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

Abstract

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.