Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/67341

Share on

Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSILVA, Wilton Bernardino da-
dc.contributor.authorFREITAS, Georgio Kokkosis de-
dc.date.accessioned2025-12-23T16:20:38Z-
dc.date.available2025-12-23T16:20:38Z-
dc.date.issued2025-12-05-
dc.date.submitted2025-12-23-
dc.identifier.citationFREITAS, Georgio Kokkosis de. Risco extremo no petróleo Brent: métricas quantílicas e modelagem estatística do risco de mercado. 2025. Trabalho de Conclusão de Curso (Bacharelado em Ciências Atuariais) – Universidade Federal de Pernambuco, Recife, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/67341-
dc.description.abstractEste trabalho analisa a evolução das métricas de risco aplicadas ao petróleo Brent, enfati zando a transição do paradigma média–variância para abordagens baseadas em quantis condicionais. Argumenta-se que métodos centrados na média capturam apenas o com portamento central dos retornos, mas falham diante de caudas pesadas, assimetrias e mudanças de regime — características estruturais do Brent, influenciado por choques geopolíticos, ciclos de oferta e demanda e volatilidade persistente. A partir da Regressão Quantílica e de suas extensões, especialmente o Quantile Value-at-Risk (QVaR) e o modelo CAViaR, demonstra-se que quantis condicionais oferecem representação mais realista do risco extremo, superando modelos paramétricos e formulações tradicionais baseadas em volatilidade condicional. A revisão da literatura evidencia a superioridade dessas metodo logias em períodos de estresse, mas também revela lacunas importantes, como a estimação de quantis muito baixos, a detecção de regimes, a integração com Extreme Value Theory (EVT) e a ausência de estruturas multivariadas quantílicas. Conclui-se que as abordagens quantílicas constituem o arcabouço mais consistente para a mensuração do risco extremo no mercado do Brent.pt_BR
dc.format.extent40p.pt_BR
dc.language.isoporpt_BR
dc.rightsembargoedAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/pt_BR
dc.subjectrisco extremopt_BR
dc.subjectcaudas pesadaspt_BR
dc.subjectregressão quantílicapt_BR
dc.subjectQVaRpt_BR
dc.subjectCAViaRpt_BR
dc.subjectpetróleo Brentpt_BR
dc.titleRisco extremo no petróleo Brent: métricas quantílicas e modelagem estatística do risco de mercadopt_BR
dc.typebachelorThesispt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/0169392528979435pt_BR
dc.description.abstractxThis study examines the evolution of risk measurement applied to Brent crude oil, empha sizing the shift from the mean–variance paradigm toward approaches based on conditional quantiles. It argues that mean-centered methods capture only the central behavior of returns but fail in the presence of heavy tails, asymmetry, and regime shifts—structural features of Brent driven by geopolitical shocks, supply–demand cycles, and persistent volatility. Building on Quantile Regression and its extensions, especially the Quantile Value-at-Risk (QVaR) and the CAViaR model, the study shows that conditional quantiles provide a more realistic representation of extreme risk, outperforming parametric models and traditional volatility-based formulations. The literature review highlights the superi ority of these methodologies during stress periods but also reveals persistent gaps, such as the estimation of extremely low quantiles, regime detection, integration with Extreme Value Theory (EVT), and the lack of multivariate quantile structures. The study concludes that quantile-based approaches offer the most consistent framework for measuring extreme risk in the Brent market.pt_BR
dc.subject.cnpqEstatisticapt_BR
dc.degree.departamentCCSApt_BR
dc.degree.graduationCiencias Atuariaispt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localRecifept_BR
Appears in Collections:(TCC) - Ciências Atuariais

Files in This Item:
File Description SizeFormat 
tcc.final (2).pdf924.53 kBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons