Mecanismos preditivos de risco no mercado financeiro e seu desempenho durante a Covid-19 e em outros eventos extremos

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Melo, José Mauro Urias de
Orientador(a): Tabak, Benjamin Miranda
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Medidas coerentes de risco
Delta-normal
Monte Carlo
Simulação histórica
Palavras-chave em Inglês:
Expected shortfall
Value-at-Risk
Coherent risk measures
EWMA
GARCH
Historical simulation
Link de acesso: https://hdl.handle.net/10438/33014
Resumo: Este trabalho analisou empiricamente o poder preditivo das medidas quantitativas de risco VaR e ES em momentos de duradoura volatilidade extrema, como a pandemia de Covid-19, e em quedas expressivas, mas que não se repercutem aos pregões subsequentes. O cálculo das volatilidades contemplou Desvio Padrão, EWMA e GARCH e as modelagens, delta-normal, Simulação Histórica e Simulação de Monte Carlo. O estudo calibrou e submeteu todas as métricas a um backtesting, composto pelos testes de Kupiec, razão de verossimilhança condicional, incondicional e conjunta, que verifica tanto a proporção de violações à medida de risco quanto se elas ocorrem de forma agrupada. Os resultados sugerem que as modelagens mais eficientes para momentos de crise são as que que oferecem uma resposta mais rápida a inovações na série de retornos. Dessa forma, os modelos com melhor desempenho durante a Covid-19 foram: delta-normal com volatilidade EWMA ou com GARCH e Simulação de Monte Carlo. A assertividade em momentos de picos de volatilidade apresentada pelos três modelos também foi satisfatória.
id FGV_3a0f4f046d07506de5b3534e3473e7b7
oai_identifier_str oai:repositorio.fgv.br:10438/33014
network_acronym_str FGV
network_name_str Repositório Institucional do FGV (FGV Repositório Digital)
repository_id_str
spelling Melo, José Mauro Urias deEscolas::EPPGNascimento, Paulo Augusto Meyer MattosSilva, Thiago ChristianoTabak, Benjamin Miranda2022-12-23T17:36:01Z2022-12-23T17:36:01Z2022-12-12https://hdl.handle.net/10438/33014Este trabalho analisou empiricamente o poder preditivo das medidas quantitativas de risco VaR e ES em momentos de duradoura volatilidade extrema, como a pandemia de Covid-19, e em quedas expressivas, mas que não se repercutem aos pregões subsequentes. O cálculo das volatilidades contemplou Desvio Padrão, EWMA e GARCH e as modelagens, delta-normal, Simulação Histórica e Simulação de Monte Carlo. O estudo calibrou e submeteu todas as métricas a um backtesting, composto pelos testes de Kupiec, razão de verossimilhança condicional, incondicional e conjunta, que verifica tanto a proporção de violações à medida de risco quanto se elas ocorrem de forma agrupada. Os resultados sugerem que as modelagens mais eficientes para momentos de crise são as que que oferecem uma resposta mais rápida a inovações na série de retornos. Dessa forma, os modelos com melhor desempenho durante a Covid-19 foram: delta-normal com volatilidade EWMA ou com GARCH e Simulação de Monte Carlo. A assertividade em momentos de picos de volatilidade apresentada pelos três modelos também foi satisfatória.This work empirically analyzed the predictive power of quantitative measures of VaR and ES risk in times of long-lasting extreme volatility, such as the Covid-19 pandemic, and in significant drops, but which do not affect subsequent trading sessions. The volatilities calculation included Standard Deviation, EWMA and GARCH and the models, delta-normal, Historical Simulation and Monte Carlo Simulation. The study calibrated and submitted all metrics to a backtesting, composed by the Kupiec tests, conditional, unconditional and joint likelihood ratio, which validates both the proportion of violations to the risk measure and whether they occur in a grouped way. The results suggest that the most efficient models for moments of crisis are those that offer a faster response to innovations in the series of returns. Thus, the models with the best performance during Covid-19 were: delta-normal with EWMA volatility or with GARCH and Monte Carlo Simulation. The assertiveness in moments of volatility peaks presented by the three models was also satisfactory.porExpected shortfallValue-at-RiskExpected shortfallCoherent risk measuresEWMAGARCHHistorical simulationMedidas coerentes de riscoDelta-normalMonte CarloSimulação históricaEconomiaAdministração de riscoMercado financeiroCOVID-19 Pandemia, 2020-Volatilidade (Finanças)Monte Carlo, Método deMecanismos preditivos de risco no mercado financeiro e seu desempenho durante a Covid-19 e em outros eventos extremosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVORIGINALJose Mauro Urias de Melo - Dissertacao FGV 2022.pdfJose Mauro Urias de Melo - Dissertacao FGV 2022.pdfPDFapplication/pdf2386988https://repositorio.fgv.br/bitstreams/408151d7-f1b4-4180-8ecf-794c3acb1811/download7c4d7279f10e2f3d4d7a65d819d5543bMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/2cc4c15c-94ea-4806-8169-933dbd935e3f/downloaddfb340242cced38a6cca06c627998fa1MD52TEXTJose Mauro Urias de Melo - Dissertacao FGV 2022.pdf.txtJose Mauro Urias de Melo - Dissertacao FGV 2022.pdf.txtExtracted texttext/plain103445https://repositorio.fgv.br/bitstreams/10433ff8-ffd0-45c9-baba-8fc77e337145/downloadcc0ac676c1d7bb2d59c01abc2e0ee72fMD55THUMBNAILJose Mauro Urias de Melo - Dissertacao FGV 2022.pdf.jpgJose Mauro Urias de Melo - Dissertacao FGV 2022.pdf.jpgGenerated Thumbnailimage/jpeg2686https://repositorio.fgv.br/bitstreams/56f82da4-224d-4288-ad92-8f98f74865d8/downloadce5e21e7de08ee7d589c80c7c15e78a8MD5610438/330142023-11-25 13:51:51.865open.accessoai:repositorio.fgv.br:10438/33014https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-25T13:51:51Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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
dc.title.por.fl_str_mv Mecanismos preditivos de risco no mercado financeiro e seu desempenho durante a Covid-19 e em outros eventos extremos
title Mecanismos preditivos de risco no mercado financeiro e seu desempenho durante a Covid-19 e em outros eventos extremos
spellingShingle Mecanismos preditivos de risco no mercado financeiro e seu desempenho durante a Covid-19 e em outros eventos extremos
Melo, José Mauro Urias de
Expected shortfall
Value-at-Risk
Expected shortfall
Coherent risk measures
EWMA
GARCH
Historical simulation
Medidas coerentes de risco
Delta-normal
Monte Carlo
Simulação histórica
Economia
Administração de risco
Mercado financeiro
COVID-19 Pandemia, 2020-
Volatilidade (Finanças)
Monte Carlo, Método de
title_short Mecanismos preditivos de risco no mercado financeiro e seu desempenho durante a Covid-19 e em outros eventos extremos
title_full Mecanismos preditivos de risco no mercado financeiro e seu desempenho durante a Covid-19 e em outros eventos extremos
title_fullStr Mecanismos preditivos de risco no mercado financeiro e seu desempenho durante a Covid-19 e em outros eventos extremos
title_full_unstemmed Mecanismos preditivos de risco no mercado financeiro e seu desempenho durante a Covid-19 e em outros eventos extremos
title_sort Mecanismos preditivos de risco no mercado financeiro e seu desempenho durante a Covid-19 e em outros eventos extremos
author Melo, José Mauro Urias de
author_facet Melo, José Mauro Urias de
author_role author
dc.contributor.unidadefgv.por.fl_str_mv Escolas::EPPG
dc.contributor.member.none.fl_str_mv Nascimento, Paulo Augusto Meyer Mattos
Silva, Thiago Christiano
dc.contributor.author.fl_str_mv Melo, José Mauro Urias de
dc.contributor.advisor1.fl_str_mv Tabak, Benjamin Miranda
contributor_str_mv Tabak, Benjamin Miranda
dc.subject.eng.fl_str_mv Expected shortfall
Value-at-Risk
Expected shortfall
Coherent risk measures
EWMA
GARCH
Historical simulation
topic Expected shortfall
Value-at-Risk
Expected shortfall
Coherent risk measures
EWMA
GARCH
Historical simulation
Medidas coerentes de risco
Delta-normal
Monte Carlo
Simulação histórica
Economia
Administração de risco
Mercado financeiro
COVID-19 Pandemia, 2020-
Volatilidade (Finanças)
Monte Carlo, Método de
dc.subject.por.fl_str_mv Medidas coerentes de risco
Delta-normal
Monte Carlo
Simulação histórica
dc.subject.area.por.fl_str_mv Economia
dc.subject.bibliodata.por.fl_str_mv Administração de risco
Mercado financeiro
COVID-19 Pandemia, 2020-
Volatilidade (Finanças)
Monte Carlo, Método de
description Este trabalho analisou empiricamente o poder preditivo das medidas quantitativas de risco VaR e ES em momentos de duradoura volatilidade extrema, como a pandemia de Covid-19, e em quedas expressivas, mas que não se repercutem aos pregões subsequentes. O cálculo das volatilidades contemplou Desvio Padrão, EWMA e GARCH e as modelagens, delta-normal, Simulação Histórica e Simulação de Monte Carlo. O estudo calibrou e submeteu todas as métricas a um backtesting, composto pelos testes de Kupiec, razão de verossimilhança condicional, incondicional e conjunta, que verifica tanto a proporção de violações à medida de risco quanto se elas ocorrem de forma agrupada. Os resultados sugerem que as modelagens mais eficientes para momentos de crise são as que que oferecem uma resposta mais rápida a inovações na série de retornos. Dessa forma, os modelos com melhor desempenho durante a Covid-19 foram: delta-normal com volatilidade EWMA ou com GARCH e Simulação de Monte Carlo. A assertividade em momentos de picos de volatilidade apresentada pelos três modelos também foi satisfatória.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-12-23T17:36:01Z
dc.date.available.fl_str_mv 2022-12-23T17:36:01Z
dc.date.issued.fl_str_mv 2022-12-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/10438/33014
url https://hdl.handle.net/10438/33014
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional do FGV (FGV Repositório Digital)
instname:Fundação Getulio Vargas (FGV)
instacron:FGV
instname_str Fundação Getulio Vargas (FGV)
instacron_str FGV
institution FGV
reponame_str Repositório Institucional do FGV (FGV Repositório Digital)
collection Repositório Institucional do FGV (FGV Repositório Digital)
bitstream.url.fl_str_mv https://repositorio.fgv.br/bitstreams/408151d7-f1b4-4180-8ecf-794c3acb1811/download
https://repositorio.fgv.br/bitstreams/2cc4c15c-94ea-4806-8169-933dbd935e3f/download
https://repositorio.fgv.br/bitstreams/10433ff8-ffd0-45c9-baba-8fc77e337145/download
https://repositorio.fgv.br/bitstreams/56f82da4-224d-4288-ad92-8f98f74865d8/download
bitstream.checksum.fl_str_mv 7c4d7279f10e2f3d4d7a65d819d5543b
dfb340242cced38a6cca06c627998fa1
cc0ac676c1d7bb2d59c01abc2e0ee72f
ce5e21e7de08ee7d589c80c7c15e78a8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)
repository.mail.fl_str_mv
_version_ 1827842424360140800

Registros relacionados