Dados do Trabalho

Título

TAIL RISK FORECASTING WITH GAS MODELS

Resumo

Este artigo compara previsões de Value-at-Risk (VaR) e Expected Shortfall (ES) obtidas através do modelo GAS proposto por Creal et al. (2013) com modelos alternativos. Primeiramente é feita uma investigação dentro-da-amostra do GAS semiparamétrico de Blasques et al. (2014) e é proposta uma metodologia para a escolha da bandwidth. A parte empírica é realizada através de dois estudos distintos. O primeiro tem como foco explorar a capacidade preditiva da especificação semiparamétrica contra modelos paramétricos. A segunda compara os diversos modelos paramétricos para avaliar se o aumento da complexidade do modelo tem impacto direto na qualidade da previsão de medidas de risco. O estudo empírico é conduzido com oito índices, quatro taxas de câmbio de moedas internacionais e duas taxas de câmbio de cripto-moedas. Os modelos são comparados em termos de Quantile Loss de Gonzales-Rivera (2014) e através do procedimento MCS de Hansen et al. (2011). Os resultados indicam que os modelos semiparamétricos melhoram a qualidade de previsão dos modelos GAS(n) para o VaR e a ES. Modelos mais complexos como Beta-Skew-t-EGARCH de Surracat e Harvey (2013) produzem melhores resultados que os modelos mais básicos. Contudo, utilizando o procedimento MCS encontramos que na maioria dos casos os modelos são estatísticamente equivalentes em termos da sua habilidade em prever o VaR.

Palavras-chave

Generalized Autoregressive Score (GAS), GAS Semiparamétrico, Densidade Kernel,
Previsão de Volatilidade, Value-At-Risk (VaR), Expected Shortfall (ES)