Durante os últimos anos, tem havido muitas mudanças na maneira como as instituições financeiras avaliam o risco. As regulações têm tido um papel muito importante no desenvolvimento das técnicas de medição do risco. Diante das diversidades de técnicas de estimação e análise de risco utilizadas pelas bolsas de valores e de futuros, nacionais e internacionais, bem como as Clearings de controle de risco, este estudo propôs uma análise comparativo de modelos de volatilidade para o cálculo do Value-at-Risk (VaR) aplicados aos principais índices de ações do mercado financeiro internacional. Utilizouse os modelos de volatilidade condicional da família ARCH levando em consideração a presença de longa dependência em seus retornos (memória longa) e assimetria na volatilidade. Em específico, utilizaram-se os modelos GARCH, EGARCH, APARCH, FIGARCH, FIEGARCH, FIAPARCH e HYGARCH estimados a parir de quatro diferentes distribuições, Normal, t-Student, G.E.D. e t-Student Assimétrica. Analisaramse os índices dos principais mercados de ações do mundo, sendo: Dow Jones, S&P 500, Nasdaq, Ibovespa, FTSE e Nikkei 225. Testou-se também a capacidade preditiva do modelo Riskmetrics desenvolvido pelo J.P. Morgan para o calculo do VaR, comparado com os modelos de volatilidade. Os resultados obtidos sugerem que o pacote desenvolvido pelo J.P.Morgan não se aplica adequadamente à realidade do mercado acionário mundial, como ferramenta de gestão e controle do risco das oscilações dos preços das ações de empresas negociadas nas bolsas de Nova Iorque, Nasdaq, BM&FBOVESPA, bolsa de Londres e bolsa de Tóquio. Os modelos que consideram o efeito de memória longa na volatilidade condicional dos retornos dos índices, em especial o modelo FIAPARCH (1,d,1), foram os que obtiveram melhor ajuste e desempenho preditivo do risco de mercado (Value-at-Risk), conforme valores apresentados pelo teste de razão de falha proposto por Kupiec (1995). / In recent years, there have been many changes in how financial institutions assess risk. The regulations have had a very important role in the development of techniques for measuring risk. Considering the diversity of estimation techniques and risk analysis used by stock exchanges and futures, national and international, as well as clearing houses of risk control, this study proposed a comparative analysis of volatility models for calculating Value-at-Risk (VaR) to the major stock indexes of international finance. It used models of conditional volatility of the ARCH family taking into account the presence of long dependence on their returns (long memory) and asymmetry in volatility. Specifically, it used the models GARCH, EGARCH, APARCH, FIGARCH, FIEGARCH, FIAPARCH and HYGARCH estimated the birth of four different distributions, Normal, t-Student, GED and t-Student Asymmetric. It analyzed the contents of the major stock markets of the world, being: Dow Jones, S & P 500, NASDAQ, Bovespa index, FTSE and Nikkei 225. Was also tested the predictive ability of the RiskMetrics model developed by JP Morgan for the calculation of VaR, compared with the models of volatility. The results suggest that the package developed by JPMorgan does not apply adequately to the reality of global stock market as a tool to manage and control the risk of fluctuations in stock prices of companies traded on the New York Stock Exchange, Nasdaq, BM&FBOVESPA, London Stock Exchange and Tokyo Stock Exchange. Models that consider the effect of long memory in conditional volatility of returns of the indices, especially the model FIAPARCH (1, d, 1), were the ones showing better fit and predictive performance of market risk (Value-at-Risk) , according to figures provided by the ratio test proposed by Kupiec (1995).

Os métodos geralmente empregados no mercado para o cálculo de medidas de risco baseiam-se na distribuição adotada para os retornos financeiros. Quando a distribuição Normal é adotada, estas avaliações tendem a subestimar o Value at Risk (valor em risco - VaR), pois a distribuição Normal tem caudas mais leves que as observadas nas séries financeiras. Muitas distribuições alternativas vêm sendo propostas na literatura, contudo qualquer modelo alternativo proposto deve ser avaliado com relação ao esforço computacional gasto para cálculo do valor em risco e comparado à simplicidade proporcionada pelo uso da distribuição Normal. Dessa forma, esta dissertação visa avaliar alguns modelos para cálculo do valor em risco, como a modelagem por quantis empíricos, a distribuição Normal e o modelo autorregressivo (AR), para verificação do melhor ajuste à cauda das distribuições das séries de retornos financeiros, além de avaliar o impacto do VaR para o ano seguinte. Nesse contexto, destaca-se o modelo autorregressivo com heterocedasticidade condicional (ARCH) capaz de detectar a volatilidade envolvida nas séries financeiras de retorno. Esse modelo tem-se mostrado mais eficiente, capaz de gerar informações relevantes aos investidores e ao mercado financeiro, com um esforço computacional moderado. / The most used methods for risk evaluation in the financial market usually depend strongly on the distribution assigned to the financial returns. When we assign a normal distribution, results tend to underestimate the Value at Risk (VaR), since the normal distribution usually has a lighter tail than those from the empirical distribution of financial time series. Many other distributions have been proposed in the literature, but we need to evaluate their computational effort for obtaining the value at risk when compared to the easiness of calculation of the normal distribution. In this work, we compare several models for calculating the value at risk, such as the normal, the empirical-quantile and the autoregressive (AR) models, evaluating their goodness-of-fit to the tail of the distribution of financial return time series and the impact of applying the calculated VaR to the following year. We also highlight the autoregressive conditional heteroskedasticity (ARCH) model due to its performance in detecting the volatility in the series. The ARCH model has proved to be efficient and able to generate relevant information to the investors and to the financial market with a moderate computational cost.

Made available in DSpace on 2015-05-08T14:44:44Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 1166218 bytes, checksum: 7fcb05d31169df50bbf76566f33a64de (MD5) Previous issue date: 2011-09-21 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The objective is to achieve and suggest the inclusion of a financial indicator in the monetary policy rule that captures oscillations in capital markets, thereby promoting the flexibility of the inflation targeting system in order to preserve its effectiveness and transparency. It is argued that in periods of high volatility, the performance should be broader monitoring of financial assets in an attempt to avoid a process of asset deflation which led the economy into recession. The theoretical basis of this work is guided studies of Bernanke and Gertler (1999, 2000) that argue pro-introduction of a financial variable in the Taylor rule; the monetary policy should take into account the fluctuations in the stock market when they alter the forecast of future inflation. The models Vector autoregression (VAR) and extensions of the ARCH model will be addressed in order to justify the inclusion of the financial indicator in the system of inflation targets. It was observed that the volatility models presented persistence in the crisis period (2007-2009) for the financial variable while for the SELIC, the persistence of shocks has been lower intensity which implies that monetary policy may not be reacting properly variations in the financial market. For the VAR model, there was confirmation of the central hypothesis of the work since, in time of crisis, the effect on the financial indicator of the SELIC rate is higher compared to pre-crisis period. Therefore, the results support the hypothesis of Bernanke and Gertler (1999) that the Central Bank should consider the financial market only in times of high volatility, and clearly present their strategies and reports of communication with the market. / O objetivo é obter e sugerir a inclusão de um indicador financeiro na regra de política monetária que capte as oscilações no mercado de capitais, promovendo, assim, a flexibilização do regime de metas inflacionárias de forma a preservar a sua eficácia e transparência. Argumenta-se que em períodos de grande volatilidade, seja conveniente a atuação mais ampla no monitoramento dos ativos financeiros buscando evitar um processo de deflação de ativos que conduzisse a economia à recessão. A base teórica deste trabalho pauta-se nos estudos de Bernanke e Gertler (1999, 2000) que argumentam pró-introdução de uma variável financeira na Regra de Taylor; a política monetária deve levar em consideração as oscilações no mercado de capitais quando estas alteram a previsão de inflação futura. Os modelos de Vetores Auto-Regressivos (VAR) e extensões do modelo ARCH serão utilizados como forma de justificar a inclusão do indicador financeiro no sistema de metas inflacionárias. Observou-se que os modelos de volatilidade apresentaram persistência no período de crise (2007-2009) para a variável financeira enquanto que para a SELIC, a persistência dos choques tem sido em menor intensidade o que implica que a política monetária pode não estar reagindo adequadamente às variações no mercado financeiro. Para o modelo VAR, houve confirmação da hipótese central do trabalho visto que, no período de crise, o efeito do indicador financeiro sobre a SELIC é maior comparado ao período pré-crise. Portanto, os resultados apóiam a hipótese de Bernanke e Gertler (1999) de que o Banco Central deve levar em consideração o mercado financeiro apenas em momentos de grande volatilidade, e apresentar claramente suas estratégias e seus relatórios de comunicação com o mercado.

O presente trabalho analisou as volatilidades dos mercados de renda fixa e variável de onze países, sendo eles: Brasil, Rússia, Índia, China, África do Sul (neste país apenas renda fixa), Argentina, Chile, México, Estados Unidos, Alemanha e Japão no período de janeiro de 2000 a dezembro de 2011. Os indicadores utilizados para representar cada mercado foram os índices dos mercados de ações e as taxas de juros interbancárias. Para tanto, o estudo se utilizou de modelos de heterocedasticidade condicional auto-regressiva: ARCH, GARCH, EGARCH, TGARCH e PGARCH, verificando quais destes processos eram mais eficientes para modelagem da volatilidade dos mercados dos países da amostra. Esta pesquisa também verificou qual dos modelos (ARIMA ou modelos GARCH e suas extensões) conseguiria prever melhor as séries de tempo analisadas. Além disso, por meio dos índices de correlação, covariância e causalidade Granger, foram comparados os retornos e a volatilidade do mercado de ações entre os países BRIC, entre os países latinos americanos e entre os países desenvolvidos e o Brasil. Os resultados sugerem que a volatilidade, tanto do mercado de renda fixa quanto do mercado de renda variável, é mais bem modelada por processos GARCH assimétricos (EGARCH e TGARCH), demonstrando efeitos de alavancagem nas séries estudadas. Quanto aos modelos de previsão, os modelos ARIMA, também para os dois mercados, mostrou-se mais eficiente que os modelos GARCH e suas extensões. Além disso, as volatilidades dos mercados de ações entre os países analisados parecem ser mais correlacionadas e possuir maior causalidade Granger do que os retornos destes países. Entre os dois mercados, renda fixa e variável dentro de cada país, as correlações dos retornos e da volatilidade são muito baixas, em algumas vezes negativa, e há pouca relação de causalidade Granger. / This study analyzed the volatility of fixed income and stocks markets for eleven countries, namely: Brazil, Russia, India, China, South Africa (just fixed income), Argentina, Chile, Mexico, United States, Germany and Japan from January 2000 to December 2011, using interbank interest rate as a fixed income market indicator and stock index to each country, as a stock market indicator. Therefore, the study used models of autoregressive conditional heteroscedasticity: ARCH, GARCH, EGARCH, TGARCH e PGARCH to verify which of these processes were more effective for in volatility modeling in each country. This research also found that the models (ARIMA or GARCH models and their extensions) could be used as the best forecast models. Moreover, by means of correlation coefficients, covariance and Granger causality, were used to compare the returns and volatility of the stock market among the BRIC countries, among the Latin American countries and between developed countries and Brazil. The results suggest that the volatility of both the fixed income market as the stock market is best modeled by processes asymmetric GARCH (EGARCH and TGARCH) demonstrating leverage effects in the time series. Regarding prediction ARIMA models was more efficient for both markets than GARCH models and extensions. In addition, the volatility of stock markets across countries analyzed seem to be more correlated and have higher Granger causality than returns these countries. Between the two markets, for each country, the correlations of returns and volatility are very low, if not positive, and there is low Granger causality.

nÃo hà / Os comovimentos entre os preÃos de ativos sugerem a atuaÃÃo de influÃncias exÃgenas. No entanto, nÃo hà consenso na literatura sobre quais fatores econÃmicos sÃo determinantes. Neste estudo, investiga-se a sensibilidade dos Ãndices setoriais BM&FBOVESPA a mudanÃas nas expectativas dos participantes do mercado para as variÃveis econÃmicas constantes do RelatÃrio Focus. CompÃem a amostra os sete Ãndices setoriais com sÃrie completa para o perÃodo de janeiro de 2009 a junho de 2014, compreendendo 286 observaÃÃes semanais. A abordagem utilizada para a modelagem da mÃdia das sÃries dos Ãndices fundamenta-se na teoria de precificaÃÃo multifatorial, utilizando-se as variÃveis forward-looking acompanhadas nesse relatÃrio como candidatas a fatores. Dada a presenÃa de heterocedasticidade condicional nas sÃries de retornos dos Ãndices setoriais, propÃe-se o arcabouÃo GARCH para modelagem da volatilidade. Os resultados sugerem que algumas variÃveis de expectativas sÃo significativas para explicaÃÃo das variaÃÃes dos Ãndices setoriais brasileiros e que os modelos multifatoriais propostos podem gerar ganhos de previsÃo, evidenciados pela reduÃÃo do erro quadrÃtico mÃdio das projeÃÃes de retorno. / The co-movements among asset prices suggest the action of exogenous influences, however, there is no consensus in the literature about which economic factors are responsible. This study investigates the sensitivity of the sector indexes BM&FBOVESPA to changes in expectations of market participants to the constant economic variables Focus Report. Make up the sample the seven sectoral indexes with complete series for the period January 2009 to June 2014, comprising 286 weekly observations. The approach used for the average modeling of indexes of series is based on multifactor pricing theory, using the forward-looking variables accompanied this report as candidates for factors. Given the presence of conditional heteroskedasticity in the sector indexes return series, it is proposed to GARCH framework for modeling the volatility. The results suggest that some expectations variables are significant for explanation of variations in Brazilian industry indices and the proposed multifactor models of returns can generate prediction gains evidenced by reduced of mean squared error of the return predictions.

Os métodos geralmente empregados no mercado para o cálculo de medidas de risco baseiam-se na distribuição adotada para os retornos financeiros. Quando a distribuição Normal é adotada, estas avaliações tendem a subestimar o Value at Risk (valor em risco - VaR), pois a distribuição Normal tem caudas mais leves que as observadas nas séries financeiras. Muitas distribuições alternativas vêm sendo propostas na literatura, contudo qualquer modelo alternativo proposto deve ser avaliado com relação ao esforço computacional gasto para cálculo do valor em risco e comparado à simplicidade proporcionada pelo uso da distribuição Normal. Dessa forma, esta dissertação visa avaliar alguns modelos para cálculo do valor em risco, como a modelagem por quantis empíricos, a distribuição Normal e o modelo autorregressivo (AR), para verificação do melhor ajuste à cauda das distribuições das séries de retornos financeiros, além de avaliar o impacto do VaR para o ano seguinte. Nesse contexto, destaca-se o modelo autorregressivo com heterocedasticidade condicional (ARCH) capaz de detectar a volatilidade envolvida nas séries financeiras de retorno. Esse modelo tem-se mostrado mais eficiente, capaz de gerar informações relevantes aos investidores e ao mercado financeiro, com um esforço computacional moderado. / The most used methods for risk evaluation in the financial market usually depend strongly on the distribution assigned to the financial returns. When we assign a normal distribution, results tend to underestimate the Value at Risk (VaR), since the normal distribution usually has a lighter tail than those from the empirical distribution of financial time series. Many other distributions have been proposed in the literature, but we need to evaluate their computational effort for obtaining the value at risk when compared to the easiness of calculation of the normal distribution. In this work, we compare several models for calculating the value at risk, such as the normal, the empirical-quantile and the autoregressive (AR) models, evaluating their goodness-of-fit to the tail of the distribution of financial return time series and the impact of applying the calculated VaR to the following year. We also highlight the autoregressive conditional heteroskedasticity (ARCH) model due to its performance in detecting the volatility in the series. The ARCH model has proved to be efficient and able to generate relevant information to the investors and to the financial market with a moderate computational cost.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The economic growth of the state of Rio Grande do Sul as well as the rest of the country is closely connected with the distribution and power generation. Thus for the state's energy system does not collapse (shortage / surplus) in steps of generation and supply, it is necessary to study the distribution of energy generated and the number of consumers. Therefore, the purpose of this study is to determine a reference variable by means of principal component analysis in order to analyze the overall behavior of consumption and consumers in MWh of electricity in the Rio Grande do Sul, by means of linear models of forecast (ARIMA) and nonlinear (ARCH). The analysis refers to the number of consumers and to the consumption of electrical energy to the RS, conducted by the three largest electricity distributors, including AES-Sul, CEEE and GER from January 1998 to December 2009. The mathematical models for the variables studied are able to model satisfactorily the data, enabling an analysis of their behavior, able to monitor and determine the movement of the series under study as a whole, providing management measures, both companies supply distributor as the number of customers of each company, allowing an analysis on the stability of the production process. / O crescimento econômico do estado do Rio Grande do Sul, assim como do restante do país, está intimamente ligado à distribuição e geração de energia elétrica. Desta forma, para que o sistema energético do estado não entre em colapso (falta/excesso) nas etapas de geração e fornecimento, é necessário o estudo da distribuição da energia gerada e do número de consumidores. Portanto, o objetivo deste estudo é determinar uma variável de referência, por meio da análise de componentes principais, de forma a analisar globalmente o comportamento do consumo em MWh e dos consumidores de energia elétrica do Rio Grande do Sul por meio de modelos de previsão lineares (ARIMA) e não lineares(ARCH). A análise refere-se ao número de consumidores e ao consumo de energia elétrica no estado do RS, realizado pelas três maiores distribuidoras de energia elétrica, nomeadamente a AES-Sul, CEEE e RGE, no período de janeiro de 1998 a dezembro de 2009. Os modelos matemáticos encontrados para as variáveis estudadas são capazes de modelar satisfatoriamente os dados, possibilitando uma análise de seu comportamento, capaz de acompanhar e de determinar o movimento das séries em estudo de forma global, proporcionando medidas de gerenciamento, tanto das empresas distribuidoras de fornecimento quanto do número de consumidores de cada empresa, permitindo uma análise sobre a estabilidade do processo produtivo.

Durante os últimos anos, tem havido muitas mudanças na maneira como as instituições financeiras avaliam o risco. As regulações têm tido um papel muito importante no desenvolvimento das técnicas de medição do risco. Diante das diversidades de técnicas de estimação e análise de risco utilizadas pelas bolsas de valores e de futuros, nacionais e internacionais, bem como as Clearings de controle de risco, este estudo propôs uma análise comparativo de modelos de volatilidade para o cálculo do Value-at-Risk (VaR) aplicados aos principais índices de ações do mercado financeiro internacional. Utilizouse os modelos de volatilidade condicional da família ARCH levando em consideração a presença de longa dependência em seus retornos (memória longa) e assimetria na volatilidade. Em específico, utilizaram-se os modelos GARCH, EGARCH, APARCH, FIGARCH, FIEGARCH, FIAPARCH e HYGARCH estimados a parir de quatro diferentes distribuições, Normal, t-Student, G.E.D. e t-Student Assimétrica. Analisaramse os índices dos principais mercados de ações do mundo, sendo: Dow Jones, S&P 500, Nasdaq, Ibovespa, FTSE e Nikkei 225. Testou-se também a capacidade preditiva do modelo Riskmetrics desenvolvido pelo J.P. Morgan para o calculo do VaR, comparado com os modelos de volatilidade. Os resultados obtidos sugerem que o pacote desenvolvido pelo J.P.Morgan não se aplica adequadamente à realidade do mercado acionário mundial, como ferramenta de gestão e controle do risco das oscilações dos preços das ações de empresas negociadas nas bolsas de Nova Iorque, Nasdaq, BM&FBOVESPA, bolsa de Londres e bolsa de Tóquio. Os modelos que consideram o efeito de memória longa na volatilidade condicional dos retornos dos índices, em especial o modelo FIAPARCH (1,d,1), foram os que obtiveram melhor ajuste e desempenho preditivo do risco de mercado (Value-at-Risk), conforme valores apresentados pelo teste de razão de falha proposto por Kupiec (1995). / In recent years, there have been many changes in how financial institutions assess risk. The regulations have had a very important role in the development of techniques for measuring risk. Considering the diversity of estimation techniques and risk analysis used by stock exchanges and futures, national and international, as well as clearing houses of risk control, this study proposed a comparative analysis of volatility models for calculating Value-at-Risk (VaR) to the major stock indexes of international finance. It used models of conditional volatility of the ARCH family taking into account the presence of long dependence on their returns (long memory) and asymmetry in volatility. Specifically, it used the models GARCH, EGARCH, APARCH, FIGARCH, FIEGARCH, FIAPARCH and HYGARCH estimated the birth of four different distributions, Normal, t-Student, GED and t-Student Asymmetric. It analyzed the contents of the major stock markets of the world, being: Dow Jones, S & P 500, NASDAQ, Bovespa index, FTSE and Nikkei 225. Was also tested the predictive ability of the RiskMetrics model developed by JP Morgan for the calculation of VaR, compared with the models of volatility. The results suggest that the package developed by JPMorgan does not apply adequately to the reality of global stock market as a tool to manage and control the risk of fluctuations in stock prices of companies traded on the New York Stock Exchange, Nasdaq, BM&FBOVESPA, London Stock Exchange and Tokyo Stock Exchange. Models that consider the effect of long memory in conditional volatility of returns of the indices, especially the model FIAPARCH (1, d, 1), were the ones showing better fit and predictive performance of market risk (Value-at-Risk) , according to figures provided by the ratio test proposed by Kupiec (1995).

A constant research of more ecological and efficient structures has enabled bridges to be more innovative through the years. Nowadays, as the need is greater than ever, a new kind of bridge is expanding in the entire world: the network arch bridges. The concept was developed by professor and engineer Per Tveit in 1955 and has been improved since then. But it is only for 10 years that many bridges of this sort have been built. The aim of the thesis is to investigate the structural behavior of these bridges and their efficiency comparing to traditional bridges. It is also proving the efficiency of the network arches used for rail traffic. To do so, a single-track railway network arch has been designed according to the Eurocodes. A 2D model has been designed to be optimal and tested under Abaqus for the loads defined in the Eurocodes. Guidelines from the literature and Per Tveit’s work have been used to determine the optimal geometry of the bridge. The steel weight needed for the 75 meters long bridge is assessed from the final design and is the main parameter to compare and evaluate the network arch structural efficiency. These results are compared with Tveit’s statements and with other structures.

In this work we want to examine selected models with nonlinear volatility and their properties. At the beginning we define models with non-constant variance, especially ARCH, GARCH and EGARCH models. Then we study the probability distributions that are mainly used in the EGARCH model. Then we focus on the EGARCH model, describe the conditions for stationarity and invertibility of the model, define diagnostic tests and QMLE estimates of parameters. In the last chapter we perform simulation studies of the selected models and their application to real data. 1