This dissertation is composed of two main and independents essays, but complementary. In the first one, we discuss the option price under a bayesian perspective. This essay aims to price and analyze the fair price behavior of the call-on-max (bivariate) option considering marginal heteroscedastic models with dependence structure modeled via copulas. Concerning inference, we adopt a Bayesian perspective and computationally intensive methods based on Monte Carlo simulations via Markov Chain (MCMC). A simulation study examines the bias and the root mean squared errors of the posterior means for the parameters. Real stocks prices of Brazilian banks illustrate the approach. For the proposed method is verified the effects of strike and dependence structure on the fair price of the option. The results show that the prices obtained by our heteroscedastic model approach and copulas differ substantially from the prices obtained by the model derived from Black and Scholes. Empirical results are presented to argue the advantages of our strategy. In the second chapter, we consider the GARCH-in-mean models with asymmetric variance specifications to model the volatility of the assets-objects under the risk-neutral dynamics. Moreover, the copula functions model the joint distribution, with the objective of capturing non-linear, linear and tails associations between the assets. We aim to provide a methodology to realize a more realistic pricing option. To illustrate the methodology, we use stocks from two Brazilian companies, where our the modeling offered a proper fitting. Confronting the results obtained with the classic model, which is an extension of the Black and Scholes model, we note that considering constant volatility over time underpricing the options, especially in-the-money options. / Essa dissertação é composta por dois principais ensaios independentes e complementares. No primeiro discutimos a precificação de opções bivariadas sob uma perspectiva bayesiana. Neste ensaio o principal objetivo foi precificar e analizar o preço justo da opção bivariada call-onmax considerando modelos heterocedásticos para as marginais e a modelagem de dependência realizada por funções cópulas. Para a inferência, adotamos o método computacionalmente intensivo baseado em simulações Monte Carlo via Cadeia de Markov (MCMC). Um estudo de simulação examinou o viés e o erro quadrático médio dos parâmetros a posteriori. Para a ilustração da abordagem, foram utilizados preços de ações de bancos Brasileiros. Além disso, foi verificado o efeito do strike e da estrutura de dependência nos preços das opções. Os resultados mostraram que os preços obtidos pelo método utilizado difere substancialmente dos obtidos pelo modelo clássico derivado de Black e Scholes. No segundo capítulo, consideramos os modelos GARCH-in-mean com especificações assimétricas para a variância com o objetivo de acomodar as características da volatilidade dos ativos-objetos sob uma perspectiva da dinâmica do risco-neutro. Além do mais, as funções cópulas foram utilizadas para capturar as possíveis estruturas de dependência linear, não-linear e caudais entre os ativos. Para ilustrar a metodologia, utilizamos dados de duas companhias Brasileiras. Confrontando os resultados obtidos com o modelo clássico extendido de Black e Scholes, notamos que a premissa de volatilidade constante sub-precifica as opções bivariadas, especialmente dentro-do-dinheiro.

In an increasingly competitive economic environment, as in the current global context, risk management becomes essential for the survival of companies and investment portfolio managers. Both companies and managers need to have a model that can be able to quantify the risks inherent in their investments in the best possible way in order to guide them in making decisions to get the highest expected return on their investments. Currently, there are several heterogeneous models which seek to quantify risk, making the choice of a particular model very complex. In order to confront and find models that can serve, efficiently, to the quantification of risk, the objective of this research is to compare the predictive ability of five models of conditional heteroskedasticity by estimating the Value-at-Risk, assuming eight different statistical probability distributions, for the series of financial ratios of the capital market of the five largest emerging countries: Brazil, Russia, India, China and South Africa, in the period between February 26, 2001 and December 31, 2015. For this goal was achieved, were held predictions of Value-at-Risk for 50 steps ahead, for all competing models in the study, with adjustment of parameters at every step. Since all the forecasts have been computed for every steps forward, it was possible to compare predictive ability of competing models studied by means of some loss functions. The evidences suggests that heterocedastic Component GARCH is preferable, to make predictions of Value-at-Risk, to all other competing models, however the distribution of statistical probability that this model uses interferes too much in the results of forecasts obtained by it. The data for each financial index studied showed to adapt themselves to a particular different type of probability density function, not reflecting a distribution which can be considered superior to all other. Thus, the results do not provide a single and ideal tool for use in the risk measurement, of generalized form, for all capital markets of emerging countries studied, only provide specific tools to be used in each financial index individually. The results found can be used for the purposes previously described or to elaborate statistical formulas that combine different models estimated in order to get better volatilities forecast measures so that it can measure, more precisely, the market risks. / Em um ambiente econômico cada vez mais competitivo, como é no atual contexto mundial, a gestão de risco torna-se indispensável para a sobrevivência de empresas e de gestores de carteiras de investimento. Tanto as empresas quanto os gestores precisam de um modelo que seja capaz de quantificar os riscos inerentes aos seus investimentos financeiros da melhor maneira possível, de forma a orientá-los na tomada de decisões para que obtenham o maior retorno esperado de seus investimentos. Atualmente, existem inúmeros modelos heterogêneos que buscam quantificar riscos, tornando a escolha de um determinado modelo bastante complexa. Com o intuito de confrontar e encontrar modelos que possam servir, de forma eficiente, à quantificação de riscos, o objetivo desta pesquisa é o de comparar a capacidade preditiva de cinco modelos de heterocedasticidade condicional através da estimação do Value-at-Risk, levando em consideração oito distribuições de probabilidade estatística diferentes, para as séries de índices financeiros do mercado de capitais dos cinco maiores países emergentes: Brasil, Rússia, Índia, China e África do Sul, no período compreendido entre 26 de fevereiro de 2001 e 31 de dezembro de 2015. Para alcançar tal objetivo, realizaram-se previsões do Value-at-Risk para 50 passos à frente, em todos os modelos concorrentes em estudo, com reajuste dos parâmetros a cada passo. Uma vez que todas as previsões foram computadas para todos os passos à frente, foi possível realizar a comparação da capacidade preditiva dos modelos concorrentes estudados por meio de determinadas funções de perda específicas. As evidências encontradas sugerem que o modelo heterocedástico Component GARCH é preferível, para realizar previsões do Value-at-Risk, a todos os outros modelos concorrentes, porém a distribuição de probabilidade estatística que este modelo utiliza interfere demasiadamente nos resultados das previsões obtidas por ele. Os dados de cada índice financeiro estudado mostraram-se adequar-se a um determinado tipo de função de densidade de probabilidade diferente, não refletindo uma distribuição que possa ser considerada superior a todas as outras. Deste modo, os resultados encontrados não oferecem uma ferramenta única e ideal para ser utilizada na mensuração de risco, de forma generalizada, para todos os mercados de capitais dos países emergentes estudados, apenas fornecem ferramentas pontuais para serem utilizadas em cada índice financeiro de forma individual. Os resultados obtidos podem servir para os fins descritos anteriormente ou para elaborar fórmulas estatísticas que combinem diferentes modelos estimados com a finalidade de obter melhores medidas de previsão de volatilidades para que se possa mensurar, de forma mais precisa, os riscos de mercado.