skip to main content
Primo Advanced Search
Primo Advanced Search Query Term
Primo Advanced Search prefilters

Precificação de derivativos climáticos no Brasil: uma abordagem estatística alternativa e construção de um algoritmo em R

Lemos, Gabriel Bruno De

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Escola Superior de Agricultura Luiz de Queiroz 2014-02-07

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Precificação de derivativos climáticos no Brasil: uma abordagem estatística alternativa e construção de um algoritmo em R
  • Autor: Lemos, Gabriel Bruno De
  • Orientador: Ozaki, Vitor Augusto
  • Assuntos: Arfima; Derivativos Climáticos; Estação Meteorológica; Loess; Arfima; Weather Derivatives; Weather Stations
  • Notas: Dissertação (Mestrado)
  • Descrição: Muitos negócios possuem exposição às variações climáticas e com poucas alternativas para mitigar este tipo de risco. Nos últimos 20 anos o mercado de derivativos climáticos se desenvolveu principalmente em locais como Canadá, EUA e Europa para transferir os riscos relacionados às variações climáticas para investidores com maior capacidade de absorção, tais como seguradoras, resseguradoras e fundos de investimentos. Este trabalho implementou uma metodologia de precificação destes contratos para a variável temperatura média diária no Brasil. Foram utilizados os dados de 265 estações meteorológicas cadastras no site do BDMEP/INMET, utilizando-se observações diárias durante o período 1970-2012. Enquanto a maior parte dos trabalhos de precificação fora desenvolvida para um local específico, neste estudo buscou-se uma solução mais generalizada e que permitisse aos participantes deste novo mercado balizar suas expectativas de preço para qualquer ponto com uma estação meteorológica no país. O principal desafio para esta abordagem foram as falhas nas séries temporais e para isto desenvolveu-se uma metodologia de preenchimento utilizando as informações do projeto NCEP/NCAR. Cada estação foi submetida ao algoritmo de análise e modelagem das séries de temperatura. Considerou-se \"Sucesso\" (36.2% dos casos) as estações cujo processo de modelagem culminou em um resíduo ruído branco, estacionário e homoscedástico. Por \"Fracasso\" (63.8% das estações) entendem-se os casos que violaram pelo menos uma destas condições. Para a incorporação da tendência nos dados utilizou-se a Regressão Polinomial Local (LOESS). Para a estimação da sazonalidade foi empregada análise espectral e utilizada a série de Fourier. Para o tratamento da autocorrelação serial nos resíduos utilizou-se modelos ARFIMA, que contempla um parâmetro para memória longa do processo. A análise espacial dos resultados sugere uma maior taxa de \"Sucesso\" para a precificação de contratos na região Centro-Sul do país e piores para Norte e Nordeste. O método de preenchimento das falhas não deve ser utilizado indiscriminadamente por todo o país, uma vez que a correlação entre as séries do BDMEP/INMET e NCEP/NCAR não é constante, além de apresentar um claro padrão na dispersão espacial. A precificação dos contratos foi feita pelos métodos de \"Burning cost\", \"Modelagem do Índice\" e \"Modelagem da temperatura média diária\". Para este último caso as temperaturas simuladas apresentaram um viés ligeiramente acima dos dados históricos, podendo causar grandes distorções na precificação dos contratos. Deve-se realizar uma correção dos valores simulados antes da precificação dos contratos. A qualidade e consistência dos dados climáticos representam a maior ameaça para a utilização de derivativos climáticos no país, principalmente na região Cento-Oeste, aonde existem poucas estações meteorológicas, e Nordeste, com baixíssima taxa de \"Sucesso\", mesmo com um razoável número de estações.
  • DOI: 10.11606/D.11.2014.tde-07042014-172230
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Escola Superior de Agricultura Luiz de Queiroz
  • Data de criação/publicação: 2014-02-07
  • Formato: Adobe PDF
  • Idioma: Português

Buscando em bases de dados remotas. Favor aguardar.