Publicação
Modeling volatility: an assessment of the value at risk approach
| Resumo: | Value at Risk (VaR) tornou-se uma das mais populares técnicas de medição e controlo de risco, nomeadamente risco de mercado. Esta medida diz-nos qual a perda máxima esperada de um activo ou portfólio para um determinado período de tempo dado um certo intervalo de confiança. Nesta tese, pretende-se verificar a adequação de alguns modelos de heteroscedasticidade condicional para estimar e modelizar a volatilidade dos retornos. Para isso, consideraram-se os seguintes modelos: EWMA, GARCH, A-PARCH, E-GARCH e GJR-GARCH e diferentes índices e taxas de câmbio representativos de áreas geográficas distintas, também como dois activos com características particulares: o ouro e o petróleo. A performance dos modelos na estimação do VaR foi analisada com recurso às técnicas de backtesting nomeadamente ao teste de Kupiec (1995) e Christoffersen (1998). Com este estudo é revelado que o método GARCH e GJR-GARCH conseguem prever o VaR de uma forma mais precisa do que os restantes modelos considerados para os dois níveis de confiança analisados (95% e 99%). |
|---|---|
| Autores principais: | Vieira, Joana Bruno |
| Assunto: | Value at risk Volatility GARCH Backtesting |
| Ano: | 2012 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | ISCTE |
| Idioma: | inglês |
| Origem: | Repositório ISCTE |
| Resumo: | Value at Risk (VaR) tornou-se uma das mais populares técnicas de medição e controlo de risco, nomeadamente risco de mercado. Esta medida diz-nos qual a perda máxima esperada de um activo ou portfólio para um determinado período de tempo dado um certo intervalo de confiança. Nesta tese, pretende-se verificar a adequação de alguns modelos de heteroscedasticidade condicional para estimar e modelizar a volatilidade dos retornos. Para isso, consideraram-se os seguintes modelos: EWMA, GARCH, A-PARCH, E-GARCH e GJR-GARCH e diferentes índices e taxas de câmbio representativos de áreas geográficas distintas, também como dois activos com características particulares: o ouro e o petróleo. A performance dos modelos na estimação do VaR foi analisada com recurso às técnicas de backtesting nomeadamente ao teste de Kupiec (1995) e Christoffersen (1998). Com este estudo é revelado que o método GARCH e GJR-GARCH conseguem prever o VaR de uma forma mais precisa do que os restantes modelos considerados para os dois níveis de confiança analisados (95% e 99%). |
|---|