Applying CF@R and stress tests in corporate risk management
DOI:
https://doi.org/10.1590/S0101-41612012000300005Keywords:
cash flow-at-risk, ARIMA and VAR/VECM modeling, Monte Carlo Simulation, backtesting, stress testAbstract
The present study compares two estimation approaches to cash flow-at-risk: Autoregressive Moving Average Model (ARIMA) and Vector Autoregressive Model (VAR/VECM) with exogenous variables. Both are used to calculate the cashflow-at-risk of Brazilian energy companies. Its major contribution, however, is the application of two methods used to compare CF@AR estimations, aiming to improve the managing of corporative risks: backtesting of CF@R estimates and stressed scenarios, both using Monte Carlo Simulation. The last one considered the impact of extreme values (obtained from the distribution of the risk factors), like energy rationing, over estimation of operational cash flows.
Downloads
References
ABEYSINGHE, T.; BALASOORIYA, U.; TSUI, A. Small-sample Forecastin: Regression or ARIMA
Models? Disponível em http://courses.nus.edu.sg/course/ecstabey/Tilak%20Bala%20Albert-2.
pdf. Acesso em 10/05/2012.
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA, O mercado de distribuição de energia. 2008.
Disponível em http:// www.aneel.gov.br. Acesso em: 08/09/2009.
ANDRÉN, N.; JANKESGARD, H.; OXLHEIM, Lars. Exposure–based cash flow at risk under macroeconomic uncertainty. Journal of Applied Corporate Finance, 17: 76-86. 2005.
BOX, G.; JENKINS, G. Time series analysis: Forecasting and control. Holden-Day, San Francisco, 3. ed., 1970. 592 p.
BROOKS, C. (2008). Introductory econometrics for finance. Cambridge University Press, New York, 1. ed., 728 p.
CHRISTOFFERSEN, P. (2003). Elements of financial risk management. Academic Press, California, 1. ed., 214 p.
DAMODARAN, A (2004). Finanças corporativas: teoria e prática. Bookman, Porto Alegre, 2. ed., 796 p.
DRAPER, N. & Smith, H. (1998). Applied regression analysis. Wiley, New York, 1. ed., 736 p.
ENDERS, W. (2004). Applied econometric time series. John Wiley & Sons, New Jersey, 2. ed., 480 p.
HAMILTON, J. (1994). Times series analysis. Princeton University Press, New Jersey, 1. ed., 800 p.
HEIJ, C.; BOER, P.; FRANSES, P.; KLOEK, T.; DIJK, H. Econometric methods with applications in
business and economics. Oxford University Press, New York, 1. ed., 2004. 816 p.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Produção Física-Brasil Indicadores
Especiais por Intensidade do Gasto com Energia Elétrica. Disponível em http://www.ibge.gov.
br/home/estatistica/indicadores/industria/pimpfbrenergia_nova/defaulttabenergia.shtm. Acesso em: 07/09/2009. 2009.
IUDÍCIBUS, S.; MARTINS, E.; GELBCKE, E. Manual de contabilidade das sociedades por ações.
Atlas, São Paulo, 7. ed., 2007. 672 p.
JOHNSTON, J.; DINARDO, J. Métodos econométricos. Mcgraw-Hill, São Paulo, 4. ed., 2001. 573 p.
JORION, P. Value at risk: the new benchmark for controlling market risk. Mcgraw-Hill, Chicago, 2. ed., 1997. 544 p.
KIMBALL, R. Failures in risk management. 2000. Disponível em http://www.bos.frb.org/economic/neer/neer2000/neer100a.pdf. Acesso em 28/02/2012.
KUPPIEC, P. Techniques for verifying the accuracy of risk measurement models. FEDS Paper Number: 95-24, 1995. Disponível em http://ssrn.com/abstract=6697. Acesso em: 28/02/2012.
LA ROCQUE, E. LOWENKRON, A. Métricas e particularidades da gestão de risco em corporações. 2004. Disponível em http://m.1asphost.com/cenarios/gestaoriscos/setorfinanceiro/MetricasRisk-
Control_Particularidades.pdf . Acesso em 28/02/2012.
LA ROCQUE, E.; LOWENKRON, A.; JENSEN, J. Cenários probabilísticos: conjugando análises de riscos e projeções macroeconômicas. 2003. Disponível em http://m.1asphost.com/cenarios/gestaoriscos/
setorfinanceiro/AnaliseRiscosProjecoesMacroeconomicas.pdf. Acesso em 28/02/2012.
MADDALA, G. Introdução à econometria. Livros Técnicos e Científicos Editora, Rio de Janeiro, 3. ed., 2003. 368 p.
MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. Forecasting: methods and applications.
John Wiley & Sons, New York, 3. ed., 1998. 656 p.
MONTGOMERY, D.; JOHNSON, L. Forecasting and time series analysis. McGraw Hill, New York,
ed., 1976. 288 p.
MUN, J. Modeling risk: applying Monte Carlo simulation, real options analysis, forecasting, and optimization techniques. Wiley Finance, New Jersey, Kindle Edition, 2006. 624 p.
NAWROCKI, D. A Brief History of Downside Risk Measures. The Journal of Investing, 8:9-25, 1999.
NETO, J. Fluxo de caixa em risco em empresas não financeiras. Revista de Administração (São Paulo), 42:239-248, 2007.
POI, B. Some bootstrapping techniques. The Stata Journal, 4:312-328, 2004.
PEROBELLI, F. Um modelo para gerenciamento de riscos em instituições não financeiras: aplicação ao setor de distribuição de energia elétrica no Brasil. Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo. Tese de Doutorado. 2004.
PEROBELLI, F.; JANUZZI, F.; BERBERT, L.; MEDEIROS, D. Fluxo de Caixa em Risco: Diferentes
Métodos de Estimação Testados no Setor Siderúrgico Brasileiro. Revista Brasileira de Finanças, 5:165-204. 2007.
RISKCONTROL. Gestão de riscos de mercado em ambiente corporativo: questões Práticas e Diferenças com Relação a Instituições Financeiras. 2002. Disponível em http://www.listaderiscos.com.br. Acesso em: 17/01/2009.
RISKMETRICS GROUP. CorporateMetrics technical document. 1999. Disponível em http://www.
riskmetrics.com. Acesso em: 19/01/2009.
RISKMETRICS GROUP. Long run technical document. 1999.Disponível em http://www.riskmetrics.com. Acesso em: 19/01/2009.
ROCHA, A. Fluxo de caixa em risco: uma nova abordagem para o setor de distribuição de energia elétrica. Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro. Tese de Mestrado. 2008.
ROSS, S. Simulation. Academic Press, California, 4. ed., 2002. 312 p.
RUBSTEIN, R. Simulation and the Monte Carlo method. Jonh Wiley & Sons, Canada, 1. ed., 1981. 304 p.
SIMS, C. Macroeconomics and Reality. Econometrica, 48:1-48. 1980.
SOBOL, I. A primer for the Monte Carlo method. CRC Press LLC, Florida, 1. ed., 1994. 128 p.
STEIN, J.; USHER, S.; LAGATTUTA, D.; YOUNGEN, J. A comparable approach to measuring
cashflow-at-risk for non-financial firms. Journal of Applied Corporate Finance, 13:8-17. 2001.
WHITE, H. Maximum likelihood estimation of misspecified models. Econometrica, 50:1-25. 1982.
WHITE, H. A Reality Check for Data Snooping. Econometrica, 68:1097-1126. 2000.
WINSTOWN, W. Operations research: applications and algorithms. Duxbury Press, 3. ed., 2004. 1392 p.
Downloads
Published
Issue
Section
License
Copyright (c) 2012 Flávia Vital Januzzi, Fernanda Finotti Cordeiro Perobelli, Aureliano Angel Bressan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
By submitting an article, the author authorizes its publication and attests that it has not been submitted to any other journal. The original article is considered final. Articles selected for publication are proofread for grammatical and orthographic errors. The journal does not pay rights for published articles. The Institute of Economic Research from the School of Economics, Business and Accounting of the University of São Paulo (Instituto de Pesquisas Econômicas da Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo) owns the journal's copyright.
