Quantificação de risco em finanças: BitCoin sob a avaliação do Value at Risk

Silva, Anderson Renê Santos

Use este identificador para citar ou linkar para este item: https://ri.ufs.br/jspui/handle/riufs/11811

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	Silva, Anderson Renê Santos	-
dc.date.accessioned	2019-08-21T20:44:54Z	-
dc.date.available	2019-08-21T20:44:54Z	-
dc.date.issued	2019-04-26	-
dc.identifier.citation	SILVA, Anderson Renê Santos. Quantificação de risco em finanças: BitCoin sob a avaliação do Value at Risk. 2019. 73 f. Dissertação (Mestrado em Economia) - Universidade Federal de Sergipe, São Cristóvão, SE, 2019.	pt_BR
dc.identifier.uri	http://ri.ufs.br/jspui/handle/riufs/11811	-
dc.language	por	pt_BR
dc.subject	Economia	por
dc.subject	Econometria	por
dc.subject	BitCoin	por
dc.subject	Séries temporais	por
dc.subject	Value at Risk (VaR)	por
dc.subject	Generalized Autoregressive Conditional Heteroskedasticity (GARCH)	por
dc.title	Quantificação de risco em finanças: BitCoin sob a avaliação do Value at Risk	pt_BR
dc.type	Dissertação	pt_BR
dc.contributor.advisor1	Moura, Fábio Rodrigues de	-
dc.description.resumo	O presente trabalho tem por objetivo analisar o comportamento de uma das criptomoedas mais conhecidas atualmente, o BitCoin, em relação ao risco oferecido pela operação através do Value at Risk (VaR) que é uma métrica de risco bastante utilizada em bancos e fundos de investimento para gestão de investimentos. Apesar de possuir várias formas de obter o VaR, muitas métricas perdem em eficiência decorrente de más especificações nos modelos. É importante, para evitar decisões erradas dos investidores, que seja obtida ao menos uma metodologia robusta e eficiente para estimação do VaR. Neste caminho, a literatura econométrica é bastante vasta em apresentar diversas abordagens, não obstante, foram considerados trabalhos relevantes os que apresentaram uma abordagem empírica do VaR através do modelo Generalized Autoregressive Conditional Heteroskedasticity (GARCH), desenvolvido em 1986 pelo professor Tim Bollerslev. Este modelo apresenta ganhos significativos solucionando problemas existentes ao utilizar os modelos autorregressivos com heterocedasticidade condicional, além de permitir uma memória mais longa (mais observações) e uma estrutura de atraso mais flexível.	pt_BR
dc.publisher.program	Pós-Graduação em Economia	pt_BR
dc.subject.cnpq	CIENCIAS SOCIAIS APLICADAS::ECONOMIA	pt_BR
dc.publisher.initials	UFS	pt_BR
dc.description.local	São Cristóvão, SE	pt_BR
Aparece nas coleções:	Mestrado Acadêmico em Economia

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
ANDERSON_RENE_SANTOS_SILVA.pdf		1,02 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas