Modelagem e Previsão de Medidas de Risco com Dados Intradiários: Abordagens Diária e de Alta Frequência

• Processo: 25/06131-7
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de setembro de 2025
• Data de Término da vigência: 31 de agosto de 2028
• Área do conhecimento: Ciências Sociais Aplicadas - Economia - Métodos Quantitativos em Economia
• Pesquisador responsável: Carlos Cesar Trucios Maza
• Beneficiário: Carlos Cesar Trucios Maza
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Gestão de riscos
• Palavra(s)-Chave do Pesquisador: Alocação de Carteiras | Covariância Condicional | Expected Shortfall | Gestão de Risco | Value-at-Risk | volatilidade | Séries Temporais Financeiras

Resumo

A modelagem e previsão da (co)volatilidade e outras medidas de risco desempenham um papel importante em diversas aplicações em economia e finanças, tais como alocação de carteiras, gerenciamento de risco, hedging, precificação de opções, estratégias de negociação, ordens no order book, entre outros. Assim, a busca por melhorar a qualidade destas previsões não é somente um interesse acadêmico, mas também uma demanda prática essencial para uma melhor tomada de decisão. Levando em consideração esta necessidade, neste projeto serão desenvolvidas, explorando as informações contidas nos dados intradiários, novas abordagens metodológicas e modelos para a modelagem e previsão da (co)volatilidade e outras medidas de risco tais como o Value-at-Risk, Expected Shortfall e Expectiles, nos contextos univariado e multivariado. As propostas, além de incorporar o uso de dados intradiários, visam também incorporar outras características comumente observadas nas séries temporais financeiras, tais como a presença de outliers, mudanças de regime, efeitos de alavancagem e longa memória. Serão propostas metodologias/modelos tanto para a previsão diária quanto para a previsão intradiária, e as novas abordagens serão aplicadas em séries temporais brasileiras, norte-americanas e de cripto-ativos, sendo o desempenho das novas propostas comparado com benchmarks clássicos e outros métodos estado da arte. As soluções desenvolvidas serão implementadas e disponibilizadas por meio repositórios públicos no Github e através de pacotes nas linguagens R, Python e/ou Julia. Dessa forma, os usuários finais poderão se beneficiar diretamente dos avanços gerados por esta pesquisa. (AU)