Asymmetric dependence (AD) is defined as dependence that differs across opposing regions of the joint return distribution. Recent evidence of AD between equity returns suggests that dependence can be decomposed into a linear component, captured by the correlation matrix, and a higher order component. When these higher order terms are characterised by increased correlation in bear or bull markets, the effectiveness of diversification strategies is reduced. To the extent that an investor is unable to completely diversify these higher order terms of dependence, it follows that they should be reflected in asset prices and managed explicitly during the portfolio construction process. The aim of this thesis is to determine the extent of AD amongst asset returns, to investigate whether AD is priced and to develop a means of managing AD in the portfolio. I justify the existence of AD and the separation of AD from linear dependence via the bivariate Edgeworth expansion, finding that the joint return distribution may be described by an infinite number of higher order co-moments. Correlation (and hence β) describes one dimension of an infinite number of higher dimensions describing dependence. To determine the importance of AD in finance, I first develop measures that can detect AD independent of the level of linear dependence and idiosyncratic risk. These measures are used to determine the extent of AD amongst US stock returns and the market, to obtain an understanding of how AD changes through time and to re-examine the evidence of AD between equity portfolios. By measuring AD separate from linear dependence, I demonstrate several findings. First, I find evidence of non-stationary AD that can exists irrespective of the magnitude of linear dependence, measured by β. This time-varying AD consists of both significant upper tail dependence (UTD) and significant lower tail dependence (LTD), although LTD is found to occur more frequently than UTD, especially for small stocks and stocks displaying high idiosyncratic risk. Significant time-varying AD is also detected between domestic equity indices and international equity markets, implying that if a portfolio is weighted towards certain industries or countries, portfolio construction methods may need to be adjusted in order too meet risk and return targets, particularly if future AD cannot be adequately forecasted. Next, I investigate whether AD is priced in US equities using the Fama and MacBeth (1973) regression methodology in conjunction with my β invariant AD metrics. I find that AD is as important as linear dependence in explaining the variation in returns. In particular, a positive relationship between LTD and return is found. I document an AD risk premium of 2.7% pa, compared to a β risk premium of 6.18% pa. The AD risk premium increases to 6.9% pa for stocks with significant LTD. This result holds after controlling for size, book-to-market ratio, downside β and coskewness. I also find past AD is a significant variable in predicting the future returns of small firms, whilst neither AD nor linear dependence predict the future returns of large firms. I subsequently demonstrate a means of incorporating AD structures during the portfolio construction process using copula functions. I then investigate how asymmetric return dependencies affect the efficient frontier and subsequent portfolio performance under a dynamic rebalancing framework. By considering the problem of tactically allocating a small set of domestic equity indices, I demonstrate several findings. First, I show that a Mean-Variance efficient frontier differs from the efficient frontier constructed under AD. Constructing paper portfolios based upon these differences, I find that real economic value lies in correctly accounting for AD structures. The primary source of this economic value stems from the ability to better protect portfolio value and reduce the size of any erosion in return relative to the normal portfolio. Finally, I document the benefits of actively managing AD during the portfolio construction process and determine a number of portfolio management principles required to successfully manage AD. I illustrate that managing asymmetry risk in a portfolio of international equity indices results in increased return, decreased risk and decreased transaction costs. I show that in order to yield these benefits, investors must actively and dynamically manage their portfolio. Furthermore, I illustrate that the ability to short-sell assets provides most of the benefits described.

Asymmetric dependence (AD) is defined as dependence that differs across opposing regions of the joint return distribution. Recent evidence of AD between equity returns suggests that dependence can be decomposed into a linear component, captured by the correlation matrix, and a higher order component. When these higher order terms are characterised by increased correlation in bear or bull markets, the effectiveness of diversification strategies is reduced. To the extent that an investor is unable to completely diversify these higher order terms of dependence, it follows that they should be reflected in asset prices and managed explicitly during the portfolio construction process. The aim of this thesis is to determine the extent of AD amongst asset returns, to investigate whether AD is priced and to develop a means of managing AD in the portfolio. I justify the existence of AD and the separation of AD from linear dependence via the bivariate Edgeworth expansion, finding that the joint return distribution may be described by an infinite number of higher order co-moments. Correlation (and hence β) describes one dimension of an infinite number of higher dimensions describing dependence. To determine the importance of AD in finance, I first develop measures that can detect AD independent of the level of linear dependence and idiosyncratic risk. These measures are used to determine the extent of AD amongst US stock returns and the market, to obtain an understanding of how AD changes through time and to re-examine the evidence of AD between equity portfolios. By measuring AD separate from linear dependence, I demonstrate several findings. First, I find evidence of non-stationary AD that can exists irrespective of the magnitude of linear dependence, measured by β. This time-varying AD consists of both significant upper tail dependence (UTD) and significant lower tail dependence (LTD), although LTD is found to occur more frequently than UTD, especially for small stocks and stocks displaying high idiosyncratic risk. Significant time-varying AD is also detected between domestic equity indices and international equity markets, implying that if a portfolio is weighted towards certain industries or countries, portfolio construction methods may need to be adjusted in order too meet risk and return targets, particularly if future AD cannot be adequately forecasted. Next, I investigate whether AD is priced in US equities using the Fama and MacBeth (1973) regression methodology in conjunction with my β invariant AD metrics. I find that AD is as important as linear dependence in explaining the variation in returns. In particular, a positive relationship between LTD and return is found. I document an AD risk premium of 2.7% pa, compared to a β risk premium of 6.18% pa. The AD risk premium increases to 6.9% pa for stocks with significant LTD. This result holds after controlling for size, book-to-market ratio, downside β and coskewness. I also find past AD is a significant variable in predicting the future returns of small firms, whilst neither AD nor linear dependence predict the future returns of large firms. I subsequently demonstrate a means of incorporating AD structures during the portfolio construction process using copula functions. I then investigate how asymmetric return dependencies affect the efficient frontier and subsequent portfolio performance under a dynamic rebalancing framework. By considering the problem of tactically allocating a small set of domestic equity indices, I demonstrate several findings. First, I show that a Mean-Variance efficient frontier differs from the efficient frontier constructed under AD. Constructing paper portfolios based upon these differences, I find that real economic value lies in correctly accounting for AD structures. The primary source of this economic value stems from the ability to better protect portfolio value and reduce the size of any erosion in return relative to the normal portfolio. Finally, I document the benefits of actively managing AD during the portfolio construction process and determine a number of portfolio management principles required to successfully manage AD. I illustrate that managing asymmetry risk in a portfolio of international equity indices results in increased return, decreased risk and decreased transaction costs. I show that in order to yield these benefits, investors must actively and dynamically manage their portfolio. Furthermore, I illustrate that the ability to short-sell assets provides most of the benefits described.

In terms of the specific topics covered in the thesis, my research aims to further understanding of risky asset return and volatility behaviour from a macro-finance perspective. In three of the four chapters, the macro drivers of both risky asset returns (the first moment) and volatility (the second moment) are studied and analyzed in detail across different geographies and various time periods. The use of both long sample sets and relevant sub-sample periods allows for a more in-depth assessment of the nature and form of these drivers as well as their influence on risky asset return and volatility dynamics, whilst weakening the impact of any endogeneity bias which the empirical estimation framework used may be subject to. The earliest data used in this research starts from the 18th century. In the first chapter, entitled “Macro Drivers of Equity Market Volatility”, the focus is on the construction and analysis of macro state variables, which are shown to have a strong influence on the behaviour of equity return volatility, especially during periods of severe market upheaval. Chapter two examines the relative abilities of GARCH and Stochastic Volatility Models (SV) to forecast volatility, in a world where the true model can be depicted by an EGARCH(1,2) formulation. Turning to chapter three, the relationship between equity returns and inflation (specifically, if equities are a hedge against inflation) is explored using long-term historical data for the US, the UK, Germany and Japan. Finally, chapter four analytically tackles the question of how various investors' (institutional and retail) asset allocation decisions are dependent on both the formulation of the wealth maximization function and the differentiated nature of information signals. Specifically, this chapter focusses on how asset allocation behaviour of various categories of investors (facing different objective functions) may lead to “herding”.

A modelagem da estrutura de dependência é de grande importância em todos os ramos da economia onde há incerteza. Ela é um elemento crucial na análise de risco e para a tomada de decisão sob incerteza. As cópulas oferecem aos agentes que se deparam com este problema um poderoso e flexível instrumento para modelar a estrutura de dependência entre variáveis aleatórias e que é preferível ao instrumento tradicional baseado na correlação linear. Neste estudo, nós analisamos a dinâmica temporal da estrutura de dependência entre índices de mercados financeiros internacionais e propomos um novo procedimento para capturar a estrutura de dependência ao longo do tempo. Adicionalmente, estudamos alguns fatos estilizados sobre índices de mercados financeiros como a relação entre volume-volatilidade e retorno-volatilidade. / Modelling dependence is of key importance to all economic fields in which uncertainty plays a large role. It is a crucial element of risk analysis and decision making under uncertainty. Copulas offer economic agents facing uncertainty a powerful and flexible tool to model dependence between random variables and often are preferable to the traditional, correlation-based approach. In this work we analyze the time dynamics of the dependence structure between broad stock market indices and propose a novel procedure to capture dependence structure over time. Additionally, we study some stylized facts about stock market indexes such as volume-volatility and return-volatility relations.

Naturalistic philosophers of meaning try to define the recalcitrant concept of reference in terms respected by the empirical science, such as causality or teleology. In this thesis, after a brief introduction to these trials is given, Fodors theory of content in terms of asymmetric dependence is examined in some depth. I claim that although this theory involves an important insight, it is an unsatisfactory attempt at reduction of the notion of reference. I develop a new theory of content, which does not have the defects of the analyses in terms of asymmetric dependence, and more successfully deals with notorious cases, such as pansemanticism and the possibility of misrepresentation.

A modelagem da estrutura de dependência é de grande importância em todos os ramos da economia onde há incerteza. Ela é um elemento crucial na análise de risco e para a tomada de decisão sob incerteza. As cópulas oferecem aos agentes que se deparam com este problema um poderoso e flexível instrumento para modelar a estrutura de dependência entre variáveis aleatórias e que é preferível ao instrumento tradicional baseado na correlação linear. Neste estudo, nós analisamos a dinâmica temporal da estrutura de dependência entre índices de mercados financeiros internacionais e propomos um novo procedimento para capturar a estrutura de dependência ao longo do tempo. Adicionalmente, estudamos alguns fatos estilizados sobre índices de mercados financeiros como a relação entre volume-volatilidade e retorno-volatilidade. / Modelling dependence is of key importance to all economic fields in which uncertainty plays a large role. It is a crucial element of risk analysis and decision making under uncertainty. Copulas offer economic agents facing uncertainty a powerful and flexible tool to model dependence between random variables and often are preferable to the traditional, correlation-based approach. In this work we analyze the time dynamics of the dependence structure between broad stock market indices and propose a novel procedure to capture dependence structure over time. Additionally, we study some stylized facts about stock market indexes such as volume-volatility and return-volatility relations.

A modelagem da estrutura de dependência é de grande importância em todos os ramos da economia onde há incerteza. Ela é um elemento crucial na análise de risco e para a tomada de decisão sob incerteza. As cópulas oferecem aos agentes que se deparam com este problema um poderoso e flexível instrumento para modelar a estrutura de dependência entre variáveis aleatórias e que é preferível ao instrumento tradicional baseado na correlação linear. Neste estudo, nós analisamos a dinâmica temporal da estrutura de dependência entre índices de mercados financeiros internacionais e propomos um novo procedimento para capturar a estrutura de dependência ao longo do tempo. Adicionalmente, estudamos alguns fatos estilizados sobre índices de mercados financeiros como a relação entre volume-volatilidade e retorno-volatilidade. / Modelling dependence is of key importance to all economic fields in which uncertainty plays a large role. It is a crucial element of risk analysis and decision making under uncertainty. Copulas offer economic agents facing uncertainty a powerful and flexible tool to model dependence between random variables and often are preferable to the traditional, correlation-based approach. In this work we analyze the time dynamics of the dependence structure between broad stock market indices and propose a novel procedure to capture dependence structure over time. Additionally, we study some stylized facts about stock market indexes such as volume-volatility and return-volatility relations.

O presente trabalho foi motivado pela forte demanda por modelos de dependência mais precisos e realistas para aplicações a dados financeiros multivariados. A recente crise financeira de 2007-2009 deixou claro quão importante é uma modelagem precisa da dependência para a avaliação correta do risco financeiro: percepções equivocadas sobre dependências extremas entre diferentes ativos foram um elemento importante da crise do subprime. O famoso teorema dc Sklar (1959) introduziu as cópulas como uma ferramenta para se modelar padrões de dependência mais sofisticados. Ele estabelece que qualquer função de distribuição conjunta ndimensional pode ser decomposta em suas n distribuições marginais e uma cópula, sendo que a última caracteriza completamente a dependência entre as variáveis. Enquanto existe uma variedade de famílias de cópulas bivariadas que podem descrever um amplo conjunto de dependências complexas, o conjunto de cópulas com dimensão mais elevada era bastante restrito até recentemente. Joe (1996) propôs uma construção de distribuições nmltivariadas baseada em pair-copulas (cópulas bivariadas), chamada pair-copula construction ou modelo de vine cópula, que reverteu esse problema. Nesta tese, desenvolvemos três ensaios que exploram a teoria de cópulas para obter modelos de dependência multivariados muito flexíveis para aplicações a dados financeiros. Patton (2006) estendeu o teorema de Sklar para o caso de distribuições condicionais e tornou o parâmetro de dependência da cópula variante no tempo. No primeiro ensaio, introduzimos um novo enfoque para modelar a dependência entre retornos financeiros internacionais ao longo do tempo, combinando cópulas; tempo-variantes e o modelo de mudança Markoviana. Aplicamos esses modelos de cópula e também os modelos propostos por Patton (2006), Jondeau e Rockinger (2006) e Silva Filho et al. (2012a) aos retornos dos índices FTSE 100, CAC 40 e DAX. Comparamos essas metodologias em termos das dinâmicas de dependência resultantes e das habilidades dos modelos em prever Valor em Risco (VaR). Interessantemente, todos os modelos identificam um longo período de alta dependência entre os retornos começando em 2007, quando a crise do subprime teve início oficialmente. Surpreendentemente, as cópulas elípticas mostram melhor desempenho na previsão dos quantis extremos dos retornos dos portfólios. No segundo ensaio, estendemos nosso estudo para o caso de n > 2 variáveis, usando o modelo de vine cópula para investigar a estrutura de dependência dos índices CAC 40, DAX, FTSE 100, S&P 500 e IBOVESPA, e, particularmente, checar a hipótese de dependência assimétrica nesse caso. Com base em nossos resultados empíricos, entretanto, essa hipótese não pode ser verificada. Talvez a dependência assimétrica com caudas inferiores mais fortes ocorra apenas temporariamente, o que sugere que a incorporação de variação temporal ao modelo de vine cópula pode melhorá-lo como ferramenta para modelar dados financeiros internacionais multivariados. Desta forma, no terceiro ensaio, introduzimos dinâmica no modelo de vine cópula permitindo que os parâmetros de dependência das pair-copulas em uma decomposição D-vine sejam potencialmente variantes no tempo, seguindo um processo ARMA(l,m) restrito como em Patton (2006). O modelo proposto é avaliado em simulações e também com respeito à acurácia das previsões de Valor em Risco (VaR) em períodos de crise. Os experimentos de Monte Cailo são bastante favoráveis à cópula D-vine dinâmica em comparação a uma cópula D-vine estática. Adicionalmente, a cópula D-vine dinâmica supera a cópula D-vine estática em termos de acurária preditiva para os nossos conjuntos de dados / This work was motivated by the strong demand for more precise and realistic dependence models for applications to multivariate financial data. The recent financial crisis of 2007-2009 has made it clear how important is a precise modeling of dependence for the accurate assessment of financial risk: misperceptions about extreme dependencies between different financial assets were an important element of the subprime crisis. The famous theorem by Sklar (1959) introduced the copulas as a tool to model more intricate patterns of dependence. It states that any n-dimensional joint distribution function can be decomposed into its n marginal distributions and a copula, where the latter completely characterizes the dependence among the variables. While there is a variety of bivariate copula families, which can match a wide range of complex dependencies, the set of higher-dimensional copulas was quite restricted until recently. Joe (1996) proposed a construction of multivariate distributions based on pair-copulas (bivariate copulas), called pair-copula construction or vine copula model, that has overcome this issue. In this thesis, we develop three papers that explore the copula theory in order to obtain very flexible multivariate dependence rnodels for applications to financial data. Patton (2006) extended Sklar's theorem to the conditional case and rendered the dependence parameter of the copula time-varying. In the first paper, we introduce a new approach to modeling dependence between International financial returns over time, combining time-varying copulas and the Markov switching model. We apply these copula models and also those proposed by Patton (2006), Jondeau and Rockinger (2006) and Silva Filho et al. (2012a) to the return data of FTSE 100, CAC 40 and DAX indexes. We compare these methodologies in terms of the resulting dynamics of dependence and the models' abilities to forecast Value-at-Risk (VaR). Interestingly, ali the models identify a long period of high dependence between the returns beginning in 2007, when the subprime crisis was evolving. Surprisingly, the elhptical copulas perform best in forecasting the extreme quantiles of the portfolios returns. In the second paper, we extend our study to the case of n > 2 variables, using the vine copula model to investigate the dependence structure of the broad stock market indexes CAC 40, DAX, FTSE 100, S&P 500 and IBOVESPA, and, particularly, check the asymmetric dependence hypothesis in this case. Based on our empirical results, however, this hypothesis cannot be verified. Perhaps, asymmetric dependence with stronger lower tails occurs only temporarily, what suggests that incorporating time variation into the vine copula rnodel can improve it as a tool to rnodel multivariate International financial data. So, in the third paper, we introduce dynamics into the vine copula model by allowing the dependence parameters of the pair-copulas in a D-vine decomposition to be potentially timevarying, following a nonlinear restricted ARMA(l,m) process as in Patton (2006). The proposed model is evaluated in simulations and further assessed with respect to the accuracy of Value-at- Risk (VaR) forecasts in crisis periods. The Monte Cario experiments are quite favorable to the dynamic D-vine copula in comparison with a static D-vine copula. Moreover, the dynamic Dvine copula outperforms the static D-vine copula in terms of predictive accuracy for our data sets.

O presente trabalho foi motivado pela forte demanda por modelos de dependência mais precisos e realistas para aplicações a dados financeiros multivariados. A recente crise financeira de 2007-2009 deixou claro quão importante é uma modelagem precisa da dependência para a avaliação correta do risco financeiro: percepções equivocadas sobre dependências extremas entre diferentes ativos foram um elemento importante da crise do subprime. O famoso teorema dc Sklar (1959) introduziu as cópulas como uma ferramenta para se modelar padrões de dependência mais sofisticados. Ele estabelece que qualquer função de distribuição conjunta ndimensional pode ser decomposta em suas n distribuições marginais e uma cópula, sendo que a última caracteriza completamente a dependência entre as variáveis. Enquanto existe uma variedade de famílias de cópulas bivariadas que podem descrever um amplo conjunto de dependências complexas, o conjunto de cópulas com dimensão mais elevada era bastante restrito até recentemente. Joe (1996) propôs uma construção de distribuições nmltivariadas baseada em pair-copulas (cópulas bivariadas), chamada pair-copula construction ou modelo de vine cópula, que reverteu esse problema. Nesta tese, desenvolvemos três ensaios que exploram a teoria de cópulas para obter modelos de dependência multivariados muito flexíveis para aplicações a dados financeiros. Patton (2006) estendeu o teorema de Sklar para o caso de distribuições condicionais e tornou o parâmetro de dependência da cópula variante no tempo. No primeiro ensaio, introduzimos um novo enfoque para modelar a dependência entre retornos financeiros internacionais ao longo do tempo, combinando cópulas; tempo-variantes e o modelo de mudança Markoviana. Aplicamos esses modelos de cópula e também os modelos propostos por Patton (2006), Jondeau e Rockinger (2006) e Silva Filho et al. (2012a) aos retornos dos índices FTSE 100, CAC 40 e DAX. Comparamos essas metodologias em termos das dinâmicas de dependência resultantes e das habilidades dos modelos em prever Valor em Risco (VaR). Interessantemente, todos os modelos identificam um longo período de alta dependência entre os retornos começando em 2007, quando a crise do subprime teve início oficialmente. Surpreendentemente, as cópulas elípticas mostram melhor desempenho na previsão dos quantis extremos dos retornos dos portfólios. No segundo ensaio, estendemos nosso estudo para o caso de n > 2 variáveis, usando o modelo de vine cópula para investigar a estrutura de dependência dos índices CAC 40, DAX, FTSE 100, S&P 500 e IBOVESPA, e, particularmente, checar a hipótese de dependência assimétrica nesse caso. Com base em nossos resultados empíricos, entretanto, essa hipótese não pode ser verificada. Talvez a dependência assimétrica com caudas inferiores mais fortes ocorra apenas temporariamente, o que sugere que a incorporação de variação temporal ao modelo de vine cópula pode melhorá-lo como ferramenta para modelar dados financeiros internacionais multivariados. Desta forma, no terceiro ensaio, introduzimos dinâmica no modelo de vine cópula permitindo que os parâmetros de dependência das pair-copulas em uma decomposição D-vine sejam potencialmente variantes no tempo, seguindo um processo ARMA(l,m) restrito como em Patton (2006). O modelo proposto é avaliado em simulações e também com respeito à acurácia das previsões de Valor em Risco (VaR) em períodos de crise. Os experimentos de Monte Cailo são bastante favoráveis à cópula D-vine dinâmica em comparação a uma cópula D-vine estática. Adicionalmente, a cópula D-vine dinâmica supera a cópula D-vine estática em termos de acurária preditiva para os nossos conjuntos de dados / This work was motivated by the strong demand for more precise and realistic dependence models for applications to multivariate financial data. The recent financial crisis of 2007-2009 has made it clear how important is a precise modeling of dependence for the accurate assessment of financial risk: misperceptions about extreme dependencies between different financial assets were an important element of the subprime crisis. The famous theorem by Sklar (1959) introduced the copulas as a tool to model more intricate patterns of dependence. It states that any n-dimensional joint distribution function can be decomposed into its n marginal distributions and a copula, where the latter completely characterizes the dependence among the variables. While there is a variety of bivariate copula families, which can match a wide range of complex dependencies, the set of higher-dimensional copulas was quite restricted until recently. Joe (1996) proposed a construction of multivariate distributions based on pair-copulas (bivariate copulas), called pair-copula construction or vine copula model, that has overcome this issue. In this thesis, we develop three papers that explore the copula theory in order to obtain very flexible multivariate dependence rnodels for applications to financial data. Patton (2006) extended Sklar's theorem to the conditional case and rendered the dependence parameter of the copula time-varying. In the first paper, we introduce a new approach to modeling dependence between International financial returns over time, combining time-varying copulas and the Markov switching model. We apply these copula models and also those proposed by Patton (2006), Jondeau and Rockinger (2006) and Silva Filho et al. (2012a) to the return data of FTSE 100, CAC 40 and DAX indexes. We compare these methodologies in terms of the resulting dynamics of dependence and the models' abilities to forecast Value-at-Risk (VaR). Interestingly, ali the models identify a long period of high dependence between the returns beginning in 2007, when the subprime crisis was evolving. Surprisingly, the elhptical copulas perform best in forecasting the extreme quantiles of the portfolios returns. In the second paper, we extend our study to the case of n > 2 variables, using the vine copula model to investigate the dependence structure of the broad stock market indexes CAC 40, DAX, FTSE 100, S&P 500 and IBOVESPA, and, particularly, check the asymmetric dependence hypothesis in this case. Based on our empirical results, however, this hypothesis cannot be verified. Perhaps, asymmetric dependence with stronger lower tails occurs only temporarily, what suggests that incorporating time variation into the vine copula rnodel can improve it as a tool to rnodel multivariate International financial data. So, in the third paper, we introduce dynamics into the vine copula model by allowing the dependence parameters of the pair-copulas in a D-vine decomposition to be potentially timevarying, following a nonlinear restricted ARMA(l,m) process as in Patton (2006). The proposed model is evaluated in simulations and further assessed with respect to the accuracy of Value-at- Risk (VaR) forecasts in crisis periods. The Monte Cario experiments are quite favorable to the dynamic D-vine copula in comparison with a static D-vine copula. Moreover, the dynamic Dvine copula outperforms the static D-vine copula in terms of predictive accuracy for our data sets.

O presente trabalho foi motivado pela forte demanda por modelos de dependência mais precisos e realistas para aplicações a dados financeiros multivariados. A recente crise financeira de 2007-2009 deixou claro quão importante é uma modelagem precisa da dependência para a avaliação correta do risco financeiro: percepções equivocadas sobre dependências extremas entre diferentes ativos foram um elemento importante da crise do subprime. O famoso teorema dc Sklar (1959) introduziu as cópulas como uma ferramenta para se modelar padrões de dependência mais sofisticados. Ele estabelece que qualquer função de distribuição conjunta ndimensional pode ser decomposta em suas n distribuições marginais e uma cópula, sendo que a última caracteriza completamente a dependência entre as variáveis. Enquanto existe uma variedade de famílias de cópulas bivariadas que podem descrever um amplo conjunto de dependências complexas, o conjunto de cópulas com dimensão mais elevada era bastante restrito até recentemente. Joe (1996) propôs uma construção de distribuições nmltivariadas baseada em pair-copulas (cópulas bivariadas), chamada pair-copula construction ou modelo de vine cópula, que reverteu esse problema. Nesta tese, desenvolvemos três ensaios que exploram a teoria de cópulas para obter modelos de dependência multivariados muito flexíveis para aplicações a dados financeiros. Patton (2006) estendeu o teorema de Sklar para o caso de distribuições condicionais e tornou o parâmetro de dependência da cópula variante no tempo. No primeiro ensaio, introduzimos um novo enfoque para modelar a dependência entre retornos financeiros internacionais ao longo do tempo, combinando cópulas; tempo-variantes e o modelo de mudança Markoviana. Aplicamos esses modelos de cópula e também os modelos propostos por Patton (2006), Jondeau e Rockinger (2006) e Silva Filho et al. (2012a) aos retornos dos índices FTSE 100, CAC 40 e DAX. Comparamos essas metodologias em termos das dinâmicas de dependência resultantes e das habilidades dos modelos em prever Valor em Risco (VaR). Interessantemente, todos os modelos identificam um longo período de alta dependência entre os retornos começando em 2007, quando a crise do subprime teve início oficialmente. Surpreendentemente, as cópulas elípticas mostram melhor desempenho na previsão dos quantis extremos dos retornos dos portfólios. No segundo ensaio, estendemos nosso estudo para o caso de n > 2 variáveis, usando o modelo de vine cópula para investigar a estrutura de dependência dos índices CAC 40, DAX, FTSE 100, S&P 500 e IBOVESPA, e, particularmente, checar a hipótese de dependência assimétrica nesse caso. Com base em nossos resultados empíricos, entretanto, essa hipótese não pode ser verificada. Talvez a dependência assimétrica com caudas inferiores mais fortes ocorra apenas temporariamente, o que sugere que a incorporação de variação temporal ao modelo de vine cópula pode melhorá-lo como ferramenta para modelar dados financeiros internacionais multivariados. Desta forma, no terceiro ensaio, introduzimos dinâmica no modelo de vine cópula permitindo que os parâmetros de dependência das pair-copulas em uma decomposição D-vine sejam potencialmente variantes no tempo, seguindo um processo ARMA(l,m) restrito como em Patton (2006). O modelo proposto é avaliado em simulações e também com respeito à acurácia das previsões de Valor em Risco (VaR) em períodos de crise. Os experimentos de Monte Cailo são bastante favoráveis à cópula D-vine dinâmica em comparação a uma cópula D-vine estática. Adicionalmente, a cópula D-vine dinâmica supera a cópula D-vine estática em termos de acurária preditiva para os nossos conjuntos de dados / This work was motivated by the strong demand for more precise and realistic dependence models for applications to multivariate financial data. The recent financial crisis of 2007-2009 has made it clear how important is a precise modeling of dependence for the accurate assessment of financial risk: misperceptions about extreme dependencies between different financial assets were an important element of the subprime crisis. The famous theorem by Sklar (1959) introduced the copulas as a tool to model more intricate patterns of dependence. It states that any n-dimensional joint distribution function can be decomposed into its n marginal distributions and a copula, where the latter completely characterizes the dependence among the variables. While there is a variety of bivariate copula families, which can match a wide range of complex dependencies, the set of higher-dimensional copulas was quite restricted until recently. Joe (1996) proposed a construction of multivariate distributions based on pair-copulas (bivariate copulas), called pair-copula construction or vine copula model, that has overcome this issue. In this thesis, we develop three papers that explore the copula theory in order to obtain very flexible multivariate dependence rnodels for applications to financial data. Patton (2006) extended Sklar's theorem to the conditional case and rendered the dependence parameter of the copula time-varying. In the first paper, we introduce a new approach to modeling dependence between International financial returns over time, combining time-varying copulas and the Markov switching model. We apply these copula models and also those proposed by Patton (2006), Jondeau and Rockinger (2006) and Silva Filho et al. (2012a) to the return data of FTSE 100, CAC 40 and DAX indexes. We compare these methodologies in terms of the resulting dynamics of dependence and the models' abilities to forecast Value-at-Risk (VaR). Interestingly, ali the models identify a long period of high dependence between the returns beginning in 2007, when the subprime crisis was evolving. Surprisingly, the elhptical copulas perform best in forecasting the extreme quantiles of the portfolios returns. In the second paper, we extend our study to the case of n > 2 variables, using the vine copula model to investigate the dependence structure of the broad stock market indexes CAC 40, DAX, FTSE 100, S&P 500 and IBOVESPA, and, particularly, check the asymmetric dependence hypothesis in this case. Based on our empirical results, however, this hypothesis cannot be verified. Perhaps, asymmetric dependence with stronger lower tails occurs only temporarily, what suggests that incorporating time variation into the vine copula rnodel can improve it as a tool to rnodel multivariate International financial data. So, in the third paper, we introduce dynamics into the vine copula model by allowing the dependence parameters of the pair-copulas in a D-vine decomposition to be potentially timevarying, following a nonlinear restricted ARMA(l,m) process as in Patton (2006). The proposed model is evaluated in simulations and further assessed with respect to the accuracy of Value-at- Risk (VaR) forecasts in crisis periods. The Monte Cario experiments are quite favorable to the dynamic D-vine copula in comparison with a static D-vine copula. Moreover, the dynamic Dvine copula outperforms the static D-vine copula in terms of predictive accuracy for our data sets.