Estudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiro

Detalhes bibliográficos
Autor(a) principal: Perroud, Paula Fukunaga
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
Texto Completo: https://hdl.handle.net/10438/28031
Resumo: O objetivo desse trabalho foi analisar e comparar a aplicação de cinco modelos para cálculo do Value at Risk e Expected Shortfall sobre ativos brasileiros, e a partir de um backtesting definir aquele com melhor capacidade de previsão das métricas analisadas. Os modelos estudados foram Histórico, Gaussiano, Gram-Charlier, Cornish-Fisher e Johnson. Para realizar esse estudo foram utilizados ativos financeiros que representassem o mercado brasileiro: para representar o mercado de ações utilizou-se o Ibovespa, para representar o mercado de câmbio utilizou-se a cotação do Dólar e para representar o mercado de juros utilizou-se o índice IRF-M da ANBIMA. Além disso, para complementar a análise, foram incluídas no estudo nove ações negociadas na Bolsa de Valores de São Paulo que representassem diferentes níveis de liquidez (alta, média e baixa) a fim de verificar se a performance dos modelos estudados é impactada pela liquidez. Foram analisados os resultados dos modelos em diferentes janelas históricas (126, 252 e 504 dias) e níveis de confiança (97,5% e 99,9%). O que foi possível obter desse estudo é que para o cálculo do VaR a um nível de 97,5%, a medida que se aumenta a janela histórica de dados, os modelos Gaussiano e Histórico ganham destaque, já para um nível de confiança de 99,9%, os modelos que melhor se aplicam são Cornish-Fisher e Johnson devido à sua capacidade de capturar os efeitos das caudas pesadas e assimetrias das distribuições de retornos. Para o cálculo do ES de forma geral os modelos de Cornish-Fisher e Johnson apresentaram melhores resultados em relação aos demais modelos para as três janelas históricas e ambos níveis de confiança. Também foi analisada a capacidade dos modelos de prever a distribuição inteira, e não apenas as caudas (foco das métricas de riscos analisadas). Foi concluído que o modelo Histórico possui boa capacidade de prever todos os quantis da distribuição de retornos dos ativos analisados, contanto que se utilize uma janela histórica grande o suficiente para capturar os diversos retornos observados nos diferentes ciclos econômicos.
id FGV_3a6c02e3848b03e772b630ae6416eff5
oai_identifier_str oai:repositorio.fgv.br:10438/28031
network_acronym_str FGV
network_name_str Repositório Institucional do FGV (FGV Repositório Digital)
repository_id_str 3974
spelling Perroud, Paula FukunagaEscolas::EESPRochman, Ricardo RatnerCipparrone, Flavio Almeida de MagalhãesMaiali, André Cury2019-09-13T14:10:18Z2019-09-13T14:10:18Z2019-08-22https://hdl.handle.net/10438/28031O objetivo desse trabalho foi analisar e comparar a aplicação de cinco modelos para cálculo do Value at Risk e Expected Shortfall sobre ativos brasileiros, e a partir de um backtesting definir aquele com melhor capacidade de previsão das métricas analisadas. Os modelos estudados foram Histórico, Gaussiano, Gram-Charlier, Cornish-Fisher e Johnson. Para realizar esse estudo foram utilizados ativos financeiros que representassem o mercado brasileiro: para representar o mercado de ações utilizou-se o Ibovespa, para representar o mercado de câmbio utilizou-se a cotação do Dólar e para representar o mercado de juros utilizou-se o índice IRF-M da ANBIMA. Além disso, para complementar a análise, foram incluídas no estudo nove ações negociadas na Bolsa de Valores de São Paulo que representassem diferentes níveis de liquidez (alta, média e baixa) a fim de verificar se a performance dos modelos estudados é impactada pela liquidez. Foram analisados os resultados dos modelos em diferentes janelas históricas (126, 252 e 504 dias) e níveis de confiança (97,5% e 99,9%). O que foi possível obter desse estudo é que para o cálculo do VaR a um nível de 97,5%, a medida que se aumenta a janela histórica de dados, os modelos Gaussiano e Histórico ganham destaque, já para um nível de confiança de 99,9%, os modelos que melhor se aplicam são Cornish-Fisher e Johnson devido à sua capacidade de capturar os efeitos das caudas pesadas e assimetrias das distribuições de retornos. Para o cálculo do ES de forma geral os modelos de Cornish-Fisher e Johnson apresentaram melhores resultados em relação aos demais modelos para as três janelas históricas e ambos níveis de confiança. Também foi analisada a capacidade dos modelos de prever a distribuição inteira, e não apenas as caudas (foco das métricas de riscos analisadas). Foi concluído que o modelo Histórico possui boa capacidade de prever todos os quantis da distribuição de retornos dos ativos analisados, contanto que se utilize uma janela histórica grande o suficiente para capturar os diversos retornos observados nos diferentes ciclos econômicos.The objective of this paper was to evaluate and compare the application of five models to calculate the Value-at-Risk and Expected Shortfall of brazilian assets and, with a backtesting, define the model with the best performance in order to predict the analized metrics. The models studied were Historic, Gaussian, Gram-Charlier, Cornish-Fisher and Johnson. The study was performed based on three types of risk factors: Ibovespa, representing brazilian aggregated stock market; the spot Dollar-Real exchange rate representing the FX market ; the IRF-M index from ANBIMA representing the interest rate market. In addition, to complement the analysis, nine stocks traded on the São Paulo Stock Exchange were included in the study to represent different levels of liquidity (high, medium and low) in order to verify if the models studied have its performance impacted by liquidity issues. In addition, the outputs produced by were analyzed using different historical time periods (126, 252 and 504 days) and confidence levels (97.5% and 99.9%). The study allows us to conclude that for the calculation of VaR for a 97.5% level of confidence, as the historical data window increases, the Gaussian and Historical models are superior; for a 99.9% confidence level, the models that have best performance are Cornish-Fisher and Johnson due to their ability to capture the effects of heavy tails and asymmetries of returns distributions. Regarding the Expected Shortfall metric, the Cornish-Fisher and Johnson models presented in general better results than the other models for the three historical windows and both confidence levels. The models’ ability to predict the entire distribution, and not only the tails (focus of the selected risk metrics) was analyzed. It was concluded that the Historical model has a good performance in predicting all the quantiles of the distribution of analyzed returns, as long as the historical window used is large enough to capture the different returns observed in the different economic cycles.porValue at riskExpected ShortfallMarket riskBacktestingRisco de mercadoEconomiaAdministração de riscoRisco (Economia)Mercado financeiro - BrasilInvestimentos - AnáliseModelos matemáticosEstudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiroinfo: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:FGVORIGINALDissertacao_Paula_Perroud.pdfDissertacao_Paula_Perroud.pdfPDFapplication/pdf11351341https://repositorio.fgv.br/bitstreams/c8c6c776-1733-46a6-b1b7-730c27274ca2/download1f9a166c8277b757d0178233a9c9638fMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/f149e303-b87b-402b-9671-36c2c460d3f0/downloaddfb340242cced38a6cca06c627998fa1MD54TEXTDissertacao_Paula_Perroud.pdf.txtDissertacao_Paula_Perroud.pdf.txtExtracted texttext/plain103812https://repositorio.fgv.br/bitstreams/71170c36-3e54-4713-b623-0f2cb202d2df/downloadc9d817b5f1099a798a3e5b792e471596MD57THUMBNAILDissertacao_Paula_Perroud.pdf.jpgDissertacao_Paula_Perroud.pdf.jpgGenerated Thumbnailimage/jpeg3093https://repositorio.fgv.br/bitstreams/34490d8a-c4a5-499b-bcf6-5999fb0e9e20/download5c1d50da37feff805d59773ccd51a9f8MD5810438/280312023-11-25 04:09:43.217open.accessoai:repositorio.fgv.br:10438/28031https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-25T04:09:43Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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
dc.title.por.fl_str_mv Estudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiro
title Estudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiro
spellingShingle Estudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiro
Perroud, Paula Fukunaga
Value at risk
Expected Shortfall
Market risk
Backtesting
Risco de mercado
Economia
Administração de risco
Risco (Economia)
Mercado financeiro - Brasil
Investimentos - Análise
Modelos matemáticos
title_short Estudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiro
title_full Estudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiro
title_fullStr Estudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiro
title_full_unstemmed Estudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiro
title_sort Estudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiro
author Perroud, Paula Fukunaga
author_facet Perroud, Paula Fukunaga
author_role author
dc.contributor.unidadefgv.por.fl_str_mv Escolas::EESP
dc.contributor.member.none.fl_str_mv Rochman, Ricardo Ratner
Cipparrone, Flavio Almeida de Magalhães
dc.contributor.author.fl_str_mv Perroud, Paula Fukunaga
dc.contributor.advisor1.fl_str_mv Maiali, André Cury
contributor_str_mv Maiali, André Cury
dc.subject.eng.fl_str_mv Value at risk
Expected Shortfall
Market risk
Backtesting
topic Value at risk
Expected Shortfall
Market risk
Backtesting
Risco de mercado
Economia
Administração de risco
Risco (Economia)
Mercado financeiro - Brasil
Investimentos - Análise
Modelos matemáticos
dc.subject.por.fl_str_mv Risco de mercado
dc.subject.area.por.fl_str_mv Economia
dc.subject.bibliodata.por.fl_str_mv Administração de risco
Risco (Economia)
Mercado financeiro - Brasil
Investimentos - Análise
Modelos matemáticos
description O objetivo desse trabalho foi analisar e comparar a aplicação de cinco modelos para cálculo do Value at Risk e Expected Shortfall sobre ativos brasileiros, e a partir de um backtesting definir aquele com melhor capacidade de previsão das métricas analisadas. Os modelos estudados foram Histórico, Gaussiano, Gram-Charlier, Cornish-Fisher e Johnson. Para realizar esse estudo foram utilizados ativos financeiros que representassem o mercado brasileiro: para representar o mercado de ações utilizou-se o Ibovespa, para representar o mercado de câmbio utilizou-se a cotação do Dólar e para representar o mercado de juros utilizou-se o índice IRF-M da ANBIMA. Além disso, para complementar a análise, foram incluídas no estudo nove ações negociadas na Bolsa de Valores de São Paulo que representassem diferentes níveis de liquidez (alta, média e baixa) a fim de verificar se a performance dos modelos estudados é impactada pela liquidez. Foram analisados os resultados dos modelos em diferentes janelas históricas (126, 252 e 504 dias) e níveis de confiança (97,5% e 99,9%). O que foi possível obter desse estudo é que para o cálculo do VaR a um nível de 97,5%, a medida que se aumenta a janela histórica de dados, os modelos Gaussiano e Histórico ganham destaque, já para um nível de confiança de 99,9%, os modelos que melhor se aplicam são Cornish-Fisher e Johnson devido à sua capacidade de capturar os efeitos das caudas pesadas e assimetrias das distribuições de retornos. Para o cálculo do ES de forma geral os modelos de Cornish-Fisher e Johnson apresentaram melhores resultados em relação aos demais modelos para as três janelas históricas e ambos níveis de confiança. Também foi analisada a capacidade dos modelos de prever a distribuição inteira, e não apenas as caudas (foco das métricas de riscos analisadas). Foi concluído que o modelo Histórico possui boa capacidade de prever todos os quantis da distribuição de retornos dos ativos analisados, contanto que se utilize uma janela histórica grande o suficiente para capturar os diversos retornos observados nos diferentes ciclos econômicos.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-09-13T14:10:18Z
dc.date.available.fl_str_mv 2019-09-13T14:10:18Z
dc.date.issued.fl_str_mv 2019-08-22
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/10438/28031
url https://hdl.handle.net/10438/28031
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/c8c6c776-1733-46a6-b1b7-730c27274ca2/download
https://repositorio.fgv.br/bitstreams/f149e303-b87b-402b-9671-36c2c460d3f0/download
https://repositorio.fgv.br/bitstreams/71170c36-3e54-4713-b623-0f2cb202d2df/download
https://repositorio.fgv.br/bitstreams/34490d8a-c4a5-499b-bcf6-5999fb0e9e20/download
bitstream.checksum.fl_str_mv 1f9a166c8277b757d0178233a9c9638f
dfb340242cced38a6cca06c627998fa1
c9d817b5f1099a798a3e5b792e471596
5c1d50da37feff805d59773ccd51a9f8
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_ 1810023808727252992