Previsão de risco no mercado de créditos de carbono

Detalhes bibliográficos
Autor(a) principal: Bonazza, Gabrielle Lippert
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/255947
Resumo: Sistemas de comércio de créditos de carbono têm sido implementados no mundo todo como forma de endereçar a crise climática. Nesse contexto, o entendimento sobre os riscos envolvidos nesses mercados é determinante para uma gestão e regulamentação mais adequadas, o que contribui para a sua manutenção e a efetiva redução das emissões de carbono. Dessa forma, tomando os dados dos retornos de créditos de carbono do Sistema Europeu de Comércio de Emissões (EU-ETS), esse estudo computou as previsões do Valor em Risco (VaR) e da Perda Esperada (ES), considerando diferentes distribuições de probabilidade para o termo aleatório do modelo ARMA-GARCH. Foram empregadas oito distribuições diferentes e considerados dois níveis de significância, 1% e 5%, para gerar previsões de ambas medidas um passo à frente com janela de estimação rolante de 250 e 1000 observações. As previsões foram avaliadas através da Perda Realizada. Os resultados sugerem que as distribuições t de Student e Generalizada do Erro são as mais indicadas para previsão de risco desse mercado, enquanto que as distribuições Normal e Empírica obtiveram desempenho ruim. Esses resultados contribuem para o manejo de risco de carbono nas empresas, promovendo tomadas de decisão mais acuradas diante do cenário de mudanças ambientais.
id UFRGS-2_6a9134b83eb20cdc088fb7144d7cd20e
oai_identifier_str oai:www.lume.ufrgs.br:10183/255947
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Bonazza, Gabrielle LippertMüller, Fernanda Maria2023-03-18T03:31:56Z2022http://hdl.handle.net/10183/255947001160363Sistemas de comércio de créditos de carbono têm sido implementados no mundo todo como forma de endereçar a crise climática. Nesse contexto, o entendimento sobre os riscos envolvidos nesses mercados é determinante para uma gestão e regulamentação mais adequadas, o que contribui para a sua manutenção e a efetiva redução das emissões de carbono. Dessa forma, tomando os dados dos retornos de créditos de carbono do Sistema Europeu de Comércio de Emissões (EU-ETS), esse estudo computou as previsões do Valor em Risco (VaR) e da Perda Esperada (ES), considerando diferentes distribuições de probabilidade para o termo aleatório do modelo ARMA-GARCH. Foram empregadas oito distribuições diferentes e considerados dois níveis de significância, 1% e 5%, para gerar previsões de ambas medidas um passo à frente com janela de estimação rolante de 250 e 1000 observações. As previsões foram avaliadas através da Perda Realizada. Os resultados sugerem que as distribuições t de Student e Generalizada do Erro são as mais indicadas para previsão de risco desse mercado, enquanto que as distribuições Normal e Empírica obtiveram desempenho ruim. Esses resultados contribuem para o manejo de risco de carbono nas empresas, promovendo tomadas de decisão mais acuradas diante do cenário de mudanças ambientais.Carbon credit trading systems have been implemented around the world as a way to address the climate crisis. In this context, understanding the risks involved in these markets is crucial for more accurate management and regulation, contributing to their maintenance and the effective reduction of carbon emissions. In this way, taking the data of the carbon credits returns from the European Union Emissions Trading System (EU-ETS), this study computed the predictions of Value-at-Risk (VaR) and Expected Shortfall (ES), considering different probability distributions for the random term of the ARMA-GARCH model. Eight different distributions were used and two levels of significance, 1% and 5%, were considered to generate one-step-ahead predictions of both measures with a rolling estimation window of 250 and 1000 observations. Forecasts were evaluated using Loss. The results suggest that the Student's t and Generalized Error distributions are the most suitable for predicting risk in this market, while the Normal and Empirical distributions performed poorly. These results contribute to the management of carbon risk in companies, promoting more accurate decision-making in the face of the scenario of environmental changes.application/pdfporCréditos de carbonoMercado financeiroRisco financeiroAdministração financeiraCarbon creditsRisk forecastDistributionsPrevisão de risco no mercado de créditos de carbonoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de AdministraçãoPorto Alegre, BR-RS2021/2Administraçãograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001160363.pdf.txt001160363.pdf.txtExtracted Texttext/plain64753http://www.lume.ufrgs.br/bitstream/10183/255947/2/001160363.pdf.txtf3380829070a7204c711af1c95499de4MD52ORIGINAL001160363.pdfTexto completoapplication/pdf359649http://www.lume.ufrgs.br/bitstream/10183/255947/1/001160363.pdfa03ccdc1c4e8a0b37006eab6f10e9560MD5110183/2559472023-03-19 03:34:45.232341oai:www.lume.ufrgs.br:10183/255947Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2023-03-19T06:34:45Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Previsão de risco no mercado de créditos de carbono
title Previsão de risco no mercado de créditos de carbono
spellingShingle Previsão de risco no mercado de créditos de carbono
Bonazza, Gabrielle Lippert
Créditos de carbono
Mercado financeiro
Risco financeiro
Administração financeira
Carbon credits
Risk forecast
Distributions
title_short Previsão de risco no mercado de créditos de carbono
title_full Previsão de risco no mercado de créditos de carbono
title_fullStr Previsão de risco no mercado de créditos de carbono
title_full_unstemmed Previsão de risco no mercado de créditos de carbono
title_sort Previsão de risco no mercado de créditos de carbono
author Bonazza, Gabrielle Lippert
author_facet Bonazza, Gabrielle Lippert
author_role author
dc.contributor.author.fl_str_mv Bonazza, Gabrielle Lippert
dc.contributor.advisor1.fl_str_mv Müller, Fernanda Maria
contributor_str_mv Müller, Fernanda Maria
dc.subject.por.fl_str_mv Créditos de carbono
Mercado financeiro
Risco financeiro
Administração financeira
topic Créditos de carbono
Mercado financeiro
Risco financeiro
Administração financeira
Carbon credits
Risk forecast
Distributions
dc.subject.eng.fl_str_mv Carbon credits
Risk forecast
Distributions
description Sistemas de comércio de créditos de carbono têm sido implementados no mundo todo como forma de endereçar a crise climática. Nesse contexto, o entendimento sobre os riscos envolvidos nesses mercados é determinante para uma gestão e regulamentação mais adequadas, o que contribui para a sua manutenção e a efetiva redução das emissões de carbono. Dessa forma, tomando os dados dos retornos de créditos de carbono do Sistema Europeu de Comércio de Emissões (EU-ETS), esse estudo computou as previsões do Valor em Risco (VaR) e da Perda Esperada (ES), considerando diferentes distribuições de probabilidade para o termo aleatório do modelo ARMA-GARCH. Foram empregadas oito distribuições diferentes e considerados dois níveis de significância, 1% e 5%, para gerar previsões de ambas medidas um passo à frente com janela de estimação rolante de 250 e 1000 observações. As previsões foram avaliadas através da Perda Realizada. Os resultados sugerem que as distribuições t de Student e Generalizada do Erro são as mais indicadas para previsão de risco desse mercado, enquanto que as distribuições Normal e Empírica obtiveram desempenho ruim. Esses resultados contribuem para o manejo de risco de carbono nas empresas, promovendo tomadas de decisão mais acuradas diante do cenário de mudanças ambientais.
publishDate 2022
dc.date.issued.fl_str_mv 2022
dc.date.accessioned.fl_str_mv 2023-03-18T03:31:56Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/255947
dc.identifier.nrb.pt_BR.fl_str_mv 001160363
url http://hdl.handle.net/10183/255947
identifier_str_mv 001160363
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/255947/2/001160363.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/255947/1/001160363.pdf
bitstream.checksum.fl_str_mv f3380829070a7204c711af1c95499de4
a03ccdc1c4e8a0b37006eab6f10e9560
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224655225225216