A modelagem do risco de mercado é de grande importância para as instituições financeiras e outras firmas que participam do mercado financeiro. Os modelos e técnicas empregados no Brasil nem sempre são os mais adequados às nossas condições específicas. Este trabalho estuda dez modelos de estimação de risco (volatilidade) usando dados de ações brasileiras, e faz uma aplicação em determinação de VaR.

Market risk modeling is very important to any company that participates of the financial market. Brazilian companies use models and techniques that not necessarily are the most suited for the features of the Brazilian markets. This paper compares ten risk (volatility) models, using Brazilian stock data, and uses them to determine VaR.

O artigo analisa seis séries de retornos, escolhidas entre as mais líquidas do mercado e de setores diferentes da economia. São estudadas a estacionariedade, a distribuição incondicional e a independência; de maneira geral as séries podem ser consideradas estacionárias, com distribuição não normal (leptocúrtica) e dependentes no tempo. A estacionariedade é analisada através do teste ADF, através dos coeficientes de modelos GARCH ajustados aos dados, pelos coeficientes de bicorrelação e com o uso de regressão localmente ponderada. A normalidade é rejeitada pelo teste de Jarque e Bera. A dependência (linear e não linear) é constatada pelas autocorrelações dos retornos e dos seus quadrados: tenta-se modelar a dependência com modelos ARMA, de amortecimento exponencial e GARCH mas os resíduos dos modelos, testados pelo teste BDS, mostram que nenhum deles representa bem o processo gerador dos dados

This paper studies the returns of six Brazilian stocks, chosen among the most liquid and from different economic sectors. Stationarity, unconditional distribution and independence are studied, and the conclusion is that the series are stationary, have non-normal (leptokurtic) distribution and are dependent. Stationarity is studied with the help of the ADF test, of the coefficients of GARCH models adjusted to the data, of bicorrelation coefficients and of locally weighted regression. Normality was rejectec using the Jarque and Bera test. Dependence (linear and non-linear) was indicated by the autocorrelations of returns and squared returns: ARMA, exponential smoothing, and GARCH models are used to try to capture the dependence, but the BDS tests of the model’s residuals show that they do not represent well the data generating process