Curso de Introdução À Modelagem de Risco

Aula 1 • Tipos de Risco nas Organizações

As organizações enfrentam riscos de crédito, mercado, operacional e de liquidez. Mapear os tipos de risco para as funções de negócio contextualiza as técnicas de modelagem posteriores.

Aula 2 • Fundamentos de Dados e Mensuração

A qualidade do modelo depende da qualidade dos dados. Os alunos avaliam fontes de dados, escalas de mensuração e vieses de coleta comuns relevantes para conjuntos de dados de risco.

Aula 3 • Definindo Risco em Contextos Quantitativos

Risco é definido como um resultado incerto mensurável com consequência. Esta seção estabelece o vocabulário e os limites conceituais usados ao longo do curso.

Aula 1 • Fundamentos da Teoria dos Valores Extremos

O risco de cauda exige ferramentas especializadas além das distribuições padrão. Os métodos de máximos por bloco e picos acima do limite capturam eventos raros de alto impacto.

Aula 2 • Distribuições Discretas para Frequência de Perdas

Os modelos de frequência contam com que frequência os eventos de perda ocorrem. As distribuições de Poisson e binomial negativa são ajustadas aos dados de contagem de eventos.

Aula 3 • Métodos de Estimação de Parâmetros

Parâmetros precisos são essenciais para modelos confiáveis. A estimação por máxima verossimilhança e o método dos momentos são aplicados aos dados de risco.

Aula 4 • Distribuições Contínuas para Severidade de Perdas

Os modelos de severidade descrevem a magnitude das perdas individuais. Distribuições de cauda pesada, como lognormal e Pareto, são enfatizadas.

Aula 1 • Simulação de Monte Carlo para Agregação

A simulação gera distribuições empíricas de perda agregada quando soluções de forma fechada não estão disponíveis. Os alunos implementam loops básicos de Monte Carlo para agregação de perdas.

Aula 2 • Modelagem de Resseguro e Transferência de Risco

As estruturas de transferência de risco alteram a distribuição de perda agregada. Tratados de excesso de danos por ocorrência e stop-loss agregado são modelados analiticamente e por simulação.

Aula 3 • Técnicas de Redução de Variância

A simulação ingênua é computacionalmente cara para eventos raros. A amostragem por importância e a amostragem estratificada melhoram a eficiência da estimativa de cauda.

Aula 1 • Ajuste e Validação de Modelos de Cópula

A seleção de cópulas requer julgamento tanto estatístico quanto de domínio. Os alunos ajustam cópulas a dados de perda bivariados e validam usando testes gráficos e formais.

Aula 2 • Dependência de Cauda e Co-movimento Extremo

A dependência de cauda mede a probabilidade de perdas extremas conjuntas. Os coeficientes de dependência de cauda superior e inferior são calculados para cópulas comuns.

Aula 3 • Teoria e Construção de Cópulas

Cópulas separam as distribuições marginais da estrutura de dependência. O teorema de Sklar é enunciado e aplicado para construir modelos de risco bivariados.

Aula 1 • Conceitos e Cálculo do Value-at-Risk

O VaR quantifica a perda não excedida em um dado nível de confiança. Os métodos de simulação histórica, variância-covariância e Monte Carlo VaR são comparados.

Aula 2 • Estruturas de Capital Econômico

O capital econômico quantifica o colchão necessário para absorver perdas inesperadas em um nível de solvência alvo. Modelos internos são contrastados com abordagens regulatórias padronizadas.

Aula 3 • Análise de Sensibilidade das Medidas de Risco

Os resultados das medidas de risco dependem das premissas do modelo. A análise de sensibilidade identifica quais insumos direcionam as estimativas de capital e onde o risco de modelo está concentrado.

Aula 4 • Expected Shortfall e Medidas Coerentes

O Expected Shortfall calcula a média das perdas além do limite do VaR e satisfaz os axiomas de coerência. Suas vantagens sobre o VaR para gestão de risco de cauda são demonstradas.

Aula 1 • Modelos de Perda de Crédito de Carteira

O risco de crédito de carteira surge de defaults correlacionados. O modelo de carteira de crédito com cópula Gaussiana e a estrutura CreditMetrics são implementados.

Aula 2 • Métricas e Reporte de Risco de Crédito

Os resultados do risco de crédito devem ser traduzidos em métricas de gestão. A perda esperada, a perda inesperada e o credit VaR são calculados e interpretados.

Aula 3 • Perda Dado o Default e Exposição

LGD e EAD determinam a magnitude da perda condicional ao default. Distribuições da taxa de recuperação e fatores de conversão de crédito são modelados empiricamente.

Aula 1 • Abordagem de Distribuição de Perdas para Risco Operacional

O risco operacional usa modelos de frequência-severidade aplicados a dados de perda internos e externos. A abordagem de distribuição de perdas produz estimativas de capital regulatório e econômico.

Aula 2 • Teste de Estresse Entre Tipos de Risco

Os testes de estresse avaliam o desempenho do modelo sob cenários adversos, mas plausíveis. Os alunos projetam e aplicam cenários de estresse a modelos de risco de mercado e operacional.

Aula 3 • Modelagem e Previsão de Volatilidade

A volatilidade varia ao longo do tempo e se agrupa em dados financeiros. Modelos da família GARCH capturam a dinâmica da volatilidade para uso na mensuração do risco de mercado.

Aula 4 • Mensuração Avançada para Risco Operacional

Modelos operacionais avançados incorporam indicadores do ambiente de negócios e fatores de controle. Os alunos ajustam as distribuições de perda para avaliações qualitativas de risco.

Aula 1 • Inventário e Documentação de Modelos

Um inventário completo de modelos permite supervisão e prontidão para auditoria. Os padrões de documentação cobrem propósito, premissas, limitações e histórico de alterações do modelo.

Aula 2 • Fontes e Tipos de Risco de Modelo

O risco de modelo surge de premissas incorretas, erros de dados e uso indevido. Uma taxonomia das fontes de risco de modelo orienta o projeto de controles de mitigação.

Aula 3 • Estruturas de Governança e Supervisão

Uma governança eficaz atribui propriedade clara e caminhos de escalonamento para problemas de modelo. Comitês de risco de modelo, fluxos de aprovação e linhas de reporte são projetados.

Aula 4 • Metodologia de Validação de Modelo

A validação independente testa a solidez do modelo em desenvolvimento, implementação e uso. Os alunos aplicam benchmarking, testes de sensibilidade e análise de resultados.