view of this study that it will be impossible to manage and measure operational risk if it is not clearly defined, and it is therefore important to have a clear and understandable definition of operational risk. The second objective is to establish an operational risk management process that will ensure a structured approach to the management of operational risk, by focusing on the different phases of operational risk. The process discussed by this study is a combination of some of the most frequent used processes by international banks, and is intended to guide the reader in terms of the steps required for managing operational risk. The third objective of this study is to discuss and explain the qualitative factors that play a role in the management of operational risk, and to determine where these factors fit into the operational risk process and the role they play in calculating the VaR for operational risk. These qualitative factors include, amongst others, key risk indicators (KRIs), risk and control self-assessments and the tracking of operational losses. The fourth objective is to identify and evaluate the quantitative factors that play a role in the management of operational risk, to distinguish these factors from the qualitative factors, and also to determine where these factors fit into the operational risk management process and the role they play in calculating VaR for operational risk. Most of these quantitative factors are prescribed by the Base1 Committee by means of its New Capital Accord, whereby this new framework aims to measure operational risk in order to determine the amount of capital needed to safeguard a bank against operational risk. The fifth objective is to discuss and explain the calculation of VaR for operational risk by means of discussing all the elements of this calculation. This study mainly bases its discussion on the loss distribution approach (LDA), where the frequency and severity of operational loss events are convoluted by means of Monte Carlo simulations. This study uses real data obtained from a South African Retail Bank to illustrate this calculation on a practical level. The sixth and final objective of this study is to explain how VaR for operational risk is interpreted in order for management to deal with it and make proper management decisions based on it. The above-mentioned discussion is predominantly based on the two types of capital that are influenced by VaR for operational risk. / Thesis (Ph.D. (Risk Management))--North-West University, Potchefstroom Campus, 2007.

The measurement of operational risk has surely been one of the biggest challenges for banks worldwide. Most banks worldwide have opted for a value-at-risk (VaR) approach, based on the success achieved with market risk, to measure and quantify operational risk. The problem banks have is that they do not always find it difficult to calculate this VaR figure, as there are numerous mathematical and statistical methods and models that can calculate VaR, but they struggle to understand and interpret the values that are produced by VaR models and methods. Senior management and normal staff do not always understand how these VaR values will impact their decision-making and they do not always know how to incorporate these values in their day-to-day management of the bank. This study therefore aims to explain and discuss the calculation of VaR for operational risk as well as the factors that influence this figure, and then also to discuss how this figure is managed and the impact that it has on the management of a bank. The main goal of this study is then to explain the management of VaR for operational risk in order to understand how it can be incorporated in the overall management of a bank. The methodology used includes a literature review, in-depth interviews and a case study on a South African Retail Bank to determine and evaluate some of the most renowned methods for calculating VaR for operational risk. The first objective of this study is to define operational risk and all its elements in order to distinguish it from all the other risks the banking industry faces and to better understand the management thereof. It is the view of this study that it will be impossible to manage and measure operational risk if it is not clearly defined, and it is therefore important to have a clear and understandable definition of operational risk. The second objective is to establish an operational risk management process that will ensure a structured approach to the management of operational risk, by focusing on the different phases of operational risk. The process discussed by this study is a combination of some of the most frequent used processes by international banks, and is intended to guide the reader in terms of the steps required for managing operational risk. The third objective of this study is to discuss and explain the qualitative factors that play a role in the management of operational risk, and to determine where these factors fit into the operational risk process and the role they play in calculating the VaR for operational risk. These qualitative factors include, amongst others, key risk indicators (KRIs), risk and control self-assessments and the tracking of operational losses. The fourth objective is to identify and evaluate the quantitative factors that play a role in the management of operational risk, to distinguish these factors from the qualitative factors, and also to determine where these factors fit into the operational risk management process and the role they play in calculating VaR for operational risk. Most of these quantitative factors are prescribed by the Base1 Committee by means of its New Capital Accord, whereby this new framework aims to measure operational risk in order to determine the amount of capital needed to safeguard a bank against operational risk. The fifth objective is to discuss and explain the calculation of VaR for operational risk by means of discussing all the elements of this calculation. This study mainly bases its discussion on the loss distribution approach (LDA), where the frequency and severity of operational loss events are convoluted by means of Monte Carlo simulations. This study uses real data obtained from a South African Retail Bank to illustrate this calculation on a practical level. The sixth and final objective of this study is to explain how VaR for operational risk is interpreted in order for management to deal with it and make proper management decisions based on it. The above-mentioned discussion is predominantly based on the two types of capital that are influenced by VaR for operational risk. / Thesis (Ph.D. (Risk Management))--North-West University, Potchefstroom Campus, 2007.

TESIS PARA OPTAR AL GRADO DE MAGÍSTER EN FINANZAS / Este trabajo tiene como principales objetivos el demostrar que aquellos portafolios con commodities entregan un mayor beneficio para el inversionista, y al mismo tiempo mostrar, mediante su utilización, diferentes metodologías, que siendo algunas bastante sencillas, pueden ser de mucha utilidad. Estas metodologías se utilizan para medir la capacidad que tienen los commodities para diversificar el riesgo y de esta forma obtener mejores rentabilidades sin aumentar la volatilidad, o sea, sin aumentar el riesgo al hacer las inversiones. Los resultados determinan que los commodites muestran una buena capacidad de disminuir la volatilidad de los portafolios y permiten alcanzar un mejor desempeño. / The main objective of this paper is to demonstrate that these portfolios with the commodities provide a greater benefit to the investor, and at the same time to show, through their use, different methodologies, which are very simple, but also can be very useful. These methodologies are used to measure the ability of commodities to diversify risk and this way to obtain better returns without increasing the volatility, that is, without increasing the risk when making the investments. The results determine that the commodities have a good ability to reduce the volatility of the portfolios and achieve a better performance.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2015. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-03-22T19:46:38Z No. of bitstreams: 1 2015_YuriSampaioMaluf.pdf: 4291479 bytes, checksum: 4a9954a7905294836d257652f0ce1753 (MD5) / Approved for entry into archive by Marília Freitas(marilia@bce.unb.br) on 2016-05-26T16:30:44Z (GMT) No. of bitstreams: 1 2015_YuriSampaioMaluf.pdf: 4291479 bytes, checksum: 4a9954a7905294836d257652f0ce1753 (MD5) / Made available in DSpace on 2016-05-26T16:30:44Z (GMT). No. of bitstreams: 1 2015_YuriSampaioMaluf.pdf: 4291479 bytes, checksum: 4a9954a7905294836d257652f0ce1753 (MD5) / Neste trabalho, estudamos a formulação da distribuição de funções de variáveis aleatórias contínuas dependentes. O mecanismo de modelagem da dependência é feita via funções cópulas. Dentre os resultados obtidos formulamos a expressão geral da distribuição da soma de n variáveis aleatórias dependentes. Expandimos a abordagem para a distribuição de outras funções de variáveis aleatórias tais como o quociente, produto e uma combinação convexa. Por meio das R-Vines Cópulas, obtivermos também a expressão da soma de n variáveis aleatórias em que cada componente é governada por um processo GARCH. A partir deste resultado, calculamos o Value-at-Risk (VaR) e Expected Shortfalls (ES) da soma dessas variáveis. Em função desta estrutura, as medidas de risco passam a adquirir um comportamento dinâmico. Ao final do trabalho exibimos algumas ilustrações numéricas via simulação de Monte Carlo. Apresentamos também uma aplicação com dados reais provenientes de bolsas de valores da América Latina. / In this thesis, we studied the distribution of function of dependents continuous random variables. The modeling dependencies structures are made via copula functions. We obtain the general expression of the distribution of the sum of n dependents random variables. This approach is expanded for other functions such as ratio, product and a convex combination. Using R-Vines Copulas, we also derive an expression of the sum of n dependents random variables, being each component governed by AR-GARCH process. From these results, we assess the Value-at-Risk (VaR) and Expected Shortfalls (ES) of the sum of these variables. According to this structure, the VaR takes a dynamic behavior. At the end of this thesis, we show some numerical illustrations via Monte Carlo simulation. An application with real data from Latin American stock markets is also presented.

As entidades fechadas de previdência complementar (EFPC) possuem significativa relevância na economia brasileira com seus ativos dos fundos de pensão representando 16,8% do PIB em dezembro de 2009. O sistema de gerenciamento de risco dos fundos de pensão ainda não evoluiu na mesma proporção em que evoluiu em outros segmentos do mercado financeiro brasileiro. Para atender suas demandas de gerenciamento de risco, os fundos de pensão têm utilizado os modelos propostos para as instituições financeiras; tais modelos, contudo, não chegam a atender integralmente às suas necessidades. Os órgãos reguladores do setor têm estimulado os fundos de pensão a utilizarem seus próprios modelos para estimar a volatilidade e o Value at Risk (VaR). O objetivo do trabalho é propor uma modelagem de risco a partir da volatilidade estocástica (SV) para o cálculo do Value at Risk (VaR), comparando-a com a volatilidade calculada pela EWMA, proposta pelo Risk Metrics . A aplicação empírica do modelo foi efetuada a partir de uma amostra de uma série de retornos da carteira de uma entidade fechada de previdência complementar (EFPC) - fundo de pensão, a Indusprevi - Sociedade de Previdência Privada do Rio Grande do Sul. A amostra utilizada corresponde às cotas diárias entre o período de 01 de abril de 2004 até 31 de dezembro de 2009, representando 1.439 observações diárias. Os resultados apurados para a amostra demonstraram que a volatilidade estocástica (SV) tende a gerar um Value at Risk (VaR) mais conservador que o calculado a partir da metodologia do EWMA, quando testado pelo Teste de Kupiec (1995) e pela realização de Back testing. Tal fato, no entanto, torna o modelo mais adequado à realidade da Indusprevi e de uma grande maioria de outros fundos, que tendem a adotar políticas de investimentos mais conservadoras. / Pension funds have significant relevance to the Brazilian economy with assets representing, in December 2009, 16.8% of GDP. The pension funds risk management system has not evolved in the same pace as other sectors of the Brazilian financial market. To meet their demands for risk management, pension funds have employed the models proposed for financial institutions. Such models, however, fail to fully satisfy their needs. Government regulators have encouraged pension funds to use their own models so as to estimate volatility and Value at Risk (VaR). The main objective of this thesis is to propose a model of risk based on stochastic volatility (SV) to calculate the Value at Risk (VaR), as well as comparing it with the volatility estimated by EWMA, proposed by Risk MetricsTM. The empirical application of the model was made on a sample of portfolio returns of the pension fund Indusprevi - Sociedade de Previdência Privada do Rio Grande do Sul. The sample comprises 1439 daily quotes during the period April 1, 2004 to December 31, 2009. The results showed that the stochastic volatility (SV) tends to generate a more conservative Value at Risk (VaR) than the EWMA method when applying both the Kupiec (1995) test and back testing. This fact, therefore, makes the model more suitable to the principles of Indusprevi as well as a large majority of other funds, which tend to adopt more conservative investment policies.

As entidades fechadas de previdência complementar (EFPC) possuem significativa relevância na economia brasileira com seus ativos dos fundos de pensão representando 16,8% do PIB em dezembro de 2009. O sistema de gerenciamento de risco dos fundos de pensão ainda não evoluiu na mesma proporção em que evoluiu em outros segmentos do mercado financeiro brasileiro. Para atender suas demandas de gerenciamento de risco, os fundos de pensão têm utilizado os modelos propostos para as instituições financeiras; tais modelos, contudo, não chegam a atender integralmente às suas necessidades. Os órgãos reguladores do setor têm estimulado os fundos de pensão a utilizarem seus próprios modelos para estimar a volatilidade e o Value at Risk (VaR). O objetivo do trabalho é propor uma modelagem de risco a partir da volatilidade estocástica (SV) para o cálculo do Value at Risk (VaR), comparando-a com a volatilidade calculada pela EWMA, proposta pelo Risk Metrics . A aplicação empírica do modelo foi efetuada a partir de uma amostra de uma série de retornos da carteira de uma entidade fechada de previdência complementar (EFPC) - fundo de pensão, a Indusprevi - Sociedade de Previdência Privada do Rio Grande do Sul. A amostra utilizada corresponde às cotas diárias entre o período de 01 de abril de 2004 até 31 de dezembro de 2009, representando 1.439 observações diárias. Os resultados apurados para a amostra demonstraram que a volatilidade estocástica (SV) tende a gerar um Value at Risk (VaR) mais conservador que o calculado a partir da metodologia do EWMA, quando testado pelo Teste de Kupiec (1995) e pela realização de Back testing. Tal fato, no entanto, torna o modelo mais adequado à realidade da Indusprevi e de uma grande maioria de outros fundos, que tendem a adotar políticas de investimentos mais conservadoras. / Pension funds have significant relevance to the Brazilian economy with assets representing, in December 2009, 16.8% of GDP. The pension funds risk management system has not evolved in the same pace as other sectors of the Brazilian financial market. To meet their demands for risk management, pension funds have employed the models proposed for financial institutions. Such models, however, fail to fully satisfy their needs. Government regulators have encouraged pension funds to use their own models so as to estimate volatility and Value at Risk (VaR). The main objective of this thesis is to propose a model of risk based on stochastic volatility (SV) to calculate the Value at Risk (VaR), as well as comparing it with the volatility estimated by EWMA, proposed by Risk MetricsTM. The empirical application of the model was made on a sample of portfolio returns of the pension fund Indusprevi - Sociedade de Previdência Privada do Rio Grande do Sul. The sample comprises 1439 daily quotes during the period April 1, 2004 to December 31, 2009. The results showed that the stochastic volatility (SV) tends to generate a more conservative Value at Risk (VaR) than the EWMA method when applying both the Kupiec (1995) test and back testing. This fact, therefore, makes the model more suitable to the principles of Indusprevi as well as a large majority of other funds, which tend to adopt more conservative investment policies.