Distribuição alfa estável aplicada a risco de mercado
Hernandez, Rafael Gonini
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
O trabalho aqui apresentado busca analisar o uso da distribuição alfa estável para modelagem de retornos de séries de ativos aplicadas ao cálculo do Value at Risk para gestão de risco de mercado. Apesar de ser comumente utilizada, a distribuição normal pode não ser a mais adequada para a representação dos retornos das séries históricas, já que estas podem apresentar comportamento leptocúrtico, de maneira que a sua aplicação pode subdimensionar o risco. Como alternativa, foi analisada a aplicação da distribuição alfa estável, sendo seu desempenho avaliado comparativamente com as distribuições normal e t-student através dos backtests de Kupiec, Christoffersen e Berkowitz. Foram selecionados diferentes tipos de ativos para a realização da análise, como os índices PTAX e BOVESPA, diferentes vértices da PREBRL e ações negociadas na BM&FBovespa e calculados intervalos de confiança de 95% e 99% para o VaR. Concluiu-se que para os ativos analisados, quanto maior o intervalo de confiança, maior será a adequação de distribuições com caudas pesadas como a alfa estável para a modelagem do Value at Risk paramétrico.
Ficha do documento
- Tipo
- Dissertação
- Ano
- 2016
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Não informado
- Identificador
- oai:repositorio.fgv.br:10438/17015
Conteúdos relacionados
- DissertaçãoEstudo empírico para cálculo do value at risk e expected shortfall aplicado ao mercado brasileiroFundação Getulio Vargas · 2019
- DissertaçãoModelagem da volatilidade em regimes para o preço spot de energia elétrica no BrasilFundação Getulio Vargas · 2026
- DissertaçãoAplicação da teoria de cópulas para o cálculo do value at riskFundação Getulio Vargas · 2009
- DissertaçãoAnálise de risco de cauda em carteiras de ativos nacionais usando a teoria do valor extremoFundação Getulio Vargas · 2019
