Comparativo do poder preditivo de modelos var em mercados desenvolvidos e emergentes : gestão do risco e clusters de volatilidade

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão de Políticas Públicas, Programa de Pós-Graduação em Ciências Contábeis, 2018.Definir métodos confiáveis de predição de oscilações dos retornos dos ativos se apresenta como um desafio, ainda mais quando se trata de predição de eventos extremos. Estudou-se 5 métodos de cálculo do Value-at-risk (VaR) e comparou-os de modo a definir a acurácia destes frente a volatilidade de algumas das principais bolsas de valores no mundo. Os métodos foram o Monte Carlo Simulation with Jump Diffusion (MCS-JD), o Valued Weighted Moving Average (VWHS), o Extreme Value Theory with Generalized Pareto distribution (EVT-GPD), o Extreme Value Theory Integrated Generalized autoregressive conditional heteroscedasticity (EVT-IGARCH) e o Liquid-VaR.(L-VaR). Os modelos foram escolhidos por já haverem sido testados em circunstâncias diferentes por outros estudos e apresentado bons resultados preditivos. Os modelos ainda necessitam ser testados entre si, utilizando-se dos mesmos parâmetros e possibilitando a comparação entre eles. A amostra inclui países desenvolvidos – Alemanha, Canadá, Estados Unidos, Inglaterra – e emergentes – Brasil, China e Índia –, e analisou-se o desempenho dos modelos para prever oscilações dos retornos, assim como oscilações extremas dos retornos, representado pelos clusters de volatilidades. Os resultados foram avaliados conforme um backtesting baseado nos índices de violações, na volatilidade e na análise dos gráficos. Os resultados apontaram a dominância dos modelos MCS-JD para previsões de retornos em momentos de baixa volatilidade, enquanto o VWHS foi unânime na aderência às volatilidades da amostra, em todos os mercados apontados. Outros modelos também foram aprovados nos backtestings propostos, confirmando sua confiabilidade preditiva.Define reliable prediction methods of the assets returns is presented as a challenge, more so when it focus on the prediction of extreme events. This study used five different methods of Value at risk (VaR) and made a comparison between them to evaluate their accuracy based on the volatility of the stock exchange chambers of some of the most important countries in the world. The methods were Monte Carlo Simulation with Jump Diffusion (MCS-JD), Valued Weighted Moving Average (VWHS), Extreme Value Theory with Generalized Pareto distribution (EVT-GPD), Extreme Value Theory Integrated Generalized autoregressive conditional heteroscedasticity (EVT-IGARCH) and Liquid-VaR.(L-VaR). The methods selected showed good prediction power on other researches, which motivated their choice. These methods needed to be tested on similar conditions, using the same parameters and allowing comparison. The sample included developed countries – Germany, Canada, United States and England – and emerging countries – Brazil, China and India –, and the research analyzed the performance of the models in predicting changes in the returns, and also extreme events, represented by the volatility clusters. The results were evaluated through a backtesting based on a violation ratio, on volatility and in graphic analysis. The results pointed to the dominance of the MCS-JD for predictions in moments with low volatility, while the VWHS model was unanimous in following the volatility changes in the sample, in all countries. Other models were also approved by the backtestings proposed, which confirms their prediction reliability