Cópulas: uma alternativa para a estimação de modelos de risco multivariados

Dentre os principais desafios enfrentados no cálculo de medidas de risco de portfólios está em como agregar riscos. Esta agregação deve ser feita de tal sorte que possa de alguma forma identificar o efeito da diversificação do risco existente em uma operação ou em um portfólio. Desta forma, muito tem se feito para identificar a melhor forma para se chegar a esta definição, alguns modelos como o Valor em Risco (VaR) paramétrico assumem que a distribuição marginal de cada variável integrante do portfólio seguem a mesma distribuição , sendo esta uma distribuição normal, se preocupando apenas em modelar corretamente a volatilidade e a matriz de correlação. Modelos como o VaR histórico assume a distribuição real da variável e não se preocupam com o formato da distribuição resultante multivariada. Assim sendo, a teoria de Cópulas mostra-se um grande alternativa, à medida que esta teoria permite a criação de distribuições multivariadas sem a necessidade de se supor qualquer tipo de restrição às distribuições marginais e muito menos as multivariadas. Neste trabalho iremos abordar a utilização desta metodologia em confronto com as demais metodologias de cálculo de Risco, a saber: VaR multivariados paramétricos - VEC, Diagonal,BEKK, EWMA, CCC e DCC- e VaR histórico para um portfólio resultante de posições idênticas em quatro fatores de risco – Pre252, Cupo252, Índice Bovespa e Índice Dow Jones

Modelos de volatilidade estocástica em séries financeiras: uma aplicação para o IBOVESPA

Neste artigo apresentamos uma análise Bayesiana para o modelo de volatilidade estocástica (SV) e uma forma generalizada deste, cujo objetivo é estimar a volatilidade de séries temporais financeiras. Considerando alguns casos especiais dos modelos SV usamos algoritmos de Monte Carlo em Cadeias de Markov e o software WinBugs para obter sumários a posteriori para as diferentes formas de modelos SV. Introduzimos algumas técnicas Bayesianas de discriminação para a escolha do melhor modelo a ser usado para estimar as volatilidades e fazer previsões de séries financeiras. Um exemplo empírico de aplicação da metodologia é introduzido com a série financeira do IBOVESPA.

Modelos de volatilidade estocástica com deformação temporal : com aplicação aos dados do IBOVESPA

Estimar e prever a volatilidade de um ativo é uma tarefa muito importante em mercados financeiros. Nosso objetivo neste trabalho é propor o conceito de deformação temporal neste contexto. A idéia é que o mercado modifica-se com a chegada de novas informações, e não com o decorrer do tempo de calendário. Nós estimamos a volatilidade dos retornos do IBOVESPA, aplicando Modelos de Volatilidade Estocástica sem e com Deformação Temporal.

Análise de contágio a partir do modelo de correlação condicional constante com mudança de regime Markoviana

Nas últimas décadas, a análise dos padrões de propagação internacional de eventos financeiros se tornou o tema de grande parte dos estudos acadêmicos focados em modelos de volatilidade multivariados. Diante deste contexto, objetivo central do presente estudo é avaliar o fenômeno de contágio financeiro entre retornos de índices de Bolsas de Valores de diferentes países a partir de uma abordagem econométrica, apresentada originalmente em Pelletier (2006), sobre a denominação de Regime Switching Dynamic Correlation (RSDC). Tal metodologia envolve a combinação do Modelo de Correlação Condicional Constante (CCC) proposto por Bollerslev (1990) com o Modelo de Mudança de Regime de Markov sugerido por Hamilton e Susmel (1994). Foi feita uma modificação no modelo original RSDC, a introdução do modelo GJR-GARCH formulado em Glosten, Jagannathan e Runkle (1993), na equação das variâncias condicionais individuais das séries para permitir capturar os efeitos assimétricos na volatilidade. A base de dados foi construída com as séries diárias de fechamento dos índices das Bolsas de Valores dos Estados Unidos (SP500), Reino Unido (FTSE100), Brasil (IBOVESPA) e Coréia do Sul (KOSPI) para o período de 02/01/2003 até 20/09/2012. Ao longo do trabalho a metodologia utilizada foi confrontada com outras mais difundidos na literatura, e o modelo RSDC com dois regimes foi definido como o mais apropriado para a amostra selecionada. O conjunto de resultados encontrados fornecem evidências a favor da existência de contágio financeiro entre os mercados dos quatro países considerando a definição de contágio financeiro do Banco Mundial denominada de “muito restritiva”. Tal conclusão deve ser avaliada com cautela considerando a extensa diversidade de definições de contágio existentes na literatura.

Estudo sobre a memória longa na volatilidade dos preços do ouro : uma abordagem com base nos modelos de tipo ARCH

Mestrado em Contabilidade e Análise Financeira

Mudanças de regime e persistência dos choques sobre a volatilidade para a série de preços do petróleo: uma análise comparativa da família GARCH e modelos com mudança de regime Markoviana – MSIH e SWARCH

A previsão dos preços do petróleo é fundamental para o planejamento energético e oferece subsídio a tomada de decisões de longo prazo, que envolvem custos irrecuperáveis. No entanto, os preços do petróleo são muito instáveis sujeitos a choques como resultado de questões geopolíticas, poder de mercado da OPEP (Organização dos Países Exportadores de Petróleo) e pressões de demanda resultando numa série sujeita a quebras estruturais, prejudicando a estimação e previsão de modelos de série temporal. Dada a limitação dos modelos de volatilidade da família GARCH, que são instáveis e apresentam elevada persistência em séries com mudanças estruturais, este trabalho compara a previsão da volatilidade, em termos de intervalos de confiança e persistência, dos modelos de volatilidade com mudança de regime markoviana em relação aos modelos de volatilidade determinísticos. Os modelos de volatilidade com mudança de regime considerados são o modelo SWARCH (Markov Switch ARCH) e introduz-se o modelo MSIH (Markov Switch Intercept Heteroskedasticity) para o estudo da volatilidade. Como resultado as previsões de volatilidade dos modelos com mudança de regime permitem uma estimação da volatilidade que reduz substancialmente a persistência em relação aos modelos GARCH.

Modelos de previsão de volatilidade : uma aplicação do modelo GARCH a taxas de câmbio

Com o objetivo de mostrar uma aplicação dos modelos da família GARCH a taxas de câmbio, foram utilizadas técnicas estatísticas englobando análise multivariada de componentes principais e análise de séries temporais com modelagem de média e variância (volatilidade), primeiro e segundo momentos respectivamente. A utilização de análise de componentes principais auxilia na redução da dimensão dos dados levando a estimação de um menor número de modelos, sem contudo perder informação do conjunto original desses dados. Já o uso dos modelos GARCH justifica-se pela presença de heterocedasticidade na variância dos retornos das séries de taxas de câmbio. Com base nos modelos estimados foram simuladas novas séries diárias, via método de Monte Carlo (MC), as quais serviram de base para a estimativa de intervalos de confiança para cenários futuros de taxas de câmbio. Para a aplicação proposta foram selecionadas taxas de câmbio com maior market share de acordo com estudo do BIS, divulgado a cada três anos.

Estudo sobre a memória longa na volatilidade das rendibilidades do índice Nasdaq 100: uma abordagem com base nos modelos tipo Arch

Mestrado em Controlo de Gestão e dos Negócios

Análise de clusters e volatilidade de índices de acções

Mestrado em Contabilidade e Gestão das Instituições Financeiras

Modelos Mixtos-Aditivos Generalizados para el Estudio de Fenómenos Biológicos y Sociales Descriptos por Datos Agregados y/o Longitudinales. Generalized Mixed Additive Models for the Study of Biological and Social Phenomenons from Longitudinal and/or Aggregated Data.

Este proyecto propone extender y generalizar los procesos de estimación e inferencia de modelos aditivos generalizados multivariados para variables aleatorias no gaussianas, que describen comportamientos de fenómenos biológicos y sociales y cuyas representaciones originan series longitudinales y datos agregados (clusters). Se genera teniendo como objeto para las aplicaciones inmediatas, el desarrollo de metodología de modelación para la comprensión de procesos biológicos, ambientales y sociales de las áreas de Salud y las Ciencias Sociales, la condicionan la presencia de fenómenos específicos, como el de las enfermedades.Es así que el plan que se propone intenta estrechar la relación entre la Matemática Aplicada, desde un enfoque bajo incertidumbre y las Ciencias Biológicas y Sociales, en general, generando nuevas herramientas para poder analizar y explicar muchos problemas sobre los cuales tienen cada vez mas información experimental y/o observacional.Se propone, en forma secuencial, comenzando por variables aleatorias discretas (Yi, con función de varianza menor que una potencia par del valor esperado E(Y)) generar una clase unificada de modelos aditivos (paramétricos y no paramétricos) generalizados, la cual contenga como casos particulares a los modelos lineales generalizados, no lineales generalizados, los aditivos generalizados, los de media marginales generalizados (enfoques GEE1 -Liang y Zeger, 1986- y GEE2 -Zhao y Prentice, 1990; Zeger y Qaqish, 1992; Yan y Fine, 2004), iniciando una conexión con los modelos lineales mixtos generalizados para variables latentes (GLLAMM, Skrondal y Rabe-Hesketh, 2004), partiendo de estructuras de datos correlacionados. Esto permitirá definir distribuciones condicionales de las respuestas, dadas las covariables y las variables latentes y estimar ecuaciones estructurales para las VL, incluyendo regresiones de VL sobre las covariables y regresiones de VL sobre otras VL y modelos específicos para considerar jerarquías de variación ya reconocidas. Cómo definir modelos que consideren estructuras espaciales o temporales, de manera tal que permitan la presencia de factores jerárquicos, fijos o aleatorios, medidos con error como es el caso de las situaciones que se presentan en las Ciencias Sociales y en Epidemiología, es un desafío a nivel estadístico. Se proyecta esa forma secuencial para la construcción de metodología tanto de estimación como de inferencia, comenzando con variables aleatorias Poisson y Bernoulli, incluyendo los existentes MLG, hasta los actuales modelos generalizados jerárquicos, conextando con los GLLAMM, partiendo de estructuras de datos correlacionados. Esta familia de modelos se generará para estructuras de variables/vectores, covariables y componentes aleatorios jerárquicos que describan fenómenos de las Ciencias Sociales y la Epidemiología.

Volatilidade implícita versus volatilidade estatística : uma avaliação para o mercado brasileiro a partir dos dados de opções e ações da Telemar S.A.

A partir de uma base de dados de ações da Telemar S.A., do período de 21/09/1998 a 21/10/2002, e de opções de 02/10/2000 a 21/10/2002, foi avaliado qual o previsor que prevê com maior precisão a volatilidade futura: o implícito ou o estatístico. A volatilidade implícita foi obtida por indução retroativa da fórmula de Black-Scholes. As previsões estatísticas da volatilidade foram obtidas pelos modelos de média móvel ponderada igualmente, modelo GARCH, EGARCH e FIGARCH. Os resultados das regressões do conteúdo de informação revelam que a volatilidade implícita ponderada possui substancial quantidade de informações sobre a volatilidade um passo à frente, pois apresenta o maior R2 ajustado de todas as regressões. Mesmo sendo eficiente, os testes indicam que ela é viesada. Porém, a estatística Wald revela que os modelos EGARCH e FIGARCH são previsores eficientes e não viesados da variação absoluta dos retornos da Telemar S.A. entre t e t + 1, apesar do R2 um pouco inferior a volatilidade implícita. Esse resultado a partir de parâmetros baseados em dados ex-post, de certo modo refuta a hipótese de que as opções possibilitam melhores informações aos participantes do mercado sobre as expectativas de risco ao longo do próximo dia Nas regressões do poder de previsão, que testam a habilidade da variável explicativa em prever a volatilidade ao longo do tempo de maturidade da opção, os resultados rejeitam a hipótese da volatilidade implícita ser um melhor previsor da volatilidade futura. Elas mostram que os coeficientes das volatilidades implícitas e incondicionais são estatisticamente insignificantes, além do R2 ajustado ser zero ou negativo. Isto, a princípio, conduz à rejeição da hipótese de que o mercado de opções é eficiente. Por outro lado, os resultados apresentados pelos modelos de volatilidade condicional revelam que o modelo EGARCH é capaz de explicar 60% da volatilidade futura. No teste de previsor eficiente e não viesado, a estatística Wald não rejeita esta hipótese para o modelo FIGARCH. Ou seja, um modelo que toma os dados ex-post consegue prever a volatilidade futura com maior precisão do que um modelo de natureza forward looking, como é o caso da volatilidade implícita. Desse modo, é melhor seguir a volatilidade estatística - expressa pelo modelo FIGARCH, para prever com maior precisão o comportamento futuro do mercado.

Volatilidade cambial e regimes de câmbio

Regimes de câmbio flutuante têm sido amplamente adotados desde 1973. De acordo com muitos estudos empíricos, esses regimes têm manifestado maiores volatilidades do que os regimes de câmbio fixo adotados após a Segunda Guerra Mundial. Contudo, desde começo dos anos 1970, muitos países têm adotado diferentes tipos de regimes de câmbio flutuante, desde completamente livres a flutuantes administrados, assim como uma ampla variedade de regimes de câmbio rígido. O objetivo deste trabalho é verificar se a volatilidade cambial está estatisticamente associada a esses diferentes regimes de câmbio. Utilizando a classificação cambial de facto de Reinhart e Rogoff (2004), nossa pesquisa aponta que regimes de câmbio com algum tipo de rigidez cambial são menos voláteis que regimes de câmbio com flutuação livre (freely floating); além disso, aponta que regimes cambiais em períodos de instabilidade monetária são ainda mais voláteis. Verificou-se ainda, que crises cambiais são significativas e responsáveis por maior volatilidade cambial, enquanto outros tipos de crises não se mostram estatisticamente significantes. Um terceiro resultado importante é o de que a abertura comercial e a abertura financeira não apresentaram significância estatística.

Prevendo a volatilidade realizada de ações brasileiras : evidências empíricas

Este estudo compara previsões de volatilidade de sete ações negociadas na Bovespa usando 02 diferentes modelos de volatilidade realizada e 03 de volatilidade condicional. A intenção é encontrar evidências empíricas quanto à diferença de resultados que são alcançados quando se usa modelos de volatilidade realizada e de volatilidade condicional para prever a volatilidade de ações no Brasil. O período analisado vai de 01 de Novembro de 2007 a 30 de Março de 2011. A amostra inclui dados intradiários de 5 minutos. Os estimadores de volatilidade realizada que serão considerados neste estudo são o Bi-Power Variation (BPVar), desenvolvido por Barndorff-Nielsen e Shephard (2004b), e o Realized Outlyingness Weighted Variation (ROWVar), proposto por Boudt, Croux e Laurent (2008a). Ambos são estimadores não paramétricos, e são robustos a jumps. As previsões de volatilidade realizada foram feitas através de modelos autoregressivos estimados para cada ação sobre as séries de volatilidade estimadas. Os modelos de variância condicional considerados aqui serão o GARCH(1,1), o GJR (1,1), que tem assimetrias em sua construção, e o FIGARCH-CHUNG (1,d,1), que tem memória longa. A amostra foi divida em duas; uma para o período de estimação de 01 de Novembro de 2007 a 30 de Dezembro de 2010 (779 dias de negociação) e uma para o período de validação de 03 de Janeiro de 2011 a 31 de Março de 2011 (61 dias de negociação). As previsões fora da amostra foram feitas para 1 dia a frente, e os modelos foram reestimados a cada passo, incluindo uma variável a mais na amostra depois de cada previsão. As previsões serão comparadas através do teste Diebold-Mariano e através de regressões da variância ex-post contra uma constante e a previsão. Além disto, o estudo também apresentará algumas estatísticas descritivas sobre as séries de volatilidade estimadas e sobre os erros de previsão.

Eficacia de las escuelas : estudio multinivel de los factores determinantes del rendimiento acad??mico en Educaci??n Secundaria

El objetivo principal es determinar en qu?? medida los factores de cada nivel de agregaci??n contribuyen al desigual rendimiento acad??mico observado en los resultados de la evaluaci??n de los alumnos de 14 y 16 a??os en Matem??ticas, Comprensi??n Lectora y Reglas Ling????sticas y Literatura, explicando la m??xima cantidad de varianza de los resultados acad??micos en el nivel de comunidad aut??noma, a partir de las variables incluidas en los niveles de centro y de alumno. Otros objetivos son: 1. Identificar la magnitud de la influencia relativa de los factores que determinan el rendimiento acad??mico y la eficacia escolar en cada uno de los tres niveles definidos. 2. Establecer las posibles interacciones entre las variables de distintos niveles. 3. Aportar informaci??n para contribuir a la toma de decisiones sobre mejora de las escuelas a partir de la mejor identificaci??n de las posibles causas de la variaci??n del rendimiento acad??mico diferenciando en niveles. 45535 alumnos de entre 14 y 16 a??os de 1674 centros de ??mbito nacional (excepto Andaluc??a). Se realiza un an??lisis secundario de los datos procedentes de una evaluaci??n ya realizada con la intenci??n de responder a preguntas no planteadas en la investigaci??n primaria. Durante el curso 1996-1997 se realizan estudios que tienen por finalidad establecer el diagn??stico de la situaci??n del sistema educativo espa??ol. Se realiza una evaluaci??n de los conocimientos fundamentales que tienen los alumnos de 14 y 16 a??os en matem??ticas, comprensi??n lectora y reglas ling????sticas y literatura. Se realizan pruebas de matem??ticas, reglas ling????sticas y literatura y comprensi??n lectora. Se realizan an??lisis estad??sticos tradicionales con An??lisis de Regresi??n M??ltiple o An??lisis de Varianza Factorial. Se emplean modelos jer??rquicos lineales para el estudio del problema de la eficacia de las escuelas, la aportaci??n de estos modelos consiste en que presentan una estructura de an??lisis dentro de la cual se puede reconocer los distintos niveles en que se articulan los datos, estando representados por su propio submodelo. Adem??s se realizan modelos multinivel y multivariados, el t??rmino multivariado hace referencia a la variable dependiente, en este caso concreto, se trabaja con tres variables dependientes (rendimiento en Comprensi??n Lectora, Reglas Ling????sticas y Literatura y Matem??ticas). Los valores de las variables de respuesta se estiman mediante los procedimientos de M??xima Verosimilitud Marginal de la Teor??a de Respuesta mediante el programa BIMAIN. Existen diferencias de rendimiento acad??mico en funci??n del nivel socioecon??mico de las familias y este depende de la comunidad aut??noma a la que pertenece. Existen diferencias significativas entre sexos, aunque estas diferencias no es constante para todas las escuelas. Se afirma que las escuelas con mayores rendimientos acad??micos en las tres materias son centros en los que los alumnos perciben que se hace un uso intensivo del libro de texto, en los que hay un control muy frecuente de los aprendizajes en todas las materias, y en los que la evaluaci??n descansa poco o nada en la propia autoevaluaci??n de los alumnos y en los que no se hace uso indebido de los recursos audiovisuales.

Mudança de regime markoviano : uma aplicação a séries econômicas brasileiras

Os modelos não lineares de séries de tempo são aqui utilizados para verificar diferentes problemas de natureza macroeconômica nas variáveis brasileiras. Em relação ao comércio exterior, é estimado um mecanismo de correção de erros para a demanda de importações e os regimes caracterizados pelo modelo coincidem com os movimentos históricos. Para ajustes estruturais nas contas externas são utilizados dados anuais que caracterizam três regimes, identificados como períodos em que a economia brasileira estava sob um regime de fechamento, abertura moderada ou de abertura consistente. Já no caso da análise conjuntural, feita a partir de dados trimestrais, os períodos foram caracterizados como sendo de queda e de crescimento das importações. A metodologia de mudança de regime markoviano também é utilizada para verificar o ciclo dos negócios na produção industrial de seis estados brasileiros. Neste caso, são estimados modelos univariados e multivariados, formulados a partir de um vetor autoregressivo com mudança de regime. As estimativas mostram que existe uma diferença de comportamento na taxa de crescimento e de queda na produção entre os estados do Sul comparativamente aos três maiores do Sudeste. Vale ressaltar que este resultado significa que existe uma duração dos ciclos que também difere entre estas duas regiões Por fim, a metodologia de mudança de regime é utilizada em um modelo de fator dinâmico com o intuito de construir um indicador coincidente para a produção industrial no Rio Grande do Sul. O índice estimado assemelha-se ao calculado pela Federação das Indústrias do Estado do Rio Grande do Sul a partir de uma média ponderada de cinco variáveis pesquisadas pela instituição. Os resultados mostram que existe uma assimetria no ciclo dos negócios na indústria de transformação do estado, com uma duração maior para períodos de queda da atividade no setor.