Avaliação da performance de modelos de value-at-risk em mercados emergentes: uma aplicação aos mercados da Bulgária e da Roménia

Abstract

A presente tese incide na área das finanças ligada à previsão e à modelação do risco do mercado em duas economias emergentes da Europa de Leste: a Bulgária e a Roménia. O potencial de crescimento nos seus mercados de capitais e a sua integração na União Europeia fomentam um aumento do investimento por parte das instituições financeiras de origem estrangeira. Todavia, estes mercados são caracterizados por uma elevada volatilidade e uma fraca liquidez e, logo sujeitos a maiores riscos. Para se prevenirem de perdas inesperadas, que possam causar graves dificuldades financeiras ou até, pôr em causa a sua solvência, as instituições financeiras que operam nestes mercados necessitam de desenvolver modelos adequados de previsão do risco. Neste estudo são aplicadas técnicas de backtesting (Kupiec’s test, 1995, e Christoffersen’s Markov test, 1998), na avaliação da performance de diferentes metodologias de previsão do Value-at-Risk nos dois mercados. São consideradas abordagens paramétricas baseadas em distribuições condicionadas Normal e t-Student (com variância constante ou variável) e em Generalized Pareto Distribution, além de uma abordagem não paramétrica (Simulação Histórica). A principal conclusão é de que os métodos baseados na distribuição condicionada t-Student, com Exponentially Weighted Moving Average são mais precisos na previsão das perdas extremas. O resultado corrobora os factos estilizados de que: (i) as séries temporais financeiras costumam apresentar caudas pesadas e clusters na volatilidade, (ii) nos mercados emergentes as perdas extremas são mais frequentes do que nos mercados desenvolvidos, e (iii) as metodologias que assumem a normalidade para os retornos subestimam o VaR para níveis de confiança elevados.

This thesis is about modelling and forecasting stock market risk in two emerging East European economies: Bulgaria and Romania. The potential for stock market growth in both countries and their integration into the European Union have triggered an increase in investments by foreign financial institutions. However, due to high return volatility and low liquidity, investments in those markets are considered high-risk. In order to prevent unexpected losses, which may cause financial difficulties or even insolvency, financial institutions operating there need to develop accurate models for the estimation of market risk exposure. In the present study, backtesting techniques (Kupiec’s test, 1995, and Christoffersen’s Markov test, 1998) are employed to evaluate the performance of several Value-at-risk (VaR) methodologies in both markets. In particular, parametric approaches based on Normal and Student-t conditional distributions (with time-varying and constant variance), and on the Generalized Pareto Distribution (GPD) are considered, as well as the non parametric approach of historical simulation. The main conclusion is that methods based on the Student-t conditional distribution, with exponentially weighted moving average (EWMA) specification of the variance, predict extreme losses best. This agrees with the stylized facts that (i) financial time-series tend to exhibit fat tails and clustering volatility, (ii) in emerging markets extreme losses are usually more frequent than in mature markets, and (iii) at high confidence levels, methodologies assuming normality of the returns typically underestimate the actual VaR even for mature markets.