Valor em risco (VAR - value at risk): metodologias não paramétricas

O VAR (Value at Risk) ,valor em risco, é a perda máxima provável de uma carteira para um nível de confiança determinado, num horizonte temporal especificado.

A influência dos parâmetros nas estimativas VAR: caso prático

Dissertação de Mestrado em Finanças Empresariais

Gestão do risco em mercados de energia eléctrica recorrendo ao VaR por simulação de Monte Carlo

Mestrado em Engenharia Electrotécnica – Sistemas Eléctricos de Energia.

Modelos para a determinação do risco da taxa de juro

Introdução PARTE 1 - Noções gerais e metodologias de medição baseadas nos diferenciais 1.1. Noção de risco 1.2. Principais riscos na actividade bancária 1.3. Modelos de quantificação do risco da taxa de juro 1.4. Modelos para quantificar o risco de reinvestimento 1.5. O modelo de diferencial de duração (DD) 1.6. Modelos para quantificar o risco de preço 1.7. Diferencial de duração da situação líquida 1.8. Vantagens/desvantagens dos modelos de duração (resultado e situação líquida) 1.9. Perspectivas e conclusão sobre os Modelos de Diferencial de Fundos e Duração PARTE II - Conceito de VAR 2.1 A noção de VAR (Valor em Risco) 2.2 Conceitos-chave dos modelos VAR 2.3 Fórmula de cálculo da duração modificada 2.4 A importância da duração para determinar a sensibilidade da taxa de juro 2.5 A problemática da convexidade 2.6 O conceitos de volatilidade 2.7 A agregação dos riscos 2.8 O tratamento do VAR com a matriz de correlação do andamento das taxas de juro 2.9 Esquemas sequenciais de cálculo da volatilidade preço - taxa de juro e VAR PARTE III - Casos práticos de VAR 3.1 As relações entre as taxas a prazo (forward) e as taxas à vista (spot) 3.2 Desenvolvimento de um caso prático 3.3 Cálculo do diferencial de duração e do VAR aplicado à situação líquida 3.4 Admissão de pressupostos 3.5 Os diferentes VAR��s 3.6 A importância do VAR no contexto de gestão de risco numa instituição 3.7 Os modelos de simulação estática e dinâmica PARTE IV - Situações especiais 4.1 O tratamento dos FRA´s e futuros 4.2 O tratamento das opções 4.3 O tratamento dos swap´s taxa de juro 4.4 A aplicação do modelo VAR aos riscos taxa de juro e cambial 4.5 A utilização dos modelos VAR na afectação do capital (RAROC) 4.6 A análise da instruçaõ nº 19/2005 ANEXOS Anexo 1 - Instrução nº 19/2005: risco de taxa de juro da carteira bancária Anexo 2 - Instrução nº 72/96: Princípios orientadores para ocontrolo do risco da taxa de juro Anexo 3 - Anexo V do Aviso nº 7/96 Conclusão Índice dos Quadros Bibliografia

Modelos para apuramento do risco de taxa de juro

Alterações nas taxas de juro podem afectar o resultado e a situação líquida das instituições financeiras. O resultado destas empresas é sensível a alterações se o custo dos fundos é mais (ou menos) sensível que os proveitos obtidos. A situação líquida é sensível a alterações se o valor dos activos é mais (ou menos) sensível que o valor dos passivos. Este risco da taxa de juro resultante das alterações das taxas pode ser controlado através de diversos modelos. Os modelos mais usuais baseiam-se nos diferenciais de fundos (GAP), diferenciais de duração e valor em risco (VaR) que são apresentados de forma sequencial neste trabalho.

Avaliação ecotoxicológica de solos contaminados por ibuprofeno

Os produtos farmacêuticos são substâncias químicas muito utilizados em medicina, veterinária e ainda na agricultura. Nos anos 90, foi descoberta a presença de fármacos em meio aquático, verificando-se que a sua remoção nas Estações de Tratamento de Águas Residuais (ETAR) não era completa. Durante as duas últimas décadas foi identificada a presença de mais de oitenta compostos no meio ambiente e actualmente são considerados poluentes emergentes. Podem contaminar solos e águas, depois de serem usados e excretados (inalterados ou metabolizados) por humanos e animais, ou quando são indevidamente lançados directamente no meio ambiente. Os estudos ecotoxicológicos efectuados com estes poluentes têm sido direccionados, sobretudo, para as águas, existindo uma ausência de trabalhos sobre solos. O Ibuprofeno (IB) é um anti-inflamatório não esteróide, utilizado também como analgésico e antipirético, sendo um dos produtos farmacêuticos mais vendidos em todo o mundo, o que justifica a sua forte presença no meio ambiente. Por isso, e dada a ausência de trabalhos ecotoxicológicos de solos contaminados por fármacos, o IB foi o produto farmacêutico selecionado para a realização deste trabalho. A ecotoxicidade pode ser avaliada através de bioensaios. Estes têm a capacidade de avaliar a toxicidade de uma determinada substância de forma global, usando organismos vivos que funcionam como bio-indicadores. O presente trabalho tem como objectivos avaliar o impacte causado nos solos pelo IB, testar a toxicidade de dois processos de descontaminação para remover o referido fármaco dos solos assim como avaliar a toxicidade provocada por águas residuais, de três unidades hospitalares e de uma indústria farmacêutica. Esta avaliação foi efectuada através de ensaios de toxicidade aguda de germinação e de alongamento de raiz de sementes de alface, variedade bola de manteiga (Lactuca sativa), em solo arenoso. Os ensaios de ecotoxicidade aguda em solos contaminados por IB foram realizados para uma gama de concentrações entre 0,1 e 1000 μg/L. Verificou-se uma redução do número de sementes germinadas e do comprimento médio da planta no solo contaminado com 0,5 e 20 μg/L de IB. No solo contaminado com 1000 μg/L de IB observou-se uma redução da germinação, acompanhada por uma indução de crescimento da raiz da espécie Lactuca sativa. Os dois tratamentos de descontaminação de solos, reagente de Fenton e Nanopartículas de ferro zero valente, revelaram toxicidade, tendo-se obtido uma percentagem de germinação entre 32,2 ± 3,5 e 48,5 ± 6,2 e inibição do crescimento da raiz do organismo teste em cerca de 85,0 %. Em relação às águas residuais hospitalares verificou-se uma redução da percentagem de germinação entre 31,1 ± 5,0 e 72,3 ± 12,4 e uma inibição do crescimento da raiz situada entre 13,0 ± 6,4 e 20,2 ± 10,0 %. Para a água residual industrial ocorreu uma inibição da percentagem de germinação de 60,5 ± 13,1, contudo nas plantas germinadas observou-se uma indução do crescimento da raiz de 14,9 ± 7,7 %.

Modelos para a determinação da taxa de juro

Nos tempos que correm assistimos a alguma volatilidade e incerteza quanto à evolução das taxas de juro. As alterações nas taxas de juro podem afectar o resultado e a situação líquida das empresas. O risco da taxa de juro pode ser controlado através de diversos modelos. Os modelos mais usuais de gestão do risco baseiam-se nos diferenciais de fundos (GAP), diferenciais de duração, valor em risco (VaR) e simulação estática e dinâmica que são apresentados de forma sequencial nesta obra. Modelos para a Determinação do Risco da Taxa de Juro é uma obra de grande utilidade para os profissionais e técnicos das instituições de crédito e sociedades financeiras para além dos gestores de empresa responsáveis pelos departamentos financeiros, consultores financeiros e para todos aqueles que se interessam por temas relacionados com teoria financeira. O autor, Eduardo Manuel Lopes de Sá e Silva é doutorado em Ciências Económicas e Empresariais, pela Universidade da Corunha, Espanha, licenciado e mestre em Economia pela Faculdade de Economia da Universidade do Porto. Exerce funções de docente no Instituto Superior de Contabilidade e Administração do Porto e é coordenador do Curso de Especialização em Contabilidade e Fiscalidade que conta com o apoio da Câmara dos Técnicos Oficiais de Contas. Igualmente exerce as funções de técnico oficial de contas, revisor oficial de contas e consultor financeiro numa Instituição de Crédito.

A gestão do risco em instituições bancárias: uma análise com recurso a medidas de avaliação da performance ajustadas ao risco

Dissertação de Mestrado apresentado ao Instituto de Contabilidade e Administração do Porto para a obtenção do grau de Mestre em Auditoria sob orientação do Mestre Carlos Mota

Modeling Vegetable Fractals by means of Fractional-order Equations

This paper characterizes four ‘fractal vegetables’: (i) cauliflower (brassica oleracea var. Botrytis); (ii) broccoli (brassica oleracea var. italica); (iii) round cabbage (brassica oleracea var. capitata) and (iv) Brussels sprout (brassica oleracea var. gemmifera), by means of electrical impedance spectroscopy and fractional calculus tools. Experimental data is approximated using fractional-order models and the corresponding parameters are determined with a genetic algorithm. The Havriliak-Negami five-parameter model fits well into the data, demonstrating that classical formulae can constitute simple and reliable models to characterize biological structures.