Return to search

[en] ESSAYS IN FINANCIAL RISK MANAGEMENT OF EMERGING COUNTRIES / [pt] ENSAIOS EM GERENCIAMENTO DE RISCOS FINANCEIROS DE PAÍSES EMERGENTES

[pt] Nesta tese são desenvolvidos três ensaios que avaliam os riscos relativos a
alguns países emergentes. No primeiro ensaio, por meio do uso de modelos da
família GARCH, verificou-se que o aumento dos pesos relativos atribuídos às
observações mais antigas em função do aumento do horizonte de previsão resulta
em melhores estimativas de volatilidade. Por meio da utilização de sete modelos
de previsão de volatilidade e séries de retornos de ativos do mercado financeiro
brasileiro (ações de Petrobrás e Vale, índice Ibovespa, taxa de câmbio Real/Dólar,
taxa de juros de 1 ano e taxa de juros de 3 anos de títulos de dívida do governo
brasileiro emitidos em reais) compararam-se as estimativas obtidas na amostra
(in-sample) com as observações fora da amostra (out-of-sample). Com base nesta
comparação, constatou-se que as melhores estimativas de previsão de volatilidade
foram obtidas, predominantemente, por dois modelos que permitem que seus
parâmetros variem em função do horizonte de previsão: o modelo modificado
EGARCH e o modelo ARLS. Concluiu-se que a utilização de modelos de
previsão de volatilidade tradicionais, os quais mantêm inalterados os pesos
relativos atribuídos às observações antigas e recentes, independente do horizonte
de previsão, mostrou-se inapropriada. No segundo ensaio comparou-se os
desempenhos dos modelos de memória longa (FIGARCH) e curta (GARCH) na
previsão de value-at-risk (VaR) e expected shortfall (ES) para múltiplos períodos
à frente para seis índices de ações de mercados emergentes. Utilizou-se, para
dados diários de 1999 a 2014, uma adaptação da simulação de Monte Carlo para
estimar previsões de VaR e ES para 1, 10 e 20 dias à frente, usando modelos
FIGARCH e GARCH para quatro distribuições de erros. Os resultados sugerem
que, em geral, os modelos FIGARCH melhoram a precisão das previsões para
horizontes mais longos; que a distribuição dos erros pode influenciar a decisão de
escolha do melhor modelo; e que apenas para os modelos FIGARCH houve
redução do número de subestimações do VaR verdadeiro com o aumento do
horizonte de previsão. Com relação ao terceiro ensaio, percebeu-se que
aadministração de riscos é um assunto que há muito tempo já faz parte do dia-adia
das instituições financeiras e não financeiras, todavia não é comum a
utilização de métricas de risco na Administração Pública. Considerando a
existência dessa lacuna e a importância do tema para uma adequada gestão dos
recursos públicos, principalmente para países emergentes, esse terceiro ensaio
teve como propósitos estimar, em um único valor, o risco de liquidez de um
Órgão Público, a Marinha do Brasil, e identificar as fontes desse risco. Para isso,
utilizou-se o exposure-based Cash-Flow-at-Risk (CFaR) model, o qual, além de
resumir a estimação do risco de liquidez a um único valor, ajuda no
gerenciamento desse risco pelo fornecimento de informações adicionais sobre a
exposição do fluxo de caixa da organização a diversos fatores de risco. Usando
dados trimestrais do período compreendido entre o primeiro trimestre de 1999 ao
quarto trimestre de 2013, identificaram-se as taxas de câmbio real/dólar,
dólar/libra, a taxa SELIC, a Necessidade de Financiamento do Setor Público e a
taxa de inflação dos Estados Unidos como os fatores de risco macroeconômicos e
de mercado que impactam o fluxo de caixa da Marinha, bem como se calculou seu
CFaR com 95 por cento de nível de confiança para o período de um trimestre à frente. / [en] In this thesis we develop three essays on risk management in some
emerging countries. On the first one, using models of the GARCH family, we
verified that the increase in relative weights assigned to the earlier observations
due to the increase of the forecast horizon results in better estimates of volatility.
Through the use of seven forecasting models of volatility and return series of
financial markets assets (shares of Petrobras and Vale, Bovespa index, exchange
rate Real/Dollar, 1-year and 3 years interest rates of Brazilian Government bonds
issued in Reais) the estimates obtained in the sample (in-sample) were compared
with observations outside the sample (out-of-sample). Based on this comparison,
it was found that the best estimates of expected volatility were obtained
predominantly by two models that allow its parameters to vary depending on the
forecast horizon: the modified EGARCH model (exponential generalized
autoregressive conditional heteroskedastic) and the ARLS model proposed by
Ederington and Guan (2005). We conclude that the use of traditional forecasting
models of volatility, which keeps unchanged relative weights assigned to both old
and new observations, regardless of the forecast horizon, was inappropriate. On
the second essay we compared the performance of long-memory models
(FIGARCH) with short-memory models (GARCH) in forecasting value-at-risk
(VaR) and expected shortfall (ES) for multiple periods ahead for six emerging
markets stock índices. We used daily data from 1999 to 2014 and an adaptation of
the Monte Carlo simulation to estimate VaR and ES forecasts for multiple steps
ahead (1, 10 and 20 days ), using FIGARCH and GARCH models for four errors
distributions. The results suggest that, in general, the FIGARCH models improve
the accuracy of forecasts for longer horizons; that the error distribution used may
influence the decision about the best model; and that only for FIGARCH models
the occurrence of underestimation of the true VaR is less frequent with increasing
time horizon. Regarding the third essay, we realized that risk management is a
subject that has long been part of the day-to-day activities of financial and nonfinancial
institutions, yet the use of risk metrics is not common among public
agencies. Considering this gap, and the importance of the issue for the proper
management of public resources, the purpose of this third essay is to estimate, in a
single value, the liquidity risk of a public agency, in this case, the Brazilian Navy,
and to identify the sources of risk. To do this, the exposure-based Cash-Flow-at-
Risk (CFaR) model has been developed, which, in addition to summarizing the
liquidity risk estimation in a single value, helps in managing risk by providing
additional information about the exposure of the organization s cash flow to
various risk factors. Using quarterly data for the period between the first quarter
of 1999 and the fourth quarter of 2013, the macroeconomics and market risk
factors that impact the Navy s cash flow were identified. Moreover, the CFaR was
calculated at a 95 percent confidence level for a period of one quarter ahead.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:26131
Date14 April 2016
CreatorsALEX SANDRO MONTEIRO DE MORAES
ContributorsANTONIO CARLOS FIGUEIREDO PINTO
PublisherMAXWELL
Source SetsPUC Rio
LanguagePortuguese
Detected LanguagePortuguese
TypeTEXTO

Page generated in 0.0029 seconds