Comparando métodos de estimação de risco de um portfólio via Expected Shortfall e Value at Risk

A mensuração do risco de um investimento é uma das mais importantes etapas para a tomada de decisão de um investidor. Em virtude disto, este trabalho comparou três métodos de estimação (tradicional, através da analise univariada dos retornos do portfólio; cópulas estáticas e cópulas dinâmicas) de duas medidas de risco: Value at Risk (VaR) e Expected Shortfall (ES). Tais medidas foram estimadas para o portfólio composto pelos índices BOVESPA e S&P500 no período de janeiro de 1998 a maio de 2012. Para as modelagens univariadas, incluindo as marginais das cópulas, foram comparados os modelos GARCH e EGARCH. Para cada modelo univariado, utilizamos as cópulas Normal, t-Student, Gumbel rotacionada e Joe-Clayton simetrizada, com isso totalizando 36 modelos comparados. Nas comparações do VaR e ES foram utilizados, respectivamente, o teste de Chritoffersen e o teste de Mcneil e Frey. Os principais resultados encontrados foram a superioridade de modelos que supõem erros com distribuição t-Student, assim como a identificação de mudança no comportamento dos parâmetros dinâmicos nos períodos de crise.Measuring the risk of an investment is one of the most important steps in an investor's decision-making. With this in light, this study compared three estimation methods (traditional; by univariate analysis of portfolio returns; dynamic copulas and static copulas), of two risk measurements: Value at Risk (VaR) and Expected Shortfall (ES). Such estimated measures are performed for a portfolio composed by the BOVESPA and S&P500 indexes, ranging from January 1998 to May 2012. For univariate modelling (including copulas marginals), the GARCH and EGARCH models were compared,. Regarding copulas, we use Normal, t-Student, rotated Gumbel and symmetric Joe-Clayton, leading to a total of 36 models being compared. For the comparison of VaR and ES were used, respectively, the Christoffersen test, and the Mcneil and Frey test. The main results found were the superiority of models assuming the t-Student distributed errors, as well as the identification of a change in the behaviour of dynamic parameters in periods of crisis