Aplicação do CF@R e de cenários de stress no gerenciamento de riscos corporativos

Autores

  • Flávia Vital Januzzi Universidade Federal de Minas Gerais Autor
  • Fernanda Finotti Cordeiro Perobelli Universidade Federal de Juiz de Fora Autor
  • Aureliano Angel Bressan Universidade Federal de Minas Gerais Autor

Palavras-chave:

fluxo de caixa em risco, modelagens ARIMA e VAR/VECM, simulação de Monte Carlo, backtesting, teste de stress

Resumo

O presente estudo compara dois métodos para estimação do fluxo de caixa em risco (CF@R), a saber: o modelo autorregressivo integrado com médias móveis (ARIMA) e o método de vetores autorregressivos com mecanismo de correção de erros (VAR/VECM) com variáveis exógenas, ambos aplicados ao contexto do setor elétrico brasileiro. O artigo contribui com a literatura existente pela aplicação de dois métodos com o objetivo de escolher as melhores estimativas de CF@R, objetivando melhorar o gerenciamento dos riscos corporativos: o backtesting das estimativas de fluxo de caixa em risco e a geração de cenários de stress, ambos usando simulação de Monte Carlo. A última técnica averiguou os impactos de cenários extremos (obtidos a partir da distribuição dos fatores de risco), tais como o racionamento de energia, sobre a estimativa futura do fluxo de caixa operacional.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

ABEYSINGHE, T.; BALASOORIYA, U.; TSUI, A. Small-sample Forecastin: Regression or ARIMA

Models? Disponível em http://courses.nus.edu.sg/course/ecstabey/Tilak%20Bala%20Albert-2.

pdf. Acesso em 10/05/2012.

AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA, O mercado de distribuição de energia. 2008.

Disponível em http:// www.aneel.gov.br. Acesso em: 08/09/2009.

ANDRÉN, N.; JANKESGARD, H.; OXLHEIM, Lars. Exposure–based cash flow at risk under macroeconomic uncertainty. Journal of Applied Corporate Finance, 17: 76-86. 2005.

BOX, G.; JENKINS, G. Time series analysis: Forecasting and control. Holden-Day, San Francisco, 3. ed., 1970. 592 p.

BROOKS, C. (2008). Introductory econometrics for finance. Cambridge University Press, New York, 1. ed., 728 p.

CHRISTOFFERSEN, P. (2003). Elements of financial risk management. Academic Press, California, 1. ed., 214 p.

DAMODARAN, A (2004). Finanças corporativas: teoria e prática. Bookman, Porto Alegre, 2. ed., 796 p.

DRAPER, N. & Smith, H. (1998). Applied regression analysis. Wiley, New York, 1. ed., 736 p.

ENDERS, W. (2004). Applied econometric time series. John Wiley & Sons, New Jersey, 2. ed., 480 p.

HAMILTON, J. (1994). Times series analysis. Princeton University Press, New Jersey, 1. ed., 800 p.

HEIJ, C.; BOER, P.; FRANSES, P.; KLOEK, T.; DIJK, H. Econometric methods with applications in

business and economics. Oxford University Press, New York, 1. ed., 2004. 816 p.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Produção Física-Brasil Indicadores

Especiais por Intensidade do Gasto com Energia Elétrica. Disponível em http://www.ibge.gov.

br/home/estatistica/indicadores/industria/pimpfbrenergia_nova/defaulttabenergia.shtm. Acesso em: 07/09/2009. 2009.

IUDÍCIBUS, S.; MARTINS, E.; GELBCKE, E. Manual de contabilidade das sociedades por ações.

Atlas, São Paulo, 7. ed., 2007. 672 p.

JOHNSTON, J.; DINARDO, J. Métodos econométricos. Mcgraw-Hill, São Paulo, 4. ed., 2001. 573 p.

JORION, P. Value at risk: the new benchmark for controlling market risk. Mcgraw-Hill, Chicago, 2. ed., 1997. 544 p.

KIMBALL, R. Failures in risk management. 2000. Disponível em http://www.bos.frb.org/economic/neer/neer2000/neer100a.pdf. Acesso em 28/02/2012.

KUPPIEC, P. Techniques for verifying the accuracy of risk measurement models. FEDS Paper Number: 95-24, 1995. Disponível em http://ssrn.com/abstract=6697. Acesso em: 28/02/2012.

LA ROCQUE, E. LOWENKRON, A. Métricas e particularidades da gestão de risco em corporações. 2004. Disponível em http://m.1asphost.com/cenarios/gestaoriscos/setorfinanceiro/MetricasRisk-

Control_Particularidades.pdf . Acesso em 28/02/2012.

LA ROCQUE, E.; LOWENKRON, A.; JENSEN, J. Cenários probabilísticos: conjugando análises de riscos e projeções macroeconômicas. 2003. Disponível em http://m.1asphost.com/cenarios/gestaoriscos/

setorfinanceiro/AnaliseRiscosProjecoesMacroeconomicas.pdf. Acesso em 28/02/2012.

MADDALA, G. Introdução à econometria. Livros Técnicos e Científicos Editora, Rio de Janeiro, 3. ed., 2003. 368 p.

MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. Forecasting: methods and applications.

John Wiley & Sons, New York, 3. ed., 1998. 656 p.

MONTGOMERY, D.; JOHNSON, L. Forecasting and time series analysis. McGraw Hill, New York,

ed., 1976. 288 p.

MUN, J. Modeling risk: applying Monte Carlo simulation, real options analysis, forecasting, and optimization techniques. Wiley Finance, New Jersey, Kindle Edition, 2006. 624 p.

NAWROCKI, D. A Brief History of Downside Risk Measures. The Journal of Investing, 8:9-25, 1999.

NETO, J. Fluxo de caixa em risco em empresas não financeiras. Revista de Administração (São Paulo), 42:239-248, 2007.

POI, B. Some bootstrapping techniques. The Stata Journal, 4:312-328, 2004.

PEROBELLI, F. Um modelo para gerenciamento de riscos em instituições não financeiras: aplicação ao setor de distribuição de energia elétrica no Brasil. Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo. Tese de Doutorado. 2004.

PEROBELLI, F.; JANUZZI, F.; BERBERT, L.; MEDEIROS, D. Fluxo de Caixa em Risco: Diferentes

Métodos de Estimação Testados no Setor Siderúrgico Brasileiro. Revista Brasileira de Finanças, 5:165-204. 2007.

RISKCONTROL. Gestão de riscos de mercado em ambiente corporativo: questões Práticas e Diferenças com Relação a Instituições Financeiras. 2002. Disponível em http://www.listaderiscos.com.br. Acesso em: 17/01/2009.

RISKMETRICS GROUP. CorporateMetrics technical document. 1999. Disponível em http://www.

riskmetrics.com. Acesso em: 19/01/2009.

RISKMETRICS GROUP. Long run technical document. 1999.Disponível em http://www.riskmetrics.com. Acesso em: 19/01/2009.

ROCHA, A. Fluxo de caixa em risco: uma nova abordagem para o setor de distribuição de energia elétrica. Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro. Tese de Mestrado. 2008.

ROSS, S. Simulation. Academic Press, California, 4. ed., 2002. 312 p.

RUBSTEIN, R. Simulation and the Monte Carlo method. Jonh Wiley & Sons, Canada, 1. ed., 1981. 304 p.

SIMS, C. Macroeconomics and Reality. Econometrica, 48:1-48. 1980.

SOBOL, I. A primer for the Monte Carlo method. CRC Press LLC, Florida, 1. ed., 1994. 128 p.

STEIN, J.; USHER, S.; LAGATTUTA, D.; YOUNGEN, J. A comparable approach to measuring

cashflow-at-risk for non-financial firms. Journal of Applied Corporate Finance, 13:8-17. 2001.

WHITE, H. Maximum likelihood estimation of misspecified models. Econometrica, 50:1-25. 1982.

WHITE, H. A Reality Check for Data Snooping. Econometrica, 68:1097-1126. 2000.

WINSTOWN, W. Operations research: applications and algorithms. Duxbury Press, 3. ed., 2004. 1392 p.

Downloads

Publicado

30-09-2012

Edição

Seção

Artigo