Dans cette thèse, nous discutons du stress, de l'incertitude et de la multimodalité des mesures de risque en accordant une attention particulière à deux parties. Les résultats ont une influence directe sur le calcul du capital économique et réglementaire des banques. Tout d'abord, nous fournissons une nouvelle mesure de risque - la VaR du stress du spectre (SSVaR) - pour quantifier et intégrer l'incertitude de la valeur à risque. C'est un modèle de mise en œuvre de la VaR stressée proposée par Bâle III. La SSVaR est basée sur l'intervalle de confiance de la VaR. Nous étudions la distribution asymptotique de la statistique de l'ordre, qui est un estimateur non paramétrique de la VaR, afin de construire l'intervalle de confiance. Deux intervalles de confiance sont obtenus soit par le résultat gaussien asymptotique, soit par l'approche saddlepoint. Nous les comparons avec l'intervalle de confiance en bootstrapping par des simulations, montrant que l'intervalle de confiance construit à partir de l'approche saddlepoint est robuste pour différentes tailles d'échantillons, distributions sous-jacentes et niveaux de confiance. Les applications de test de stress utilisant SSVaR sont effectuées avec des rendements historiques de l'indice boursier lors d'une crise financière, pour identifier les violations potentielles de la VaR pendant les périodes de turbulences sur les marchés financiers. Deuxièmement, nous étudions l'impact de la multimodalité des distributions sur les calculs de la VaR et de l'ES. Les distributions de probabilité unimodales ont été largement utilisées pour le calcul paramétrique de la VaR par les investisseurs, les gestionnaires de risques et les régulateurs. Cependant, les données financières peuvent être caractérisées par des distributions ayant plus d'un mode. Avec ces données nous montrons que les distributions multimodales peuvent surpasser la distribution unimodale au sens de la qualité de l'ajustement. Deux catégories de distributions multimodales sont considérées: la famille de Cobb et la famille Distortion. Nous développons un algorithme d'échantillonnage de rejet adapté, permettant de générer efficacement des échantillons aléatoires à partir de la fonction de densité de probabilité de la famille de Cobb. Pour une étude empirique, deux ensembles de données sont considérés: un ensemble de données quotidiennes concernant le risque opérationnel et un scénario de trois mois de rendement du portefeuille de marché construit avec cinq minutes de données intraday. Avec un éventail complet de niveaux de confiance, la VaR et l'ES à la fois des distributions unimodales et des distributions multimodales sont calculés. Nous analysons les résultats pour voir l'intérêt d'utiliser la distribution multimodale au lieu de la distribution unimodale en pratique. / In this thesis, we focus on discussing the stress, uncertainty and multimodality of risk measures with special attention on two parts. The results have direct influence on the computation of bank economic and regulatory capital. First, we provide a novel risk measure - the Spectrum Stress VaR (SSVaR) - to quantify and integrate the uncertainty of the Value-at-Risk. It is an implementation model of stressed VaR proposed in Basel III. The SSVaR is based on the confidence interval of the VaR. We investigate the asymptotic distribution of the order statistic, which is a nonparametric estimator of the VaR, in order to build the confidence interval. Two confidence intervals are derived from either the asymptotic Gaussian result, or the saddlepoint approach. We compare them with the bootstrapping confidence interval by simulations, showing that the confidence interval built from the saddlepoint approach is robust for different sample sizes, underlying distributions and confidence levels. Stress testing applications using SSVaR are performed with historical stock index returns during financial crisis, for identifying potential violations of the VaR during turmoil periods on financial markets. Second, we investigate the impact of multimodality of distributions on VaR and ES calculations. Unimodal probability distributions have been widely used for parametric VaR computation by investors, risk managers and regulators. However, financial data may be characterized by distributions having more than one modes. For these data, we show that multimodal distributions may outperform unimodal distribution in the sense of goodness-of-fit. Two classes of multimodal distributions are considered: Cobb's family and Distortion family. We develop an adapted rejection sampling algorithm, permitting to generate random samples efficiently from the probability density function of Cobb's family. For empirical study, two data sets are considered: a daily data set concerning operational risk and a three month scenario of market portfolio return built with five minutes intraday data. With a complete spectrum of confidence levels, the VaR and the ES from both unimodal distributions and multimodal distributions are calculated. We analyze the results to see the interest of using multimodal distribution instead of unimodal distribution in practice.

A análise de risco de mercado, o risco associado a perdas financeiras resultantes de utilizações de preços de mercado, é fundamental para instituições financeiras e gestores de carteiras. A alocação dos ativos nas carteiras envolve decisões risco/retorno eficientes, frequentemente limitadas por uma política de risco. Muitos modelos tradicionais simplificam a estimação do risco de mercado impondo muitas suposições, como distribuições simétricas, correlações lineares, normalidade, entre outras. A utilização de cópulas exibiliza a estimação da estrutura de dependência dessas séries de tempo, possibilitando a modelagem de séries de tempo multivariadas em dois passos: estimações marginais e da dependência entre as séries. Neste trabalho, utilizou-se um modelo de cópulas com dinâmica semiparamétrica para medição de risco de mercado. A estrutura dinâmica das cópulas conta com um parâmetro de dependência que varia ao longo do tempo, em que a proposta semiparamétrica possibilita a modelagem de qualquer tipo de forma funcional que a estrutura dinâmica venha a apresentar. O modelo proposto por Hafner e Reznikova (2010), de dinâmica semiparamétrica, é comparado com o modelo sugerido por Patton (2006), que apresenta dinâmica paramétrica. Todas as cópulas no trabalho são bivariadas. Os dados consistem em quatro séries de tempo do mercado brasileiro de ações. Para cada um desses pares, utilizou-se modelos ARMA-GARCH para a estimação das marginais, enquanto a dependência entre as séries foi estimada utilizando os dois modelos de cópulas dinâmicas mencionados. Para comparar as metodologias estimaram-se duas medidas de risco de mercado: Valor em Risco e Expected Shortfall. Testes de hipóteses foram implementados para verificar a qualidade das estimativas de risco. / Market risk management, i.e. managing the risk associated with nancial loss resulting from market price uctuations, is fundamental to nancial institutions and portfolio managers. Allocations involve e cient risk/return decisions, often restricted by an investment policy statement. Many traditional models simplify risk estimation imposing several assumptions, like symmetrical distributions, the existence of only linear correlations, normality, among others. The modelling of the dependence structure of these time series can be exibly achieved by using copulas. This approach can model a complex multivariate time series structure by analyzing the problem in two blocks: marginal distributions estimation and dependence estimation. The dynamic structure of these copulas can account for a dependence parameter that changes over time, whereas the semiparametric option makes it possible to model any kind of functional form in the dynamic structure. We compare the model suggested by Hafner and Reznikova (2010), which is a dynamic semiparametric one, with the model suggested by Patton (2006), which is also dynamic but fully parametric. The copulas in this work are all bivariate. The data consists of four Brazilian stock market time series. For each of these pairs, ARMA-GARCH models have been used to model the marginals, while the dependences between the series are modeled by using the two methods mentioned above. For the comparison between these methodologies, we estimate Value at Risk and Expected Shortfall of the portfolios built for each pair of assets. Hypothesis tests are implemented to verify the quality of the risk estimates.

A pesquisa traz uma crítica à teoria moderna de finanças em relação à política de gestão de risco, especificamente sobre o Value at Risk, e como ela afeta o risco na economia. O trabalho propõe uma discussão comportamental da ineficácia do VaR e como este tipo de informação pode ser ruim para a economia, por refletir no problema do moral hazard (risco moral) para os gestores, baseados na ilusão de compreensão, ilusão de validade e de habilidade. A dissertação conclui que,ao superestimar a informação do VaR, os agentes alteram seu comportamento para tomar decisão e, com este risco moral, podem gerar o problema dos black swans (cisnes negros). / The research brings a critique of modern finance theory in relation to risk management policy, specifically on the Value at Risk, and how this affects the risk in the economy. The paper proposes a behavioral discussion of VaR ineffectiveness and how such information may be bad in the economy, for reflecting on the moral hazard problem for managers, based on the illusion of understanding, illusion of validity and ability. The dissertation concludes that, to overestimate VaR information, the agents change their behavior to take this decision and, this moral hazard, can generate the black swans.

Neste trabalho, aprofundamos o estudo sobre risco sistêmico via funções de agregação. Consideramos três carteiras diferentes como proxy para um sistema econômico, estas carteiras são consistidas por duas funções de agregação, baseadas em todos as ações do E.U.A, e um índice de mercado. As medidas de risco aplicadas são Value at Risk (VaR), Expected Shortfall (ES) and Expectile Value at Risk (EVaR), elas são previstas através do modelo GARCH clássico unido com nove funções de distribuição de probabilidade diferentes e mais por um método não paramétrico. As previsões são avaliadas por funções de perda e backtests de violação. Os resultados indicam que nossa abordagem pode gerar uma função de agregação adequada para processar o risco de um sistema previamente selecionado. / In this work, we deepen the study of systemic risk measurement via aggregation functions. We consider three different portfolios as a proxy for an economic system, these portfolios are consisted in two aggregation functions, based on all U.S. stocks and a market index. The risk measures applied are Value at Risk (VaR), Expected Shortfall (ES) and Expectile Value at Risk (EVaR), they are forecasted via the classical GARCH model along with nine distribution probability functions and also by a nonparametric approach. The forecasts are evaluated by loss functions and violation backtests. Results indicate that our approach can generate an adequate aggregation function to process the risk of a system previously selected.

Made available in DSpace on 2016-06-02T20:05:59Z (GMT). No. of bitstreams: 1 1642.pdf: 1151544 bytes, checksum: 8fe56d1fcfe5711823ed58e9184fead7 (MD5) Previous issue date: 2007-01-26 / The continuous development of new financial instruments brings more and more investment options for market participants. These investment options also bring a bigger necessity to evaluate the risk embedded in these new financial instruments. Risk Analysis can be defined as an attempt to measure the uncertainty degree in the attainment of the expected return in a financial application and the standard measure to evaluate financial risk is the Value at Risk. This work aims to develop a new approach to estimate the Value at Risk, considering both the market data and the specialists´ opinion. / O desenvolvimento contínuo de novos títulos financeiros possibilita cada vez mais opções de investimento para os participantes do mercado. Este leque de opções de investimentos também traz a necessidade cada vez maior de avaliar o risco que cada novo título financeiro carrega. A análise de riscos pode ser definida como como a tentativa de mensurar o grau de incerteza na obtenção do retorno esperado em uma determinada aplicação financeira. Este trabalho visa desenvolver uma nova abordagem para a estimação do Value at Risk, considerando tanto os dados de mercado quanto a opinião de especialistas

Neste trabalho, aprofundamos o estudo sobre risco sistêmico via funções de agregação. Consideramos três carteiras diferentes como proxy para um sistema econômico, estas carteiras são consistidas por duas funções de agregação, baseadas em todos as ações do E.U.A, e um índice de mercado. As medidas de risco aplicadas são Value at Risk (VaR), Expected Shortfall (ES) and Expectile Value at Risk (EVaR), elas são previstas através do modelo GARCH clássico unido com nove funções de distribuição de probabilidade diferentes e mais por um método não paramétrico. As previsões são avaliadas por funções de perda e backtests de violação. Os resultados indicam que nossa abordagem pode gerar uma função de agregação adequada para processar o risco de um sistema previamente selecionado. / In this work, we deepen the study of systemic risk measurement via aggregation functions. We consider three different portfolios as a proxy for an economic system, these portfolios are consisted in two aggregation functions, based on all U.S. stocks and a market index. The risk measures applied are Value at Risk (VaR), Expected Shortfall (ES) and Expectile Value at Risk (EVaR), they are forecasted via the classical GARCH model along with nine distribution probability functions and also by a nonparametric approach. The forecasts are evaluated by loss functions and violation backtests. Results indicate that our approach can generate an adequate aggregation function to process the risk of a system previously selected.

Empresas orientadas à inovação são submetidas a inúmeras incertezas e riscos. Porém, modelos de Gestão de Riscos que mensurem resultados econômicos e financeiros em ambientes inovadores ainda são escassos na literatura e no âmbito prático. Influenciada por esse contexto, esta dissertação propõe, testa e valida um modelo de Gestão de Riscos em processos de inovação que permite mensurar indicadores econômicos de impacto de riscos. A partir destes, discute-se o efeito dos riscos identificados a partir do processo de inovação na gestão corporativa da empresa. Para isso, estruturou-se a pesquisa em três etapas: (i) identificação dos principais eventos de risco inerentes ao ambiente inovativo, através de uma Revisão Sistemática da literatura, seguida de uma pesquisa empírica com empresas de Parques Tecnológicos brasileiros; (ii) proposição de modelo protótipo de Gestão de Riscos orientado a processos inovadores elaborado a partir das principais técnicas de análise e identificação de risco utilizadas em processos de inovação, identificadas através de Revisão Sistemática da literatura; e (iii) teste e validação do modelo protótipo em um ambiente real através da realização de um Estudo de Caso em uma empresa com estratégia inovadora instalada em um Parque Tecnológico brasileiro, permitindo a discussão do impacto corporativo dos riscos analisados a partir do processo de inovação. Entre as ferramentas que embasam o modelo, destaca-se o uso da análise probabilística de riscos, através da Simulação de Monte Carlo, relacionada ao custo do processo de inovação, calculado a partir do método ABC de custeio. Entre as principais contribuições acadêmicas deste trabalho tem-se: a sugestão de um indicador econômico, traduzido através do Value at Risk, para o processo de inovação em uma empresa, o que ainda é escasso na literatura; e a consolidação dos principais eventos de risco inerentes ao ambiente inovativo. No que diz respeito à contribuição ao meio prático, o modelo proposto indica ferramentas modulares e sequenciais para que empresários possam replicá-lo em diferentes situações. / Companies with innovation-oriented strategy are subject to uncertainties and risks, which lack the management practices for the use of quantitative indicators and especially in currency format. In this sense, risk management models that measure economic and financial results in innovative environments are still scarce in the literature and the practical field. Influenced by this context, this work proposes, tests and validates a risk management model oriented to innovation processes that allows us to measure economic indicators of risk impact. From these, is discussed the effect that the risks identified from the innovation process refer to the corporate management of the company. To achieve this result, structured the analysis in three steps: (i) identification of major risk events that are tangent innovative environment through a systematic literature review, followed by a survey of Brazilian Technology Parks companies; (ii) search for the main techniques of analysis and identification of risk used in innovation processes, from a systematic literature review and prototype model proposition risk management oriented innovative processes; and (iii) testing and validation of the prototype model in a real environment with innovative strategy -company installed in a Brazilian-Technology Park, by conducting a Case Study, allowing discussion of the business impact that the risks analyzed from the process innovation refer. Among the tools that support the model, there is the use of probabilistic risk analysis through Monte Carlo simulation related to the cost of the innovation process, calculated from the implementation of Activity-based Costing method. Contributes academically by the suggestion of an economic indicator, translated through the Value at Risk, to the process of innovation in a company, which is still scarce in the literature. With regard to the contribution to the practical environment, the model indicates sequential modules and tools for businesses it can replicate in different environments.

Empresas orientadas à inovação são submetidas a inúmeras incertezas e riscos. Porém, modelos de Gestão de Riscos que mensurem resultados econômicos e financeiros em ambientes inovadores ainda são escassos na literatura e no âmbito prático. Influenciada por esse contexto, esta dissertação propõe, testa e valida um modelo de Gestão de Riscos em processos de inovação que permite mensurar indicadores econômicos de impacto de riscos. A partir destes, discute-se o efeito dos riscos identificados a partir do processo de inovação na gestão corporativa da empresa. Para isso, estruturou-se a pesquisa em três etapas: (i) identificação dos principais eventos de risco inerentes ao ambiente inovativo, através de uma Revisão Sistemática da literatura, seguida de uma pesquisa empírica com empresas de Parques Tecnológicos brasileiros; (ii) proposição de modelo protótipo de Gestão de Riscos orientado a processos inovadores elaborado a partir das principais técnicas de análise e identificação de risco utilizadas em processos de inovação, identificadas através de Revisão Sistemática da literatura; e (iii) teste e validação do modelo protótipo em um ambiente real através da realização de um Estudo de Caso em uma empresa com estratégia inovadora instalada em um Parque Tecnológico brasileiro, permitindo a discussão do impacto corporativo dos riscos analisados a partir do processo de inovação. Entre as ferramentas que embasam o modelo, destaca-se o uso da análise probabilística de riscos, através da Simulação de Monte Carlo, relacionada ao custo do processo de inovação, calculado a partir do método ABC de custeio. Entre as principais contribuições acadêmicas deste trabalho tem-se: a sugestão de um indicador econômico, traduzido através do Value at Risk, para o processo de inovação em uma empresa, o que ainda é escasso na literatura; e a consolidação dos principais eventos de risco inerentes ao ambiente inovativo. No que diz respeito à contribuição ao meio prático, o modelo proposto indica ferramentas modulares e sequenciais para que empresários possam replicá-lo em diferentes situações. / Companies with innovation-oriented strategy are subject to uncertainties and risks, which lack the management practices for the use of quantitative indicators and especially in currency format. In this sense, risk management models that measure economic and financial results in innovative environments are still scarce in the literature and the practical field. Influenced by this context, this work proposes, tests and validates a risk management model oriented to innovation processes that allows us to measure economic indicators of risk impact. From these, is discussed the effect that the risks identified from the innovation process refer to the corporate management of the company. To achieve this result, structured the analysis in three steps: (i) identification of major risk events that are tangent innovative environment through a systematic literature review, followed by a survey of Brazilian Technology Parks companies; (ii) search for the main techniques of analysis and identification of risk used in innovation processes, from a systematic literature review and prototype model proposition risk management oriented innovative processes; and (iii) testing and validation of the prototype model in a real environment with innovative strategy -company installed in a Brazilian-Technology Park, by conducting a Case Study, allowing discussion of the business impact that the risks analyzed from the process innovation refer. Among the tools that support the model, there is the use of probabilistic risk analysis through Monte Carlo simulation related to the cost of the innovation process, calculated from the implementation of Activity-based Costing method. Contributes academically by the suggestion of an economic indicator, translated through the Value at Risk, to the process of innovation in a company, which is still scarce in the literature. With regard to the contribution to the practical environment, the model indicates sequential modules and tools for businesses it can replicate in different environments.

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.

The aim of this master thesis is analyze the impact of new regulatory requirements for market risk in terms of internal approach of the selected portfolio. The first part deals with the definition and calculation methods of risk measures Value at Risk and Expected Shortfall. Furthermore, this part is dedicated to model backtesting and determination of the stress period. The second part describes the development of Basel I-III regulatory requirements for market risk with a focus on internal approaches. The third part focuses on the calculation and subsequent analysis of current and new regulatory reguirements for market risk using the historical simulation method, variance and covariance method and Monte Carlo simulation.