Tail risk forecasting with gas models

• Ano de defesa: 2018
• Autor(a) principal: Neto Lima, Luiz Bezerra de Oliveira
• Orientador(a): Torrent, Hudson da Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Volatilidade; Econometria
• Palavras-chave em Inglês: Generalized autoregressive score (GAS); Expected shortfall (ES); Value at risk (VaR); Volatility forecasting; Kernel density; Semiparametric GAS
• Link de acesso: http://hdl.handle.net/10183/187601

Este artigo compara previsões de Value-at-Risk (VaR) e Expected Shortfall (ES) obtidas atrav es do modelo GAS proposto por Creal et al. (2013) com modelos alternativos. Primeiramente e feita uma investigação dentro-da-amostra do GAS semiparametrico de Blasques et al. (2014) e e proposta uma metodologia para a escolha da bandwidth. A parte empirica e realizada atraves de dois estudos distintos. O primeiro tem como foco explorar a capacidade preditiva da especificação semiparametrica contra modelos parametricos. A segunda compara os diversos modelos param etricos para avaliar se o aumento da complexidade do modelo tem impacto direto na qualidade da previsão de medidas de risco. O estudo empírico e conduzido com oito indices, quatro taxas de câmbio de moedas internacionais e duas taxas de câmbio de cripto-moedas. Os modelos são comparados em termos de Quantile Loss de Gonzales-Rivera (2014) e através do procedimento MCS de Hansen et al. (2011). Os resultados indicam que os modelos semiparam etricos melhoram a qualidade de previs~ao dos modelos GAS(n) para o VaR e a ES. Modelos mais complexos como Beta-Skew-t-EGARCH de Surracat e Harvey (2013) produzem melhores resultados que os modelos mais basicos. Contudo, utilizando o procedimento MCS encontramos que na maioria dos casos os modelos são estatisticamente equivalentes em termos da sua habilidade em prever o VaR.