Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/335377
Type: Artigo
Title: Modelagem e previsão do valor em risco com modelos de volatilidade baseada em variação: evidências empíricas
Title Alternative: Value-at-risk modeling and forecasting with range-based volatility models: empirical evidence
Author: Maciel, Leandro dos Santos
Ballini, Rosangela
Abstract: Este artigo considera a modelagem da volatilidade baseada em variação para a identificação e previsão de modelos de volatilidade condicional baseados em retornos. Sugere-se a inclusão da medida de variação, definida como a diferença entre o preço máximo e mínimo de um ativo em um intervalo de tempo, como uma variável exógena em modelos generalizados de heterocedasticidade condicional autorregressiva (GARCH). A motivação é avaliar se a variação proporciona informações adicionais ao processo de volatilidade (variabilidade intradiária) e aprimora a previsão, quando comparada a abordagens do tipo GARCH e ao modelo de variação autorregressiva condicional (CARR). A análise empírica emprega dados dos principais índices das bolsas de valores das economias norte-americana e brasileira, ou seja, S&P 500 e Ibovespa, respectivamente, no período de janeiro de 2004 a dezembro de 2014. O desempenho é comparado em termos de precisão, modelagem e previsão do valor em risco (VaR). Os resultados fora da amostra indicam que os modelos de volatilidade baseados em variação proporcionam previsões do VaR mais precisas do que os modelos GARCH
metadata.dc.description.abstractalternative: This article considers range-based volatility modeling for identifying and forecasting conditional volatility models based on returns. It suggests the inclusion of range measuring, defined as the difference between the maximum and minimum price of an asset within a time interval, as an exogenous variable in generalized autoregressive conditional heteroscedasticity (GARCH) models. The motivation is evaluating whether range provides additional information to the volatility process (intraday variability) and improves forecasting, when compared to GARCH-type approaches and the conditional autoregressive range (CARR) model. The empirical analysis uses data from the main stock market indexes for the U.S. and Brazilian economies, i.e. S&P 500 and IBOVESPA, respectively, within the period from January 2004 to December 2014. Performance is compared in terms of accuracy, by means of value-at-risk (VaR) modeling and forecasting. The out-of-sample results indicate that range-based volatility models provide more accurate VaR forecasts than GARCH models.
Subject: Volatilidade (Finanças)
Mercados financeiros futuros
Valor em Risco (VaR)
Country: Brasil
Editor: USP/Faculdade de Economia, Administração e Contabilidade/Departamento de Contabilidade e Atuária
Rights: aberto
Identifier DOI: 10.1590/1808-057x201704140
Address: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1519-70772017000300361
Date Issue: 2017
Appears in Collections:IE - Artigos e Outros Documentos

Files in This Item:
File SizeFormat 
S1519-70772017000300361.pdf2.33 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.