Value at risk intradiário, modelos de volatilidade condicional e distribuições de probabilidade: evidências para o Ibovespa

• Autor(a) principal: Oliveira, Denise Correia de
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/jspui/handle/123456789/25939
• topic: CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO; Dados intradiários; Modelos de volatilidade; Value at risk

Esta pesquisa busca atualizar e ampliar a investigação encontrada em Lemgruber e Moreira (2004) e Cappa e Valls Pereira (2010) acerca do uso de dados de alta frequência na estimação das volatilidades diária e intradiária do IBOVESPA e sua subsequente aplicação à precificação do value at Risk (VaR). Os Modelos da família ARCH (memória curta e longa) foram estimados a partir de quatro distribuições (Normal, t-Student, tStudent assimétrica e GED) e utilizados em conjunto com métodos determinísticos de filtragem de sazonalidade intradiária e por dia da semana conforme o método proposto por Taylor e Xu (1997). A janela de dados compreende o período de janeiro de 2012 a setembro de 2015. Utilizou-se dos retornos diários bem como os retornos compostos continuamente de 5, 10 e 60 minutos para as séries intradiárias. Os resultados sugerem a presença de memória longa nos retornos intradiários de acordo com as estimativas dos modelos de volatilidade condicional com destaque para os modelos FIGARCH e FIAPARCH. No que diz respeito a filtragem da sazonalidade intradiária, verificou-se que houve desempenho superior na qualidade preditiva do VaR para alguns dos modelos estimados com filtro sazonal intradiário, entretanto, essas melhorias foram marginais. Em relação à frequência dos dados, os resultados indicam através do backtesting de Kupiec que o poder de previsibilidade para o VaR com séries diárias é mais estável e possui melhor qualidade do que com uso de dados de alta frequência.