Sailing Through Uncertainty: Forecasting Volatility on the Manganese Seaborne Market

dc.contributor.advisorHEDIBERT FREITAS LOPES
dc.contributor.authorAvelleda, Lucas Marin
dc.coverage.spatialSão Paulo, SPpt_BR
dc.creatorAvelleda, Lucas Marin
dc.date.accessioned2021-09-13T03:23:15Z
dc.date.accessioned2021-05-23T21:27:37Z
dc.date.available2021-09-13T03:23:15Z
dc.date.available2021
dc.date.available2021-05-23T21:27:37Z
dc.date.issued2021
dc.date.submitted2021
dc.description.abstractO minério de manganês é um componente essencial na produção de aço e sua extração é geograficamente diversificada, enquanto sua exportação é majoritariamente direcionada ao consumo Chinês1, o que torna o mercado transoceânico essencial para a comercialização dessa commodity. No entanto, em decorrência de seu menor volume comercializado em comparação a outros bens minereais como o minério de ferro, por exemplo, a volatilidade do preço do minério de manganês não é alvo de pesquisas acadêmicas e tampouco existe, até o momento, contratos de derivativos disponíveis dessa commodity. Esse trabalho tem como objetivo caracterizar a série de log-retornos do preço do manganês em Tianjin, China, a partir dos fatos estilizados de retornos de ativos financeiros. Ademais, modelos heterocedásticos - tanto determinísticos quanto estocásticos - são aplicados na série temporal de forma a avaliar métodos que sejam capazes de adequadamente prever a volatilidade condicional, os retornos e as estimativas de valor em risco dos log-retornos do preço da commodity. Os modelos implementados permitem tanto a modelagem de assimetria na volatilidade a partir de choques positivos ou negativos dos retornos passados e a possibilidade de modelar as inovações através das distribuições Gaussiana e t-Student. Apresentam-se evidências em favor dos Modelos de Volatilidade Estocástica, os quais demonstraram-se mais adequados na previsão da série e nas estimativas de valor em risco. O efeito de assimetria não se mostrou estatisticamente significante nessa classe de modelos, enquanto há evidência de que as inovações t-Student são mais adequadas na modelagem da série. Na família de modelos ARCH, todos os modelos estimados através de inovações t-Student superaram, em termos de critérios de informação, aqueles estimados através da distribuição normal. Destacam-se, em ordem crescente, os modelos EGARCH(1,1), GARCH(1,1) e ARCH(3) pelos menores critérios de informação observados em suas respectivas classes. No entanto, através de previsões fora da amostra, a estimação do EGARCH(1,1) apresentou overfitting. Tais modelos também demonstraram-se menos precisos quando comparados aos modelos de volatilidade estocástica, tanto na previsão da série quanto na previsão do valor em risco em diferentes níveis de significância. Finalmente, foi apresentado um cálculo de precificação de opções europeias de compra e venda do minério de manganês e apresentaram-se exemplos, a partir de dados históricos, de como participantes do mercado podem reduzir o risco de mercado ao qual estão expostos através de instrumentos derivativos.pt_BR
dc.description.otherManganese ore is an essential component in the steelmaking industry. Its extraction is geographically diversified, while China is responsible for more than half of the world’s ore imports2, and therefore the seaborne market is essential for the mineral’s trading. Nonetheless, due to its smaller commercialized volume compared to other mineral com- modities, the manganese ore price volatility has not been a target of academic research and up to this moment derivatives contracts are unavailable for this commodity. This essay intends to characterize the manganese ore price log-returns in Tianjin, China, in light of the stylized facts of asset returns. Furthermore, heteroskedastic models, both deterministic and stochastic, were applied to the log-returns of the manganese ore price in order to evaluate the methods to predict its conditional volatility, log-returns and the value at risk estimates. Asymmetry effects on the volatility originated from previous positive or negative returns were also assessed in these models, as were Gaussian and t-Student innovations. This essay provides evidence in favor of Stochastic Volatility Models, which demonstrated to be more adequate in predicting the series and its value at risk estimates. The leverage effect did not seem to be statistically significant on the SV class of models, while there are evidences in favour of t-Student innovations when modelling the series. In the ARCH family of models, all the ones estimated through t-Student innovations outperformed the ones with Gaussian innovations by information criteria. The EGARCH(1,1), GARCH(1,1) and ARCH(3) were the ones that respectively best performed in their classes by informa- tion criteria. However, out of sample analysis suggested that EGARCH(1,1) estimation over-fitted the data. ARCH family models demonstrated to be less precise than SVM, both in predicting the series and its value at risk in different significance levels. Lastly, an european option pricing model was proposed to put and call contracts of the manganese ore and examples of how market participants may be able to reduce their market risk through derivatives instruments were presented based on historical data.pt_BR
dc.format.extent67 p.pt_BR
dc.identifier.urihttps://repositorio.insper.edu.br/handle/11224/2852
dc.language.isoPortuguêspt_BR
dc.rights.uriTODOS OS DOCUMENTOS DESSA COLEÇÃO PODEM SER ACESSADOS, MANTENDO-SE OS DIREITOS DOS AUTORES PELA CITAÇÃO DA ORIGEM.pt_BR
dc.subjectMinério de Manganês. Séries Temporais. Volatilidade. Volatilidade Condicional. Heterocedasticidade. ARCH. GARCH. EGARCHpt_BR
dc.subjectManganese Ore. Time Series. Volatility. Conditional Volatility. Heteroskedas- ticity. ARCH. GARCH. EGARCH. Spt_BR
dc.titleSailing Through Uncertainty: Forecasting Volatility on the Manganese Seaborne Marketpt_BR
dc.typemaster thesis
dspace.entity.typePublication
local.contributor.boardmemberGUSTAVO MONTEIRO DE ATHAYDE
local.contributor.boardmemberLaurini, Márcio Poletti
local.typeDissertaçãopt_BR
relation.isAdvisorOfPublication41f844cb-0e5a-4ef1-bb19-5ab1cec8e2ca
relation.isAdvisorOfPublication.latestForDiscovery41f844cb-0e5a-4ef1-bb19-5ab1cec8e2ca
relation.isBoardMemberOfPublicationa57614f1-05fc-47e3-88a9-59266040a6dc
relation.isBoardMemberOfPublication.latestForDiscoverya57614f1-05fc-47e3-88a9-59266040a6dc
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Lucas Marin Avelleda2.pdf
Tamanho:
1.77 MB
Formato:
Adobe Portable Document Format
Licença do Pacote
Agora exibindo 1 - 1 de 1
N/D
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Plain Text
Descrição: