Axiomatic systemic risk measures forecasting

Detalhes bibliográficos
Autor(a) principal: Mosmann, Gabriela
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/178875
Resumo: Neste trabalho, aprofundamos o estudo sobre risco sistêmico via funções de agregação. Consideramos três carteiras diferentes como proxy para um sistema econômico, estas carteiras são consistidas por duas funções de agregação, baseadas em todos as ações do E.U.A, e um índice de mercado. As medidas de risco aplicadas são Value at Risk (VaR), Expected Shortfall (ES) and Expectile Value at Risk (EVaR), elas são previstas através do modelo GARCH clássico unido com nove funções de distribuição de probabilidade diferentes e mais por um método não paramétrico. As previsões são avaliadas por funções de perda e backtests de violação. Os resultados indicam que nossa abordagem pode gerar uma função de agregação adequada para processar o risco de um sistema previamente selecionado.
id URGS_af3fadb316fa53709585d6b3185df03f
oai_identifier_str oai:www.lume.ufrgs.br:10183/178875
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Mosmann, GabrielaRighi, Marcelo Brutti2018-05-27T02:29:46Z2018http://hdl.handle.net/10183/178875001067709Neste trabalho, aprofundamos o estudo sobre risco sistêmico via funções de agregação. Consideramos três carteiras diferentes como proxy para um sistema econômico, estas carteiras são consistidas por duas funções de agregação, baseadas em todos as ações do E.U.A, e um índice de mercado. As medidas de risco aplicadas são Value at Risk (VaR), Expected Shortfall (ES) and Expectile Value at Risk (EVaR), elas são previstas através do modelo GARCH clássico unido com nove funções de distribuição de probabilidade diferentes e mais por um método não paramétrico. As previsões são avaliadas por funções de perda e backtests de violação. Os resultados indicam que nossa abordagem pode gerar uma função de agregação adequada para processar o risco de um sistema previamente selecionado.In this work, we deepen the study of systemic risk measurement via aggregation functions. We consider three different portfolios as a proxy for an economic system, these portfolios are consisted in two aggregation functions, based on all U.S. stocks and a market index. The risk measures applied are Value at Risk (VaR), Expected Shortfall (ES) and Expectile Value at Risk (EVaR), they are forecasted via the classical GARCH model along with nine distribution probability functions and also by a nonparametric approach. The forecasts are evaluated by loss functions and violation backtests. Results indicate that our approach can generate an adequate aggregation function to process the risk of a system previously selected.application/pdfengCarteiras de investimentoValue at Risk : VaRRisco financeiroRisk measuresSystemic riskAggregation functionAxiomatic measurementGARCHAxiomatic systemic risk measures forecastinginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de AdministraçãoPrograma de Pós-Graduação em AdministraçãoPorto Alegre, BR-RS2018mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001067709.pdf001067709.pdfTexto completo (inglês)application/pdf1246969http://www.lume.ufrgs.br/bitstream/10183/178875/1/001067709.pdf3c7ff31f8f0bc71a97d57ddfff8a33f3MD51TEXT001067709.pdf.txt001067709.pdf.txtExtracted Texttext/plain122382http://www.lume.ufrgs.br/bitstream/10183/178875/2/001067709.pdf.txt74b776ef90b29b9e732457b1f7d08c29MD5210183/1788752021-05-26 04:40:04.269307oai:www.lume.ufrgs.br:10183/178875Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-05-26T07:40:04Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Axiomatic systemic risk measures forecasting
title Axiomatic systemic risk measures forecasting
spellingShingle Axiomatic systemic risk measures forecasting
Mosmann, Gabriela
Carteiras de investimento
Value at Risk : VaR
Risco financeiro
Risk measures
Systemic risk
Aggregation function
Axiomatic measurement
GARCH
title_short Axiomatic systemic risk measures forecasting
title_full Axiomatic systemic risk measures forecasting
title_fullStr Axiomatic systemic risk measures forecasting
title_full_unstemmed Axiomatic systemic risk measures forecasting
title_sort Axiomatic systemic risk measures forecasting
author Mosmann, Gabriela
author_facet Mosmann, Gabriela
author_role author
dc.contributor.author.fl_str_mv Mosmann, Gabriela
dc.contributor.advisor1.fl_str_mv Righi, Marcelo Brutti
contributor_str_mv Righi, Marcelo Brutti
dc.subject.por.fl_str_mv Carteiras de investimento
Value at Risk : VaR
Risco financeiro
topic Carteiras de investimento
Value at Risk : VaR
Risco financeiro
Risk measures
Systemic risk
Aggregation function
Axiomatic measurement
GARCH
dc.subject.eng.fl_str_mv Risk measures
Systemic risk
Aggregation function
Axiomatic measurement
GARCH
description Neste trabalho, aprofundamos o estudo sobre risco sistêmico via funções de agregação. Consideramos três carteiras diferentes como proxy para um sistema econômico, estas carteiras são consistidas por duas funções de agregação, baseadas em todos as ações do E.U.A, e um índice de mercado. As medidas de risco aplicadas são Value at Risk (VaR), Expected Shortfall (ES) and Expectile Value at Risk (EVaR), elas são previstas através do modelo GARCH clássico unido com nove funções de distribuição de probabilidade diferentes e mais por um método não paramétrico. As previsões são avaliadas por funções de perda e backtests de violação. Os resultados indicam que nossa abordagem pode gerar uma função de agregação adequada para processar o risco de um sistema previamente selecionado.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-05-27T02:29:46Z
dc.date.issued.fl_str_mv 2018
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 http://hdl.handle.net/10183/178875
dc.identifier.nrb.pt_BR.fl_str_mv 001067709
url http://hdl.handle.net/10183/178875
identifier_str_mv 001067709
dc.language.iso.fl_str_mv eng
language eng
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:Biblioteca Digital de Teses e Dissertações 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 Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/178875/1/001067709.pdf
http://www.lume.ufrgs.br/bitstream/10183/178875/2/001067709.pdf.txt
bitstream.checksum.fl_str_mv 3c7ff31f8f0bc71a97d57ddfff8a33f3
74b776ef90b29b9e732457b1f7d08c29
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085441964081152

Registros relacionados