Mostrar registro simples

dc.contributor.advisorMüller, Fernanda Mariapt_BR
dc.contributor.authorBonazza, Gabrielle Lippertpt_BR
dc.date.accessioned2023-03-18T03:31:56Zpt_BR
dc.date.issued2022pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/255947pt_BR
dc.description.abstractSistemas de comércio de créditos de carbono têm sido implementados no mundo todo como forma de endereçar a crise climática. Nesse contexto, o entendimento sobre os riscos envolvidos nesses mercados é determinante para uma gestão e regulamentação mais adequadas, o que contribui para a sua manutenção e a efetiva redução das emissões de carbono. Dessa forma, tomando os dados dos retornos de créditos de carbono do Sistema Europeu de Comércio de Emissões (EU-ETS), esse estudo computou as previsões do Valor em Risco (VaR) e da Perda Esperada (ES), considerando diferentes distribuições de probabilidade para o termo aleatório do modelo ARMA-GARCH. Foram empregadas oito distribuições diferentes e considerados dois níveis de significância, 1% e 5%, para gerar previsões de ambas medidas um passo à frente com janela de estimação rolante de 250 e 1000 observações. As previsões foram avaliadas através da Perda Realizada. Os resultados sugerem que as distribuições t de Student e Generalizada do Erro são as mais indicadas para previsão de risco desse mercado, enquanto que as distribuições Normal e Empírica obtiveram desempenho ruim. Esses resultados contribuem para o manejo de risco de carbono nas empresas, promovendo tomadas de decisão mais acuradas diante do cenário de mudanças ambientais.pt_BR
dc.description.abstractCarbon credit trading systems have been implemented around the world as a way to address the climate crisis. In this context, understanding the risks involved in these markets is crucial for more accurate management and regulation, contributing to their maintenance and the effective reduction of carbon emissions. In this way, taking the data of the carbon credits returns from the European Union Emissions Trading System (EU-ETS), this study computed the predictions of Value-at-Risk (VaR) and Expected Shortfall (ES), considering different probability distributions for the random term of the ARMA-GARCH model. Eight different distributions were used and two levels of significance, 1% and 5%, were considered to generate one-step-ahead predictions of both measures with a rolling estimation window of 250 and 1000 observations. Forecasts were evaluated using Loss. The results suggest that the Student's t and Generalized Error distributions are the most suitable for predicting risk in this market, while the Normal and Empirical distributions performed poorly. These results contribute to the management of carbon risk in companies, promoting more accurate decision-making in the face of the scenario of environmental changes.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectCréditos de carbonopt_BR
dc.subjectCarbon creditsen
dc.subjectMercado financeiropt_BR
dc.subjectRisk forecasten
dc.subjectRisco financeiropt_BR
dc.subjectDistributionsen
dc.subjectAdministração financeirapt_BR
dc.titlePrevisão de risco no mercado de créditos de carbonopt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.identifier.nrb001160363pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentEscola de Administraçãopt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2021/2pt_BR
dc.degree.graduationAdministraçãopt_BR
dc.degree.levelgraduaçãopt_BR


Thumbnail
   

Este item está licenciado na Creative Commons License

Mostrar registro simples