Search

O risco de crédito é o risco associado a uma perda econômica decorrente de uma contraparte não cumprir com suas obrigações contratuais. O evento de não honrar com uma obrigação contratual de pagamento é denominado default na literatura internacional, o qual foi traduzido como descumprimento nesta obra. O risco de descumprimento é bastante significativo e pode aumentar rapidamente e sem qualquer aviso, podendo trazer perdas significativas para o negócio a médio e longo prazo. Trata-se de um risco que não se pode fazer hedge, tampouco estrutura-lo de forma a se livrar dele, mas pode ser mitigado se for adequadamente mensurado e gerenciado. Utilizando o modelo KMV para estimar a probabilidade de descumprimento das firmas com ações negociadas na B3, este trabalho buscou investigar a probabilidade de descumprimento conjunta de um grupo de firmas. Os resultados encontrados mostram que quando há um choque adverso que afeta a economia como um todo, a probabilidade de descumprimento de um setor mais concentrado (com poucas firmas participantes) é maior em relação a setores menos concentrados, isto é, com um maior número de firmas participantes. Credit risk is the risk associated with an economic loss arising from a counterparty’s failure to meet its contractual payment obligations. The event of not meeting with a contractual payment obligation is known as default. The default risk is quite significant and can increase quickly and with no warning, and can bring significant losses to the business in the medium and long run. The default risk is a risk that no one can hedge it away, nor structure it in order to get rid of it, but can be mitigated if it is properly measured and managed. Using the KMV model to estimate the probability of default of public firms, this paper investigated the probability of joint failure of default of a group of firms. The results show that when there is an adverse shock affecting the economy as a whole, the probability of default with a more concentrated economic sector (with few participating firms) is higher in relation to less concentrated ones, that is, with a larger number of participating firms.

O principal objetivo dos investidores é obter o maior retorno e lucro possíveis, correndo o menor risco. Por outro lado, os gestores de risco têm como responsabilidade o monitoramento dos riscos a fim de impedir que se corram riscos acima dos limites determinados pelas companhias. Este trabalho busca apresentar uma série de métricas de risco, baseadas em Maximum Drawdown, utilizando simulação histórica ao invés das tradicionais métricas baseadas em retorno. O Maximum Drawdown fornece a informação da maior queda de valor de ativo que um investidor pode sofrer em determinado intervalo de tempo. Essas métricas podem ser utilizadas como teste de estresse em complemento a outras métricas mais tradicionais. Os cálculos das métricas de risco são feitos tanto para ativos individuais, como para portfólios diversificados. As métricas utilizaram simulação histórica com diferentes intervalos de tempo, intervalo de Holding Period e intervalos de confiança. A seguir, foi feito o backtest destas métricas a fim de verificar a aderência das mesmas, mostrando que a métrica de Maximum Drawdown at Risk utilizando GEV foi a métrica que apresentou maiores taxas de aprovação nos diferentes cenários. A principal contribuição desse trabalho está na apresentação de diferentes métricas de risco baseadas em Maximum Drawdown, análise da melhor métrica para cada situação e aplicações das métricas na gestão de risco e em cenários de estresse. The main objective of investors is to obtain the highest possible return profit, by running the lowest risk. On the other hand, risk managers are responsible for monitoring the risks in order to prevent risks to be above the limits determined by the companies. This paper attempts to present a series of risk metrics based on Maximum Drawdown historical distributions instead of traditional return-based metrics. Maximum Drawdown provides the information of the largest drop in the asset value that an investor can have in a given time interval,since these metrics can be used as stress test metrics in addition to other more traditional metrics. The calculations of the risk metrics are done for both individual assets and for diversified portfolios. The metrics use historical simulation with different time intervals, Holding Period and confidence intervals. The backtest of these metrics is done to verify their adherence, so it shows that the Maximum Drawdown at Risk using GEV metric is the metric that presents the highest approval rates in the different scenarios. The main contribution of this paper is the presentation of different risk metrics based on Maximum Drawdown, analyse of the best metric for each situation and applications of the metrics to risk management and to stress scenarios.

O objetivo desta dissertação é verificar a existência de retornos anormais, volumes de negócios significativos e os betas para as ações incluídas no Índice de Valores da Bolsa de São Paulo (Ibovespa) no período entre 2014 e 2018. Analisou-se 18 ações, sendo que para cada uma delas foram calculados os retornos anormais e acumulados dentro de cada janela de evento, tomando como base o modelo de mercado. Ao todo foram testadas 4 janelas de eventos: 1ª prévia de 30 dias, 2ª prévia de 15 dias, 3ª prévia de 1 dia e data de efetivação da carteira teórica quadrimestral. Posteriormente, foram apuradas as médias dos retornos e o comportamento dos volumes de negócios com suas respectivas significâncias. Os resultados das análises identificaram retorno anormal positivo e significante exatamente na data de efetivação da carteira do Ibovespa, mas devido à carência de resultados significativos em torno da janela de efetivação da carteira, não foi possível aceitar a hipótese de pressão dos preços. A hipótese de mercado eficiente na forma semiforte também foi rejeitada com persistência dos retornos anormais significativos em todas as análises. Em termos metodológicos, buscou-se estimar janelas de eventos de 30 dias antes até 30 dias depois em torno da data de efetivação, com janelas de 120 dias para apurar a existência de anomalias nos retornos, um fenômeno conhecido dentro da literatura de finanças como efeito índice. Enfim, constata-se que a mudança na metodologia de composição do Ibovespa implementada em 2014 não apresentou novos indícios explicativos para os retornos e volumes encontrados. The objective of this study is to verify the existence of abnormal returns, significant business volumes and betas of the shares included in the São Paulo Stock Exchange Index (Ibovespa) in the period between 2014 and 2018. Were analyzed 18 shares and for each of them the abnormal and accumulated returns were calculated within each event window, based on the market model. In total, 4 event windows were tested: 1st 30 day preview, 2nd 15 day preview, 3rd 1 day preview and effective date of the quarterly portfolio. Subsequently, the averages of the returns and the behavior of the business volumes with their respective significance were determined. The results of the analyzes identified a positive and significant abnormal return exactly at the date of effectiveness of the Ibovespa portfolio, but due to the lack of significant results around the window of effectiveness of the portfolio, it was not possible to accept the hypothesis of price pressure. The efficient market hypothesis in the semifortex form was also rejected with persistence of significant abnormal returns in all analyzes. In methodological terms, it was tried to estimate windows of events from 30 days before to 30 days later around the effective date, with windows of 120 days to ascertain the existence of anomalies in the returns, a phenomenon known within the finance literature as effect index. Finally, it is verified that the change in Ibovespa composition methodology implemented in 2014 did not present new explanatory indications for the returns and volumes found.

As empresas normalmente se alavancam através de emissão de dívida e fazem isso para gerenciar suas necessidades financeiras e/ou operacionais. A teoria de trade off defende que administradores busquem um nível estático e pré-determinado de endividamento para maximizar o valor da empresa. Portanto, é esperado que saltos na alavancagem não sejam frequentes e eventuais desvios em relação ao nível ótimo sejam rapidamente corrigidos. Este trabalho analisou a estrutura de capital das empresas listadas na B3, de 2010 a 2016, a fim de verificar se a teoria de trade off pode explicar o comportamento observado durante esse período. Foi constatado que, embora não retornem prontamente ao nível anterior de alavancagem, as empresas permaneceram em níveis compatíveis com o ótimo, o que é consistente com a teoria de trade off e sinaliza que flexibilidade financeira é também uma preocupação. Firms normally leverage their capital structure through debt issuance, in order to manage their financial and operational needs. Trade off theory suggests that managers must aim at a pre-determined and static leverage target to maximize the firm’s value. Therefore, one should not expect to observe frequent jumps in leverage, and any difference between optimal and observed leverage would be promptly corrected. This paper studied the capital structure of companies listed at B3, from 2010 to 2016, aiming to investigate if trade off theory can be used to explain their behavior during this period. It was observed that, although companies do not return to previous leverage levels quickly, they tend to stay around optimal levels, which is consistent with trade off theory and suggests that financial flexibility is also a concern.