@MASTERSTHESIS{ 2018:1164153403,
 	title = {Modelagem e previsão do risco de mercados com o uso do VaR},
 	year = {2018},
 	url = "http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/7236",
 	abstract = "O presente trabalho visa identificar se o pressuposto de normalidade que é usado para o cálculo do VaR (sigla em inglês para Valor em Risco) é válido, ou se a Função de Distribuição Probabilidade de Laplace é mais adequada em mercados reais. Tal identificação será feita através do teste de aderência de Kolmogorov-Smirnov (KS). Observou-se que a Distribuição de Laplace teve melhor aderência, em detrimento da Distribuição Normal. Assim, calculouse o VAR utilizando os parâmetros da Distribuição de Laplace. O modelo de previsão de séries temporais ARIMA (Auto Regressivo Integrado de Média Móvel), aplicado aos valores calculados pelo VaR considerando a distribuição de Laplace, foi capaz de modelar a dinâmica temporal do comportamento de risco estimado para os mercados. Foi utilizado o Erro Percentual Médio Absoluto (MAPE) como medida de adequação do modelo ARIMA aos dados. Os experimentos foram realizados com 25 índices mundiais, entre eles: BVSP (IBOVESPA - Brasil), CSE (COLOMBO IND ALL SHS - Sri Lanka), DJI (Dow Jones Industrial Average - EUA), FCHI (CAC 40 - França), MXX (IPC - México), N225 (Nikkei 225 - Japão) e XU100.IS (BIST 100 - Turquia). O único índice que rejeitou mais de 10% dos dados quando considerado a Distribuição de Laplace foi o XU100.IS (BIST 100 - Turquia), tendo obtido um valor de MAPE de 31,98%, seguido do XMI (NYSE ARCA MAJOR MARKET INDEX - USA) com o valor de 28,59%.",
 	publisher = {Universidade Federal Rural de Pernambuco},
 	scholl = {Programa de Pós-Graduação em Biometria e Estatística Aplicada},
 	note = {Departamento de Estatística e Informática}
}