Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
8
Referências Bibliográficas
[1] A.M. Duarte Jr., “A Comparative Study of Downside Risk and Volatility
in Asset Allocation”, Investigación Operativa, Vol. 4, Nº 3, 1994, pp.213-
228.
[11] S.M. Lee, “Goal Programming for Decision Analysis”, Philadelphia, PA,
1972.
[13] P. Jorion, “Value at Risk: The New Benchmark for Controlling Market
Risk”, McGraw-Hill Companies Inc, 1997.
PUC-Rio - Certificação Digital Nº 0016234-CA
[21] A.D. Roy, ”Safety First and the Holding of Assets”, Econometrica, Vol.
20, Nº 3, 1952, pp.431-449.
[31] F. Azevedo, Z.A. Vale, A.A. Vale, “Decision-Support Tool for the
Establishment of Contracts in the Electricity Market”, IEEE Bologna
Power Tech Conference, Bologna, Italy, June, 2003.
[32] S.I. Palamarchuk, “Forward Contracts for Electricity and Their Correlation
with Spot Markets”, IEEE Bologna Power Tech Conference, Bologna,
Italy, June, 2003.
[34] T. Kristiansen, “Testing of Large Scale Systems with a New Tool for
Integrated Risk Management”, 14th Power System Computation
Conference, Seville, Spain, June, 2002.
[37] S. Sen, L. Yu, T. Genc, “Decision Aids for Scheduling and Hedging
(DASH) in Deregulated Electricity Markets: A Stochastic Programming
Approach to Power Portfolio Optimization”, Proceedings of the 2002
Winter Simulation Conference, San Diego, USA, December, 2002.
[47] X.V. Filho, B.G. Gorenstin, J.A. Medeiros, A.M. Oliveira, “Energy
Trading – The South American Experience”, VII SEPOPE, Curitiba,
Brazil, Maio, 2000.
[51] M.E.P. Maceira, L.A. Terry, J.M. Damazio, F.S. Costa, A.C.G. Melo,
“Chain of Optimization Models for Setting the Energy Dispatch and Spot
Price in the Brazilian System”, 14º PSCC, Sevilla, Espanha, 2002.
166
[55] A. Diniz, L.C.F. Souza, M.E.P. Maceira, F.S. Costa, L.A. Terry, “Manual
do Usuário Modelo DESSEM v 5.0”, Relatório Técnico CEPEL nº
DPP/PEN– 117/2000.
PUC-Rio - Certificação Digital Nº 0016234-CA
[58] CIGRÉ Task Force 38-05-09, “Contracts and Financial Instruments: New
Tools for Risk Management in Competitive Power Systems”, 38th CIGRE
Session, Paris, France, 2000.
[59] X.V. Filho, B.G. Gorenstin, A.C.G. Melo, E.N. Mesquita, J.C.O. Mello,
M.V.F. Pereira, “Future Trends on Financial Risk Strategies in the Power
Sector Market”, 38th CIGRE Session, Paris, France, 2000.
[60] L.G.B. Marzano, A.C.G. Melo, R.C. Souza, “Uma Abordagem para
Otimização de Portfólio de Contratos de Energia no Setor Elétrico
Brasileiro”, XXXIV SBPO, Rio de Janeiro, Brasil, 2002.
[61] L.G.B. Marzano, A.C.G. Melo, R.C. Souza, “Uma Abordagem para
Otimização de Portfólio de Contratos de Energia no Setor Elétrico
Brasileiro”, XVII SNPTEE - Seminário Nacional de Produção e
Transmissão de Energia Elétrica, Uberlândia, Brasil, 2003.
167
[62] L.G.B. Marzano, A.C.G. Melo, R.C. Souza, “An Approach for Portfolio
Optimization of Energy Contracts in the Brazilian Electric Sector”, IEEE
Bologna Power Tech 2003 Conference, Bologna, Italy, 2003.
9
Bibliografia
A.C.G. Melo, M.E.P. Maceira, L.L. Gomes, D.L. Jardim, A. Pinhel, R.P.
Caldas, A.M. Oliveira, “Financial Evaluation of Generation Projects
Considering Hydrologic Risk”, VII SEPOPE - Symposium of Specialists
in Electric Operational and Expansion Planning, Curitiba, Brasil, 2000.
A.C.G. Melo, A.C.C. Pinhel, L.L. Gomes, R. Torres, A.M. Oliveira, R.P.
Caldas, D. Jardim, M.E.P. Maceira, “Estratégias de Hedge contra o Risco
de Falhas em Termelétricas”, XVI SNPTEE - Seminário Nacional de
Produção e Transmissão de Energia Elétrica, Campinas, Brasil, 2001.
Apêndice A
Relação entre o Semidesvio Absoluto Médio e o Desvio Absoluto
Médio
em ordem crescente, e seja x o valor médio de tais realizações. Suponha que o valor de x
esteja situado entre x M e x M +1 . O valor médio x é dado por:
N M N
∑ xi ∑ xi + ∑ xi
x = i =1 = i =1 i = M +1 (A.1)
N N
N
N
(
∑ xi − x ) ∑ x i − ( N − M ) x
SD + = i = M +1 = i = M +1 (A.2)
N N
M
(
∑ x − xi ) M x − ∑ xi
M
SD − = i =1 = i =1 (A.3)
N N
172
M N
∑ xi = N x − ∑ xi (A.4)
i =1 i = M +1
N N N
M x−Nx+ ∑ xi (M − N ) x + ∑ xi ∑ x i − (N − M ) x
SD − = i = M +1 = i = M +1 = i = M +1 = SD +
N N N
N M N
∑ xi − x ∑ (x − x i ) + ∑ (x i − x)
DA = i =1 = i =1 i = M +1 = SD − + SD +
N N
Como o desvio absoluto médio é dado pela soma do semidesvio absoluto médio
positivo com o semidesvio absoluto médio negativo, e estes últimos são iguais, pode-se
concluir que o semidesvio absoluto médio é a metade do desvio absoluto médio. Logo, a
minimização de ambos é equivalente.
173
Apêndice B
Características do VaR
Foi dito no capítulo 2 que o VaR, quando se trabalha com distribuições discretas, é uma
função não convexa, não diferenciável em alguns pontos, e que apresenta múltiplos extremos
locais. Neste apêndice é apresentada a demonstração, reproduzida de [14], de que o VaR
possui tais características.
N
z j ( x ) = − ∑ x i rij
i =1
N
z j ( x ) = − x k rkj + Κ kj onde Κ kj = − ∑ x i rij
i =1
i≠k
Supondo-se que o VaR seja dado pela segunda maior perda, é apresentada na Figura B.1 o
VaR do portfólio em função da posição investida no ativo k (assume-se, por simplicidade, que
para todo x k os quatro cenários de maior perda estejam sempre entre os cenários 1, 2, 3, e 4).
174
z j (x k )
z1 ( x k )
z 2 (x k )
xk
z 3 (x k )
z 4 (x k )
Figura B.1 – Perda do Portfólio versus Posição Investida no Ativo k
PUC-Rio - Certificação Digital Nº 0016234-CA
Da Figura B.1, verifica-se a não convexidade do VaR, assim como sua não contínua
diferenciabilidade, e a presença de múltiplos mínimos locais.
175
Apêndice C
α) em α Resulta no CVaR do
Prova de que a Minimização de Fβ (x,α
Portfólio
1 +∞ +
Fβ ( x, α) = α + ∫ [z − α] p(ω) dω (C.1)
1 − β −∞
∂ Fβ ( x, α) 1 ∂ + ∞ +
= 1+ ∫ [z − α] p(ω) dω (C.2)
∂α 1 − β ∂ α − ∞
Conforme demonstrado1 por Shapiro e Wardi em [63], se uma função f (θ) é convexa2,
então:
1
Tal demonstração utiliza teoremas avançados da teoria da medida e integração, e não será aqui apresentada.
2
Como é a nossa função [z - α]+.
176
∂ Fβ ( x, α) 1 +∞ ∂
= 1+ ∫ [z − α]+ p(ω) dω (C.4)
∂α 1 − β −∞ ∂ α
Mas:
z − α se z ≥ α
+
[z − α] = (C.5)
0 caso contrário
Logo:
PUC-Rio - Certificação Digital Nº 0016234-CA
− 1 se z ≥ α
∂ +
[ z − α] = (C.6)
∂α
0 caso contrário
Com isso:
∂Fβ ( x , α) 1
= 1− ∫ p(ω) dω (C.7)
∂α 1 − β z≥α
∫ p(ω) dω = 1 − β (C.8)
z≥α
isso:
1
Vide expressão 2.7, capítulo 2.
177
1 +∞ +
Min Fβ ( x, α) = Fβ ( x, α β ( x )) = α β ( x ) + ∫ [z − α β ( x )] p(ω) dω (C.9)
α 1 − β −∞
Mas,
+∞
+
∫ [z − α β ( x )] p(ω) dω = ∫ [z − α β ( x )] p(ω) dω
−∞ z ≥ α β (x) (C.10)
= ∫ z p(ω) dω − α β ( x ) ∫ p(ω) dω
z ≥ α β (x) z ≥ α β (x)
(1 − β) .2
PUC-Rio - Certificação Digital Nº 0016234-CA
Com isso,
+∞
+
∫ [z − α β ( x )] p(ω) dω = (1 − β) [φβ ( x ) − α β ( x )] (C.11)
−∞
1
Min Fβ ( x , α) = α β ( x ) + [(1 − β) (φβ ( x ) − α β ( x ))] = φβ ( x )
α 1− β
1
Vide expressão (2.11), capítulo 2.
2
Vide expressão (2.7), capítulo 2.
178
Apêndice D
Consistência do Par D(X1) = E[X1] – inf[X1] e R(X1) = –inf [X1]
Axioma B1:
D(X1 + C) = E[X1 + C] − inf [X1 + C] = E[X1 ] + C − inf [X1 ] − C
PUC-Rio - Certificação Digital Nº 0016234-CA
Axioma B2:
D(X1 + X 2 ) = E[X1 + X 2 ] − inf [X1 + X 2 ]
D(X1 + X 2 ) = E[X1 ] + E[X 2 ] − inf [X1 + X 2 ] ≤ E[X1 ] + E[X 2 ] − inf [X1 ] − inf [X 2 ]
D(X1 + X 2 ) ≤ E[X1 ] − inf [X1 ] + E[X 2 ] − inf [X 2 ] = D(X1 ) + D(X 2 )
Axioma B3:
D(λX1 ) = E[λX1 ] − inf [λX1 ] = λE[X1 ] − λ inf [X1 ] = λD[X1 ]
Axioma B4:
Se X1 não é constante:
D(X1 ) = E[X1 ] − inf [X1 ] > 0
Se X1 é constante:
D(X1 ) = E[X1 ] − inf [X1 ] = 0
Axioma A1:
R (X1 + C) = − inf [X1 + C] = − inf [X1 ] − C = R (X1 ) − C
Axioma A2:
R (X1 + X 2 ) = − inf [X1 + X 2 ] ≤ − inf [X1 ] − inf [X 2 ] = R(X1 ) + R (X 2 )
Axioma A3:
R (λX1 ) = − inf [λX1 ] = −λ inf [X1 ] = λR[X1 ]
Axioma A4:
Se X1 ≤ X 2 , então − inf [X1 ] ≥ − inf [X 2 ] ⇒ R (X1 ) ≥ R (X 2 )
Conclusão:
A medida de desvio D(X1 ) = E[X1 ] − inf [X1 ] , que satisfaz os axiomas B1, B2, B3 e
B4, é uma medida de desvio consistente, já que a medida de risco associada
180
R (X1 ) = − inf [X1 ] satisfaz os axiomas A1, A2, A3 e A4, ou seja, é uma medida de risco
consistente.
PUC-Rio - Certificação Digital Nº 0016234-CA
181
Apêndice E
Consistência do CVaR
Foi dito no capítulo 2 que o CVaR é uma medida de risco consistente. Tal característica
é demonstrada neste apêndice.
1 S
φβ (X1 ) = Min α + ∑ us
α, u s (1 − β) S s =1
s.a. (E.1)
u s ≥ −X1s − α s = 1,..., S
us ≥ 0 s = 1,..., S
φβ (X1 ) = Min α + b T U
α, U
s.a. (E.2)
Α + I U ≥ -X1
U≥0
onde:
1 1
bT = U T = [u1 ,....., u S ]1xS
(1 − β) S 1xS
,.....,
(1 − β) S
1
Lembre-se que a distribuição de perdas é dada pelo negativo da distribuição de retornos, por isso X1 aparece
com sinal negativo na restrição de (E.1).
182
onde ηT = [η1 ,....., ηS ]1xS são as variáveis duais associadas às restrições de (E.2).
PUC-Rio - Certificação Digital Nº 0016234-CA
A formulação (E.3) será utilizada na prova de que o CVaR é uma medida consistente de
risco.
φβ (X1 + C) = Max
η∈ℵ
[− η X
T
1 − ηT C ]
S
onde ℵ é a região tal que ∑ ηs = 1, 0 ≤ η ≤ b , e C T = [c,....., c]1xS .
s =1
S
Como ∑ ηs = 1, então ηT C = c . Com isso:
s =1
φβ (X1 + C) = Max
η∈ℵ
[− η X − c]
T
1 = φ β ( X1 ) − C
183
φβ (X1 + X 2 ) = Max
η∈ℵ
[− η X
T
1 − ηT X 2 ] ≤ Max
η∈ℵ
[− η X ]+ Max [− η X ]
T
1
η∈ℵ
T
2
= φβ (X1 ) + φβ (X 2 )
φβ (λX1 ) = Max
η∈ℵ
[− λη X ]
T
1 = λ Max
η∈ℵ
[− η X ] = λφ (X )
T
1 β 1
φβ (X1 ) = Max
η∈ℵ
[− η X ]
T
1 ≥ Max
η∈ℵ
[− η X ] = φ (X
T
2 β 2)
Conclusão:
Como o CVaR satisfaz os axiomas A1, A2, A3 e A4, é uma medida consistente de risco.
PUC-Rio - Certificação Digital Nº 0016234-CA
185
Apêndice F
Comportamento da Fronteira Eficiente de Contratação
obtida com a Primeira Abordagem Proposta na Tese
1 T
Minimizar x A x + bT x
x 2
s.a. (F.1)
Cx ≤ µ
1 T
L( x, η) = x A x + b T x + η T (C x − µ )
2
1 T
L( x, η) = x A x + x T b + ηT C x − ηT µ
2
1 T
L( x, η) = x A x + x T b + x T C T η − ηT µ
2
1 T
L( x, η) = x A x + x T (b + C T η) − ηT µ
2
186
1 T
Maximizar Minimizar x A x + x T (b + C T η) − ηT µ (F.2)
η≥ 0 x 2
∂L( x, η)
= 0 ⇒ A x + b + CT η = 0 (F.3)
∂x
x = −A −1 (b + C T η) (F.4)
PUC-Rio - Certificação Digital Nº 0016234-CA
x T (b + C T η) = − x T A x (F.5)
1
Maximizar − x T A x − ηT µ (F.6)
η≥ 0 2
−
1 T
2
1 1
[ ]
T
x A x = x T (b + C T η) = − (b + C T η) T A −1 (b + C T η)
2 2
(F.7)
1 T
[ ]
Maximizar − (b + C T η) A −1 (b + C T η) − ηT µ
η≥ 0 2
187
que é equivalente a:
1
[ ]
T
Minimizar (b + C T η) A −1 (b + C T η) + ηT µ
η≥ 0 2
(F.8)
1 T
g(µ) = Minimizar x A x + bT x
PUC-Rio - Certificação Digital Nº 0016234-CA
x 2
s.a. (F.9)
Cx ≤ µ
1
[ ]
T
g(µ) = Minimizar (b + C T η) A −1 (b + C T η) + ηT µ
η≥ 0 2
(F.10)