Ensaios sobre a avaliação de risco de crédito soberano: determinantes, impacto sobre o desacordo das expectativas de câmbio e a capacidade de previsão de técnicas de Machine Learning

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMontes, Gabriel Caldas-
Autor(es): dc.contributorMendonça, Helder Ferreira de-
Autor(es): dc.contributorCarvalho, Aline Marins Paes-
Autor(es): dc.contributorMoraes, Claudio Oliveira de-
Autor(es): dc.contributorNicolay, Rodolfo Tomás da Fonseca-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8381623877053412-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3790543172087198-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8951221071397719-
Autor(es): dc.contributorhttp://lattes.cnpq.br/0506389215528790-
Autor(es): dc.contributorhttp://lattes.cnpq.br/4353709341393006-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9300118885808380-
Autor(es): dc.creatorOliveira, Diego Silveira Pacheco de-
Data de aceite: dc.date.accessioned2024-07-11T17:44:51Z-
Data de disponibilização: dc.date.available2024-07-11T17:44:51Z-
Data de envio: dc.date.issued2021-12-29-
Data de envio: dc.date.issued2021-12-29-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/24124-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/756687-
Descrição: dc.descriptionDada a importância da avaliação das agências de classificação de risco de crédito (ACRC) em afetar os mercados financeiros internacionais e a economia real, especialmente nos países em desenvolvimento, é de grande relevância o estudo dos mais diversos aspectos que envolvem a análise da probabilidade de inadimplência soberana. Para tanto, esta tese examina a avaliação das principais ACRC sob três perspectivas inexploradas pela literatura. O capítulo 1 analisa o efeito da transparência do banco central nas notas de risco soberano por meio de dois canais: o primeiro é o canal direto e ocorre devido à redução de incertezas em relação às decisões de política monetária; o segundo é um canal indireto e ocorre através da taxa de inflação. Com base em uma amostra de 50 países (onde 40 são países em desenvolvimento) para o período 1998-2014 e metodologia de dados em painel, as estimativas sugerem que países com maior transparência do banco central apresentam níveis mais baixos de inflação e melhores classificações de risco soberano. Desse modo, governos podem melhorar a sua nota soberana, depositando esforços em aumentar a transparência do banco central. Os resultados são observados para a amostra completa e para a amostra de países em desenvolvimento. O capítulo 2 investiga se as notícias de crédito soberano associadas aos títulos brasileiros (medidas por uma variável abrangente de classificação de crédito) afetam a tendência comum de desacordo sobre as expectativas de taxas de câmbio no Brasil, bem como o desacordo para 12 e 24 meses à frente. Os resultados indicam que as notícias negativas (positivas) sobre crédito soberano, dadas por um rebaixamento (elevação) da nota soberana e/ou um status negativo (positivo) do outlook e credit watch, aumentam (diminuem) o desacordo das expectativas da taxa de câmbio. Portanto, as avaliações das ACRC podem afetar setores econômicos que dependem do valor futuro da taxa de câmbio para administrar seus negócios. Além disso, a noção de que notícias de crédito soberano podem afetar o processo de formação de expectativas em relação à taxa de câmbio pode contribuir para um governo mais comprometido com sua reputação de risco de default soberano. Por fim, o capítulo 3 tem como objetivo prever a percepção de risco soberano das principais ACRC relacionados aos títulos brasileiros por meio da aplicação de diferentes técnicas de Machine Learning e avaliar sua capacidade preditiva, a fim de descobrir qual é o melhor para esta tarefa. Com base em dados mensais de janeiro de 1996 a novembro de 2018, são realizados vários exercícios de previsão empregando os métodos K-Nearest Neighbors (KNN), Gradient Boosted Random Trees (GBRT) e Multilayer Perceptron (MLP). Os resultados sugerem que a técnica MLP é a mais confiável. Sua capacidade de previsão é relativamente alta em comparação com os outros dois métodos. Seus erros de previsão são os mais baixos nos exercícios de previsões out-of-sample e em toda amostra. Estes resultados são válidos se considerarmos a estrutura de classificação das ACRC como linear ou logarítmica. Além disso, seus erros de previsão não estão associados estatisticamente a mudanças na opinião das ACRC de qualquer espécie.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior-
Descrição: dc.descriptionGiven the importance of Credit Rating Agencies’ assessment in affecting international financial markets and the real economy, especially in developing countries, it is of great relevance the study of the most diverse aspects that involve the analysis of sovereign default likelihood. To this end, this thesis examines the assessment of the main credit risk rating agencies from three perspectives previously unexplored by the literature. Chapter 1 analyzes the effect of central bank transparency on sovereign risk ratings through two channels: the first is the direct channel, and occurs due to the reduction of uncertainties regarding monetary policy decisions; the second is an indirect channel, and occurs through the inflation rate. Based on a sample of 50 countries (where 40 are developing countries) for the period 1998-2014, and panel data methodology. The estimates suggest countries with greater central bank transparency present lower levels of inflation, and better sovereign risk ratings. Governments can raise their sovereign risk ratings by making efforts to raise central bank transparency. The results are observed for the full sample, and for the sample of developing countries. Chapter 2 investigates whether sovereign credit news associated to Brazilian bonds (measured by a comprehensive credit rating variable) affects the common trend of disagreement about exchange rate expectations in Brazil, as well as the disagreement for 12 and 24 months ahead. The results indicate that negative (positive) sovereign credit news, given by a rating downgrade (upgrade) and/or a negative (positive) outlook/watch status, increase (decrease) the disagreement about exchange rate expectations. Hence, CRAs’ assessments can affect economic sectors that rely on the future value of the exchange rate to run their business. Besides, the notion that sovereign credit news can affect the expectations formation process regarding the exchange rate may contribute to a government more committed with its sovereign credit risk reputation. Lastly, chapter 3 study aims to forecast sovereign risk perception of the main CRAs related to Brazilian bonds through the application of different Machine Learning techniques and evaluate their predictive accuracy in order to find out which one is best for this task. Based on monthly data from January 1996 to November 2018, we perform several forecast exercises employing the K-Nearest Neighbors, the Gradient Boosted Random Trees and the Multilayer Perceptron methods. Our results suggest that the Multilayer Perceptron technique is the most reliable one. Its predictive accuracy are relative high compared with the other two methods. Its forecast errors are the lowest in both the out-of-sample and whole sample forecasts’ exercises. These results holds if we consider the CRAs classification structure as linear or logarithmic. Moreover, its forecast errors are not statistically associated to changes in CRAs’ opinion of any sort.-
Descrição: dc.description96 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectNota soberana-
Palavras-chave: dc.subjectMetas de inflação-
Palavras-chave: dc.subjectTransparência monetária-
Palavras-chave: dc.subjectDesacordo de expectativas-
Palavras-chave: dc.subjectMachine Learning-
Palavras-chave: dc.subjectPolítica monetária-
Palavras-chave: dc.subjectRisco de crédito-
Palavras-chave: dc.subjectMeta inflacionária-
Palavras-chave: dc.subjectBancos centrais-
Palavras-chave: dc.subjectPaís em desenvolvimento-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectSovereign ratings-
Palavras-chave: dc.subjectInflation Targeting-
Palavras-chave: dc.subjectMonetary Transparency-
Palavras-chave: dc.subjectDisagreement in expectations-
Palavras-chave: dc.subjectMachine Learning-
Título: dc.titleEnsaios sobre a avaliação de risco de crédito soberano: determinantes, impacto sobre o desacordo das expectativas de câmbio e a capacidade de previsão de técnicas de Machine Learning-
Tipo de arquivo: dc.typeTese-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.