Assimetria da Volatilidade e Relação entre Preço e Volume dos Mercados Latino Americanos Pelos Métodos da Família ARCH.
|
|
- Geraldo Deluca Ribeiro
- 6 Há anos
- Visualizações:
Transcrição
1 Assimetria da Volatilidade e Relação entre Preço e Volume dos Mercados Latino Americanos Pelos Métodos da Família ARCH. Autoria: Luciana de Souza Lima, Ricardo Martins de Paiva Bastos, Marcelo Cabus Klotzle, Antônio Carlos Figueiredo Pinto Este artigo visa analisar a assimetria da volatilidade e a relação entre preço e volume dos mercados latino americanos utilizando a metodologia da família ARCH. O estudo examina os índices representativos do mercado acionário de seis países entre 2002 e A assimetria da volatilidade foi estimada por meio do modelo TARCH enquanto a relação entre preço e volume por GARCH, ambos estimados por máxima verossimilhança. Os resultados obtidos sugerem que há assimetria na volatilidade para todos os mercados pesquisados, bem como a persistência dos choques, que leva alguns períodos para se dissipar.
2 1. Introdução Do ponto de vista teórico e prático, retorno de ações, volume negociado e volatilidade do retorno são juntamente e simultaneamente determinados pela mesma dinâmica de mercado, e são intrinsecamente ligados. A relação entre risco (volatilidade) e retorno é um importante aspecto a ser considerado ao se atribuir valor às ações. Diversas pesquisas examinaram esta relação em determinados períodos de tempo, dentre as quais se relacionam os estudos de Fama e Schwert (1977), Harvey (1989), Nelson (1991), Ceretta e Costa Jr. (1999), Otuki et al (2008), Chuang, Liu, Susmel (2012), entre outros. Existe um senso comum entre investidores que relaciona um maior retorno esperado às ações consideradas mais arriscadas. Entretanto, não há uma concordância sobre a relação entre risco e retorno ao longo do tempo. De acordo com Glosten, Jagannathan e Runkle (1993), os investidores exigiriam um maior prêmio de risco quando a volatilidade dos papéis fosse maior. Por outro lado, nesses períodos os investidores poderiam estar dispostos a correr riscos maiores, o que não impactaria tanto o prêmio de risco. Segundo Otuki et al (2008), a modelagem e previsão da volatilidade pode ser um importante objeto de estudo na área financeira, uma vez que antecipar o comportamento futuro da volatilidade ajudaria na formulação de estratégias de investimentos. Existem diversas formas de se calcular volatilidade, dentre as quais utilizaremos aquelas da família ARCH, que nos permitem calcular as oscilações da volatilidade ao longo de uma série de dados financeiros. As oscilações da volatilidade condicionada, segundo Bollerslev, Chou e Kroner (1992), seriam então capturadas observando o quadrado do erro e a própria volatilidade condicionada em períodos anteriores, utilizando-se geralmente o período imediatamente anterior. Os modelos ARCH/GARCH são simétricos, ou seja, seu efeito sobre a volatilidade é o mesmo independente de a previsão do erro ser positiva ou negativa. Assim, foram desenvolvidos os modelos GJR-GARCH e TARCH, propostos por Glosten, Jagannathan e Runkle (1993) e Zakoian (1994), respectivamente, que evidenciam a assimetria na volatilidade. De acordo com Pagan (1984), em um típico processo de estimação em dois passos, o retorno da volatilidade é estimado pelo modelo GARCH em um primeiro passo. Depois, as relações entre volume negociado e volatilidade do retorno são examinadas num segundo passo. Uma questão empírica verificada na literatura diz respeito à dinâmica de volume de negociação. O volume negociado pode também apresentar uma variância ao longo do tempo assim como o retorno das ações. Consequentemente, a estimativa habitual por OLS (mínimos quadrados ordinários) do volume negociado pode ser ineficiente, pois também pode levar a vieses. Neste estudo, utilizamos um sistema de equações bivariado para estimar o comportamento dinâmico de retornos e volume. Para isto, especificamos as equações de média condicional de retorno e volume como um vetor autorregressivo (VAR), que nos permite analisar a relação entre retorno e volume negociado. 2
3 No presente artigo, analisaremos o efeito assimétrico da volatilidade para seis mercados de ações latino-americanos utilizando o modelo TARCH e a relação entre retorno e volume negociado através do modelo GARCH (1,1). Não obstante a relevância do tema, a literatura sobre o assunto ainda é escassa, possivelmente pela complexidade dos modelos matemáticos envolvidos. Ressalta-se que foram observados poucos artigos acerca do tema aplicados aos mercados de ações da América Latina. O artigo está organizado da seguinte forma. Na próxima seção é feita uma revisão da literatura sobre os modelos da família ARCH. Na seção 3 apresentamos a metodologia, relacionando os modelos utilizados. A seguir relacionamos os resultados e, por fim, concluímos o estudo. 2. Referencial Teórico Os modelos heterocedásticos de estimação da variância foram originados a partir de observações que mostraram retornos altos serem seguidos por outros retornos elevados, fazendo com que a variância apresente grande correlação serial. Os modelos ARCH (Autoregressive Conditional Heterocedasticity) foram propostos por Engle (1982) com a finalidade de incorporar esse comportamento à variância. Neste modelo, a variância condicional é uma função linear do quadrado das inovações passadas. Assim, o modelo ARCH(q) pode ter a seguinte forma: R t c (o retorno em t é igual a uma constante acrescida do erro residual do modelo), t E( ) 0, t E( 2 ) 1, t E (informações disponíveis em t-1), 2 2 ( t \ I t1 ) t, I t1 2 t 0 q i1, i 2 ti Para que esse modelo seja bem definido e a variância condicional seja positiva, as restrições paramétricas devem satisfazer α 0 > 0, α i > 0, para i = 1, 2,..., p. Bollerslev (1986) propôs uma versão generalizada do modelo ARCH denominada GARCH (Generalized Autoregressive Conditional Heterocedasticity). Neste modelo são incluídas as variâncias passadas à função linear da variância condicional, o que faz com que a variância dependa não só dos quadrados dos erros anteriores, mas também de sua própria variância em momentos anteriores. O modelo completo GARCH (p,q) adiciona p termos autorregressivos à especificação ARCH(q) e a equação da variância tem a seguinte representação: 3
4 = + + onde: = variância condicional em t; = constante; = erro observado ao quadrado em t - i; = variância condicional em t - j; = parâmetro associado em termo ; = parâmetro associado em termo ; Para que a variância do processo seja positiva e estacionária, α 0 > 0, α 1 0 e β j 0. Além disso, a soma dos parâmetros revela a persistência da volatilidade, ou seja, o quanto um choque no retorno hoje é propagado ao longo do tempo sobre a volatilidade doa retornos futuros. Para que exista um processo estacionário, deve-se observar a seguinte relação: <1 + Entretanto, apesar de remover algumas características das séries financeiras como a leptocurtose e o agrupamento de volatilidade, o modelo GARCH não resolve o problema da assimetria de sua distribuição (efeito leverage) não contemplando a distinção entre choques positivos e negativos. Um modelo que captura a assimetria da volatilidade foi proposto por Zakoian (1994). O modelo TARCH (Threshold Autoregressive Conditional Heterocedasticity) indica a influência com que os choques negativos apresentam maiores impactos que os positivos sobre a volatilidade e tem a seguinte forma: = + onde: + = variância condicional em t; = constante; + = erro observado ao quadrado em t - 1; = parâmetros do modelo; = variância condicional em t - 1; 4
5 Neste modelo é acrescentada uma variável dummy (d t-1 ), tal que d t-1 =1, se ε t-1 < 0 (choque negativo) e d t-1 = 0, se ε t-1 > 0 (choque positivo). Ceretta e Costa Jr. (1999) investigaram o relacionamento risco-retorno, a presença de comportamento assimétrico na volatilidade condicionada e a de sazonalidade diária nas variações de preço e na própria volatilidade dos índices representativos dos mercados de ações. O estudo examinou cinco países da América Latina, no período de janeiro de 1994 a junho de Foi utilizado o modelo GJR-GARCH (1,1)-M estimado por máxima verossimilhança. Os resultados obtidos sugerem que não há relacionamento significativo entre volatilidade condicionada e retorno. A volatilidade condicionada, por sua vez, exibe um comportamento assimétrico na maioria dos países. A sazonalidade diária nas taxas de retorno ocorre no México, Peru e Venezuela, enquanto a sazonalidade diária na volatilidade condicionada não se mostra significativa em nenhum dos cinco países. Otuki et al (2008) buscaram evidências do efeito assimétrico na volatilidade das séries de retornos dos índices de ações da Argentina, Brasil e México durante o período de janeiro de 2000 a dezembro de 2005, utilizando modelos da classe ARCH e mostrando maior influência dos eventos negativos do que positivos, de mesma intensidade, sobre a volatilidade das séries analisadas, verificando ainda que os choques nas séries de retornos têm efeito por vários períodos. Diversos trabalhos teóricos têm se dedicado a explicar a relação causal entre retornos e volume. Blume, Easley e O hara (1994), Suominen (2001), entre outros, argumentam que o volume negociado descreve o comportamento do mercado e influencia nas decisões dos seus participantes, o que sugere uma forte relação, não apenas contemporânea, mas causal, entre o volume e a volatilidade dos retornos. Por outro lado, uma correlação positiva entre retornos defasados e volume de negócios pode ser derivada de modelos de finanças comportamentais como estudado por Shefrin e Statman (1985) e Gervais e Odean (2001). A literatura empírica encontra resultados divergentes sobre a relação dinâmica entre volume e preço de ações. Alguns estudos encontraram a capacidade do volume de prever retornos, enquanto outros acham um resultado oposto. Para Lee e Swaminathan (2000) e Gervais, Kaniel, e Mingelgrin (2001), o volume passado contém informações valiosas sobre os retornos de ações futuras. Por outro lado, Griffin et ai. (2007) argumentam que retornos elevados de preço seguidos por altas de volume são um fenômeno global. Além disso, Hiemstra e Jones (1994) e Malliaris e Urrutia (1998), por exemplo, documentam uma relação defasada entre retorno e volume em ambos os sentidos, tanto no mercado de ações como no futuro. Chuang, Liu, Susmel (2012) utilizaram o modelo bivariado GARCH-GJR para investigar simultaneamente a relação causal e contemporânea entre volume negociado e retorno de ações e a relação de causalidade entre o volume negociado e a volatilidade em um processo de estimação one-step, que leva a uma estimativa mais consistente eficiente e mais alinhado a teoria financeira. 5
6 Os autores estudaram dez mercados asiáticos: Hong Kong, Japão, Coréia do Sul, Cingapura, Taiwan, China, Indonésia, Malásia, Filipinas e Tailândia, do período de Jan 1998 Dez Concluem que a relação contemporânea entre retorno e volume negociado e a de causalidade entre volume negociado e retorno são significativas e robustas em todos os índices. Além disso, existe uma causalidade positiva bidirecional entre retorno e volume negociado em Taiwan e na China e entre volume negociado e volatilidade no Japão, Coréia do Sul, Cingapura e Taiwan. Encontrou-se também uma relação contemporânea positiva entre volume negociado e volatilidade em Hong Kong, Coréia do Sul, Cingapura, China, Indonésia e Tailândia e negativa no Japão e Taiwan. Finalmente, foi encontrado um efeito assimétrico significativo entre retorno e volatilidade em todos os índices analisados. 3. Metodologia Para esta pesquisa utilizamos os preços de fechamento diário e o volume negociado no mercado acionário de seis países latino-americanos: Argentina, Brasil, Chile, Colômbia, México e Peru. Os dados foram extraídos da base do sistema Economática. A amostra cobre o período de 02 de janeiro de 2002 a 31 de outubro de 2012 e retrata o comportamento desses mercados nos períodos pré e pós- crise econômica mundial de Os índices de ações estudados foram o Merval da Argentina, o Ibovespa do Brasil, o IPSA do Chile, o IGBC da Colômbia, o INMEX do México e o IGBVL do Peru. Os modelos foram estimados com as séries em moeda local, no intuito de se desconsiderar o efeito da variação cambial nos retornos e volumes. As datas referentes a feriados nacionais e outras que não constam na base de dados não foram consideradas para o presente estudo. A taxa de retorno para cada um dos índices foi calculada em forma logarítmica pela expressão r i,t = l n P i,t l n P i,t-1, onde r i,t é o retorno do índice i no dia t, P i,t é o preço de fechamento do índice no mercado i em t e P i,t-1 é o preço de fechamento do índice i no dia t-1. A estatística descritiva de cada série dos índices de mercado foi calculada com o objetivo de encontrar características comuns às séries financeiras. Calculou-se também o coeficiente de autocorrelação e autocorrelação parcial dos retornos e os retornos ao quadrado dos seis índices. Além disso, realizou-se o teste de heterocedasticidade ARCH-LM (utilizando o multiplicador de Lagrange) proposto por Engle (1982) a fim de constatar se a volatilidade dos retornos possui um padrão ARCH. A modelagem da assimetria da volatilidade foi então efetuada por meio do modelo TARCH. Para o cálculo da relação preço x volume, primeiramente analisamos a correlação com teste de estatística T para verificar a significância. Em seguida, efetuamos o teste de causalidade de Granger com 10 defasagens para testar a relação causal entre o preço de fechamento diário dos índices e o volume negociado. A relação entre as variáveis preço e volume, em valor absoluto, por GARCH (1,1), foi calculada pelo método de estimação ARCH Maximum Likelihood (Marquardt), com 6
7 especificação de covariância pela diagonal VECH, que permite a análise das relações de variância condicional entre as séries. Em seguida, rodou-se uma regressão tendo como variável dependente primeiro o volume e outra com o preço, pelo método ML-ARCH para cada índice, a fim de ratificar os resultados de causalidade. Todos os parâmetros foram estimados pelo método de máxima verossimilhança e o algoritmo Marquardt. 4. Resultados A seguir segue as tabelas com os resultados das simulações e os gráficos gerados a partir delas. Tabela 1. Estatísticas descritivas das séries de retornos dos índices para cada país. Estatística Brasil Argentina Chile Colômbia México Peru Média (em %) 0, , , , , , Mediana(em %) 0, , , , , , Máximo(em %) 13, , , , , ,81556 Mínimo (em %) -12, ,9516-7,173-11,0521-7, ,2908 Desvio-padrão (em %) 1, , , , , , Assimetria -0, , , , , ,5489 Curtose 7, , , , , ,27854 Jarque-Bera (JB) 2284, , , , , ,45 Valor-p JB 0, , , , , , Observações ρ (1) -0,064-0,035 0,006-0,013-0,025 0,007 S (5) -0,02 0,03-0,024 0,002-0,027 0,041 ARCH(10) 99,47221***46,72752***64,88698***109,0435***58,94946***112,9207*** A tabela 1 mostra as estatísticas descritivas das séries de retornos analisadas. Observa-se que os retornos médios variam entre 0,046962% no IPSA (Chile) e 0,106234% no IGBVL (Peru). Os retornos médios são inferiores à mediana em todos os países analisados, com exceção do IGBVL (Peru). A volatilidade medida pelo desvio-padrão é alta, variando de 1,063466% no IPSA (Chile) a 2,049263% no Merval (Argentina). O coeficiente de curtose apresenta valores altos para todas as séries, caracterizando-as como platicúrticas em relação à distribuição normal. Os elevados valores do coeficiente de curtose e da estatística Jarque-Bera (baseada em diferenças entre assimetria e curtose da distribuição da série em relação à normal) sugerem a rejeição da hipótese nula de que as séries seguem uma distribuição normal. Na tabela 1, ρ (1) é o coeficiente de autocorrelação de primeira ordem e S (5) refere-se à soma das cinco primeiras autocorrelações. As autocorrelações são significativas a 1% em todos os mercados analisados. Nos índices do Brasil e da Argentina as primeiras correlações não se 7
8 mostram significativas, o que muda a medida que mais iterações são efetuadas. Estes valores denotam sinais de previsibilidade, que evidenciam o efeito ARCH nas séries. O parâmetro ARCH(10) denota o teste multiplicador de Lagrange (nr 2 ) da equação ε t 2 = α 0+ 5 i=1 α i ε t-i 2 em que n é o número de observações e R 2 é o coeficiente de determinação. Na hipótese nula, todos os coeficientes das defasagens do quadrado dos resíduos são zero. Dessa forma, esta estatística deverá convergir para uma distribuição X 2 com i graus de liberdade. O teste, com 10 defasagens, mostra valores significativos a 1% em todos índices analisados, o que nos permite inferir que a hipótese nula de não haver heterocedasticidade condicional autorregressiva nas séries de retornos pode ser rejeitada. Os principais resultados da estimação para as equações da média e da variância condicional dos retornos dos índices pesquisados são apresentados nas tabelas 2 e 3, respectivamente. Tabela 2. Resultados das equações da média de cada índice pelo método TARCH Variável Ibovespa Merval IPSA IGBC INMEX IGBVL C 0,0479 0,0717 ** 0,0654*** 0,1110*** 0,0662*** 0,1216*** Tabela 3. Resultados das equações da variância de cada índice pelo método TARCH Coeficientes Ibovespa Merval IPSA IGBC INMEX IGBVL C 0,08627*** 0,1380*** 0,0404*** 0,1543*** 0,0430*** 0,0568*** ɛ t-1 0,0104 0,0596*** 0,0781*** 0,1576*** 0,0069 0,1797*** d t-1 ɛ 2 t-1 0,01058*** 0,0594*** 0,1302*** 0,1251*** 0,1485*** 0,0582*** σ 2 t-1 0,90698*** 0,8702*** 0,8154*** 0,6888*** 0,8914*** 0,7743*** Para série de retornos do Ibovespa, com exceção da constante da equação da média e do parâmetro εt-1 (termo ARCH), todos os demais parâmetros são significativos ao nível de 1%. O termo dt-1 ε2t-1 remete ao modelo TARCH e mostra evidências de assimetria da volatilidade. Dessa forma, os resultados comprovam que no período analisado, os choques negativos foram mais prevalentes que os choques positivos no índice Ibovespa. A persistência dos choques, dada pela soma dos termos εt-1 e σ2t-1 atinge o valor de 0,9174, o que evidencia que um choque na série de retornos do Ibovespa terá efeito por vários períodos. O termo dt-1 ε2t-1, que refere-se ao modelo TARCH, mostra evidências de assimetria da volatilidade no índice Merval, da mesma forma que foi verificado no Ibovespa. Quanto à perseverança dos choques, o valor de 0,9298 encontrado pela soma dos termos ARCH e GARCH, permite inferir que um choque na série de retornos do Merval terá efeito por vários períodos. Com exceção da constante da equação da, todos os demais parâmetros são significativos ao nível de 1%. 8
9 Observa-se que todos os parâmetros são significativos ao nível de 1% para o IPSA. Assim, também fica evidenciado que no período analisado os choques negativos foram mais prevalentes que os choques positivos. Além disso, um choque na série de retornos do IPSA terá efeitos por vários períodos (ε t-1 + σ 2 t-1 = 0,8935). O índice colombiano IGBC também mostra que todos os parâmetros são significativos ao nível de 1%. Dessa forma, a assimetria da volatilidade e a perseverança dos choques (εt-1 + σ2t-1 = 0,8464) são confirmadas. Observa-se para o INMEX que, com exceção do termo εt-1, todos os demais parâmetros são significativos ao nível de 1%, o que nos fornece evidencias de assimetria da volatilidade do índice no período analisado. A persistência dos choques também é evidenciada (εt-1 + σ2t-1 = 0,8983). O termo d t-1 ε 2 t-1, que remete ao modelo TARCH, mostra evidências de assimetria da volatilidade no índice peruano IGBVL. Assim como nos demais índices analisados, um choque na série de retornos do IGBVL terá efeito por vários períodos, pois a soma dos termos ARCH e GARCH atinge o valor de 0,9541, bem próximo da unidade. Tabela 4. Estatísticas descritivas das séries de variação de volume dos índices para cada país. IBOVESPA MERVAL IPSA IGBC INMEX IGBVL Média (em %) 0,095 0,024 0,071 0,177 0,056 0,063 Mediana (em %) -0,779 0,338 0,655 0,880-1,229-0,739 Máximo (em %) 190, , , , , ,330 Mínimo (em %) -132, , , , , ,797 Desvio-Padrão (em %) 31,382 53,544 50, ,769 53,639 88,825 Assimetria 0,242-0,203-0,027 0,161 0,256-0,005 Curtose 6,155 23,242 6, ,957 12,060 7,665 A tabela 4 ilustra a estatística descritiva para cada série de volume. Os volumes médios variam entre 0,024% na Argentina e 0,177% na Colômbia. Há uma considerável dispersão em todas as séries, que mostram ser assimétricas. Em relação à curtose, todas as distribuições são platicúrticas, sinalizando que as séries não seguem uma distribuição normal. A análise de volume e preço a partir do coeficiente de correlação sugere que a correlação entre essas séries são estatisticamente significativas para os índices de todos os países, como pode ser observado na tabela 5. A correlação é mais forte para o IBOV, INMEX, IGBC e IPSA. Aplicou-se o Teste de Causalidade de Granger, visando identificar se há entre preço e volume: causalidade unilateral de volume para preço, causalidade unilateral de preço para volume, bicausalidade ou independência. Os resultados apresentados na tabela 5 revelam que há relação de bicausalidade entre preço e volume para os índices IGBVL, IPSA, INMEX e IGBC a um nível de significância a partir de 10%. Para o IBOV, os resultados sugerem que o preço causa o volume enquanto que para o MERVAL o volume causa o preço. 9
10 Tabela 5. Correlação e Teste de Granger entre Preço e Volume dos Índices de Mercados IBOV IGBC IGBVL INMEX IPSA MERVAL Observações Coeficiente de Correlação 0,8667 0,6480 0,2107 0,7305 0,6141 0,2197 T-Statistic 90,0461*** 43,7257*** 11,2074*** 55,9153*** 40,4742*** 11,6262*** Teste de Granger (F-Statistic) Volume não Causa Preço 0, ,106** 334,263*** 2,0311** 178,86* 232,570*** Preço não Causa Volume 751,822*** 127,813*** 676,315*** 13,2514*** 101,945*** 0,95441 Os resultados apresentados na tabela 6 dos coeficientes de variância condicionada do Modelo GARCH (1,1), calculados pela equação GARCH = M + A1.*RESID(-1)*RESID(-1)' + B1.*GARCH(-1), demonstram ser significativos e positivos para todos os coeficientes ARCH e GARCH das relações entre a covariância dos resíduos das série 1(preço) e 2 (volume) para cada índice, ao encontro dos resultados encontrados por Chuang, Liu, Susmel (2012) para o mercado asiático. Tabela 6. Coeficientes de variância transformados para as séries de preço e volume Coeficientes de Variância Ibovespa IBGC IGBVL INMEX IPSA MERVAL A1(1,1) 0,6187*** 0,7042*** 2,3159*** 0,7954*** 0,9544*** 0,7783*** A1(1,2) 0,7276*** 0,7789*** 0,3606*** 0,6149*** 0,7010*** 0,5270*** A1(2,2) 0,6713*** 0,2218*** 0,4120*** 0,5072*** 0,6857*** 0,6341*** B1(1,1) 0,1437*** 0,8312*** -0,8291*** 0,1629*** 0,0301 0,2178*** B1(1,2) 0,0455*** 0,4371*** 0,7257*** 0,1597*** 0,0793*** 0,3991*** B1(2,2) 0,0180*** 0,2762*** 0,4367*** 0,0791*** 0,0072 Tipo da covariância: Diagonal VECH 0,3197*** Apenas o IPSA, do Chile, não apresentou resultado significativo nos coeficientes calculados pelo método GARCH para preço B1(1,1) e para volume B(2,2), o que indica que a volatilidade condicional passada não exerce influência sobre a presente variância, ao contrário dos resíduos calculados por ARCH para o mesmo índice, que pelo resultado significativo impacta a variância atual. Os resultados ilustrados na tabela 7 das regressões calculadas individualmente para cada índice tendo como variável dependente o volume e variável independente o preço calculados pelo Método ML-GARCH: GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1), indicam relação positiva e significativa para todos os índices. O elevado R 2 ajustado para o IBOV ratifica o resultado de Granger que Preço causa volume. Já o R 2 negativo para o MERVAL corrobora o teste de Granger para o índice em que Preço não causa Volume, embora o resultado tenha sido significante. 10
11 Tabela 7. Resultado das Regressões para Volume pelo Método ML-ARCH Variável Coeficiente Z-statistic R 2 ajustado Interações para alcançar convergência IBOVPreço 95,73*** 74,0159 0, IBGCPreço ,32*** 36,7773 0, IGBVLPreço 2,81*** 6,2502 0, INMEXPreço 2.404,16*** 95,0241 0, IPSAPreço ,27*** 52,0203 0, MERVALPreço 13,58*** 38,1587-0, A regressão pela relação inversa, em que preço passa a ser a variável dependente e volume a explicativa, apresenta significância para todos os índices, com exceção do IGBVL (tabela 8). O volume do IBOV explica 75% do preço. Assim, no período analisado, os resultados por GARCH apontam que o Ibovespa teve relação bicausal entre preço e volume. Quanto ao MERVAL, apesar do resultado ter sido significante, corroborando o teste de Granger, a relação é muito fraca. Tabela 8. Resultado das Regressões para Preço pelo Método ML-ARCH Variável Coeficiente Z-statistic R 2 ajustado Interações para alcançar convergência IBOVVolume 0,007 *** 82,7516 0, IBGCVolume 2,901 *** 42,6184 0, IGBVLVolume 0,001 1,1416-0, INMEXVolume 1,856 *** 141,5293 0, IPSAVolume 1,278 *** 40,4856 0, MERVALVolume 0,001*** 4,1391 0, Considerações Finais O objetivo deste estudo foi investigar evidências da presença de assimetria na volatilidade condicionada e a relação causal entre preço e volume negociado nas séries de índices de ações de seis países latino-americanos (Brasil, Argentina, Chile, Colômbia, México e Peru) no período de 02 de janeiro de 2002 a 31 de outubro de 2012, utilizando modelos econométricos da família ARCH. Os resultados obtidos permitem inferir que os seis índices analisados apresentaram comportamento assimétrico na volatilidade, indicando que os choques negativos causam maior impacto à variação dos retornos do que choques positivos de mesma intensidade. Além disso, esses choques mostraram-se persistentes, sugerindo que podem levar vários períodos para se dissipar. 11
12 Os resultados apresentados confirmam pesquisas realizadas em diversos países quanto à assimetria da volatilidade e a relação entre retornos e volume e podem ser relacionados àqueles encontrados por Ceretta e Costa Jr (1999), Otuki et al (2008) e Chuang, Liu, Susmel (2012). Destaca-se ainda que o período analisado compreende períodos tanto de estabilidade quanto de crise na conjuntura econômica mundial e os resultados obtidos confirmam a hipótese de Otuki et al (2008) que afirma que a ocorrência de assimetria não é influenciada pelo ciclo econômico. A análise de volume e preço a partir do coeficiente de correlação para o período entre 2002 e 2012 sugere que a correlação entre essas séries são estatisticamente significativas para os índices de todos os países, corroborado pelo Teste de Causalidade de Granger que sugere haver relação de bicausalidade entre preço e volume para os índices IGBVL, IPSA e IGBC a um nível de significância a partir de 10%. Os resultados para os coeficientes de variância condicionada do Modelo GARCH demonstram ser significativos e positivos para todos os coeficientes ARCH e GARCH das relações entre a covariância dos resíduos das séries de preço e volume para cada índice, ao encontro dos resultados encontrados por Chuang, Liu, Susmel (2012) para o mercado asiático. Isto indica a presença de heterocedasticidade e que a variância passada influencia as variâncias atuais entre as séries analisadas. Uma análise comparativa por país indica resultados mais robustos para o IBOVESPA, INMEX, IBGC e IPSA. Os gráficos no anexo 1 ilustram que as séries de preços de todos os índices tem uma trajetória semelhante no período analisado, embora com intensidades diferentes, o que pode sinalizar a influência que estas bolsas sofrem dos países desenvolvidos. Uma sugestão de estudo consiste em fazer o estudo considerando os preços em dólar para verificar se há influência de variação cambial nos resultados. Outra possibilidade seria calcular os modelos pelas variações do preço e volume em vez dos valores absolutos adotados para estudo neste artigo. Outro possível estudo seria buscar analisar o impacto das volatilidades do mercado externo e doméstico para cada índice. 12
13 6. Referências Bibliográficas BOLLERSLEV, T. Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, v. 31, p , BOLLERSLEV, T.; CHOU, R. Y. E.; KRONER, K. F. ARCH modeling in finance: a review of the theory and empirical evidence. Journal of Econometrics, v. 52, p. 5-59, CERETTA, P. S.; COSTA JR., N. C. A. da. Influência de eventos positivos e negativos sobre a volatilidade dos mercados na América Latina. Caderno de Pesquisas em Administração, v. 1, n. 10, p , 3º. trim CHUANG, W. I.; LIU, H. H.; SUSMEL, R. The bivariate GARCH approach to investigating the relation between stock returns, trading volume and return volatility. Journal of International Financial Markets, Institutions & Money, v. 23, p ENGLE, R. F. Autorregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation. Econometrica, v. 50, n. 4, p , FAMA, E. F.; SCHWERT, G. W. Asset returns and inflation. Journal of Financial Economics, vol. 5(2), p GLOSTEN, L. R.; JAGANNATHAN, R.; RUNKLE, D. E. On the relation between the expected value and volatility of the nominal excess return on stocks. Journal of Finance, v. 48, p , GRANGER, C.W.J. Investigating causal relations by econometric models and cross-spectral models, Econometrica, v. 34, p HARVEY, C. R. Time-Varying conditional covariances in tests of asset pricing models. Journal of Finance Economics, n. 24, p NELSON, D.B. Conditional heteroskedasticity in asset returns: A New Approach. Econometrica, vol. 59, n. 2, p OTUKI, T. F.; RADAVELLI, C. H.; SEABRA, F.; COSTA JR., N. C. A. da. Assimetria na volatilidade dos retornos revisitada: Ibovespa, Merval e Inmex. Revista de Gestão USP, v. 15, n. 4, p , 4º. trim PAGAN, A. Econometric issues in the analysis of regressions with generated regressors. International Economic Review, v. 25(1), p ZAKOIAN, J. M. Threshold heteroskedasticity models. Journal of Economic Dynamics and Control, v. 18, p
Econometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia maisPARTICULARIDADES DO MERCADO FINANCEIRO LATINO-AMERICANO. Finanças
Finanças PARTICULARIDADES DO MERCADO FINANCEIRO LATINO-AMERICANO Paulo Sergio Ceretta Doutorando em Engenharia de Produção da Universidade Federal de Santa Maria e Professor de Finanças da UFSC. E-mail:
Leia maisAções de bancos e risco sistêmico
Ações de bancos e risco sistêmico GV INVEST 15 Este artigo descreve um método para a análise tanto da correlação dos retornos de ações de bancos como da velocidade de mudança dessa correlação ambos sendo
Leia maisIntrodução a Modelos ARCH
Introdução a Modelos ARCH Henrique Dantas Neder - Professor Associado Universidade Federal de Uberlândia July 24, 2014 A volatilidade de uma série não é constante ao longo do tempo; períodos de volatilidade
Leia maisModelos ARCH e GARCH Aula 8. Morettin e Toloi, 2006, Capítulo 1 e 14 Morettin, 2011, Capítulo 1 e 5 Bueno, 2011, Capítulo 8
Modelos ARCH e GARCH Aula 8 Morettin e Toloi, 2006, Capítulo 1 e 14 Morettin, 2011, Capítulo 1 e 5 Bueno, 2011, Capítulo 8 Motivação Pesquisadores que se dedicam a prever séries temporais, tais como preços
Leia mais'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV
69 'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV O presente capítulo objetiva entender o comportamento das séries de retorno financeiras para as carteiras de investimento elaboradas no capítulo anterior. Tal análise
Leia maisEstimação da Volatilidade do Retorno das Ações Brasileiras - Um Método Alternativo à Família GARCH - 1
Estimação da Volatilidade do Retorno das Ações Brasileiras - Um Método Alternativo à Família GARCH - 1 Modelos da família GARCH têm sido sugeridos como alternativa eficiente para a estimação da volatilidade
Leia maisANÁLISE DA VOLATILIDADE DO PREÇO PAGO AO PRODUTOR DE FRANGO:
ANÁLISE DA VOLATILIDADE DO PREÇO PAGO AO PRODUTOR DE FRANGO: 967-006 LEONARDO BORNACKI DE MATTOS; CARLOS ANDRÉ DA SILVA MÜLLER; FRANCISCO CARLOS DA CUNHA CASSUCE. UFV, VIÇOSA, MG, BRASIL. leobornacki@yahoo.com.br
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisTema: Estimar um modelo para medir o risco sistemático das carteiras no mercado brasileiro utilizando o fator mercado e medidas de liquidez.
Aluno: Rafael Milanesi Caldeira Professor Orientador: Adriana Bruscato Bortoluzzo Tema: Estimar um modelo para medir o risco sistemático das carteiras no mercado brasileiro utilizando o fator mercado e
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Série Estatística Universidade do Estado do Rio de Janeiro - UERJ ISSN impresso 1413-9022 / ISSN on-line 2317-4535 - v.41, p.01-14, 2016 DOI: 10.12957/cadest.2016.27738 ANÁLISE DO COMPORTAMENTO
Leia maisXVII SEMEAD Seminários em Administração
XVII SEMEAD Seminários em Administração outubro de 2014 ISSN 2177-3866 MODELAGEM DA VOLATILIDADE EM PERÍODOS DE CRISE PARA O RETORNO DAS AÇÕES DA VALE DO RIO DOCE GUSTAVO CORREIA XAVIER Universidade Federal
Leia maisResultados. 4.1 Resultado da análise buy and hold
36 4 Resultados 4.1 Resultado da análise buy and hold Os resultados obtidos com a análise buy and hold estão em linha com os observados em estudos efetuados no mercado norte-americano, como Ritter (1991)
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisIdentificação de modelos de séries temporais heterocedásticos
Identificação de modelos de séries temporais heterocedásticos Christopher Silva de Pádua 1 Juliana Garcia Cespedes 2 1 Introdução Quando se trata de investimentos em mercado de ações é de interesse do
Leia maisA Relação Empírica entre Dividendos, Volatilidade de Retornos e Volume de Negócios no Mercado de Ações Brasileiro
Vol. 5, N º. 1 Vitória-ES, Jan Abr 2008 p. 01-17 ISSN 1807-734X DOI: http://dx.doi.org/10.15728/bbr.2008.5.1.1 A Relação Empírica entre Dividendos, Volatilidade de Retornos e Volume de Negócios no Mercado
Leia mais4 Aplicação para o mercado brasileiro
4 Aplicação para o mercado brasileiro 4.1 Dados Uma aplicação da metodologia de Simulação Histórica Filtrada (SHF) foi realizada, a partir dos preços de opções do mercado brasileiro, como forma de verificar
Leia maisXVII Congresso Nacional de Administração e Contabilidade - AdCont e 29 de outubro de Rio de Janeiro, RJ
Previsão da Volatilidade Cambial: GARCH com mudança de regime markoviano Vinicius Mothé Maia - Mestre em Administração Professor FACC/UFRJ e Doutorando IAG/PUC-Rio viniciusmothemaia@gmail.com.br Antonio
Leia maisUma análise empírica da volatilidade do retorno de commodities agrícolas utilizando modelos ARCH: os casos do café e da soja 1
Uma análise empírica da volatilidade do retorno de commodities agrícolas utilizando modelos ARCH: os casos do café e da soja 1 Washington Santos da Silva 2 Thelma Sáfadi 3 Luiz Gonzaga de Castro Júnior
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisAula 22/10/2018 José Luiz Padilha 22 de outubro de 2018
Modelando a Variância Estimação Aula 22/10/2018 José Luiz Padilha 22 de outubro de 2018 A estimação dos parâmetros α 0 e α 1 em um modelo ARCH(1) é geralmente realizada por verossimilhança condicional.
Leia maisConclusões Conclusões
Conclusões 97 6 Conclusões Este trabalho teve dois grupos de objetivos principais: (i) analisar criticamente as características teóricas dos modelos de avaliação de custo de capital próprio propostos para
Leia maisFatos estilizados e volatilidade de retorno do petróleo WTI
Fatos estilizados e volatilidade de retorno do petróleo WTI Bruno Marangoni Costa (PUC-Rio) brunomcosta@yahoo.com Fernando Antônio Lucena Aiube (PUC-Rio) aiube@ind.puc-rio.br Tara Keshar Nanda Baídya (PUC-Rio)
Leia maisUMA APLICAÇÃO DE MODELOS DE VOLATILIDADE PARA O MERCADO DE OPÇÕES DE PETRÓLEO
UMA APLICAÇÃO DE MODELOS DE VOLATILIDADE PARA O MERCADO DE OPÇÕES DE PETRÓLEO Leonardo Mutzenbecher Rodriguez Universidade Federal do Rio de Janeiro - UFRJ leomutz@terra.com.br Thiago José Dell Armi Loures
Leia maisCarteiras de Variância Mínima no Brasil
no Brasil Itaú-Unibanco Abril de 2012 no Brasil Agenda Conceitos básicos em Finanças 1 Conceitos básicos em Finanças 2 3 4 5 no Brasil Seleção de carteiras de investimento Suponha N ativos de risco, com
Leia mais1.1. Apresentação do Tema de Pesquisa, Objectivos e Justificação Prática dos Mesmos
The predictability of returns in stock market (...) remains a challenge for dynamic asset pricing theory. Campbell, 1987, p. 394 I. INTRODUÇÃO 1.1. Apresentação do Tema de Pesquisa, Objectivos e Justificação
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
VOLATILIDADE E VALOR EM RISCO: MODELAGEM POR MÉDIAS MÓVEIS E POR EGARCH COM PARÂMETROS VARIÁVEIS Paulo Henrique Soto Costa UFF - EEIMVR - Departamento de Ciência dos Materiais Av. dos Trabalhadores 42
Leia maisCorrelação Serial e Heterocedasticidade em Regressões de Séries Temporais. Wooldridge, Cap. 12
Correlação Serial e Heterocedasticidade em Regressões de Séries Temporais Wooldridge, Cap. 1 Porto Alegre, 11 de novembro de 010 1 CORRELAÇÃO SERIAL Ocorrência Conseqüência Análise gráfica Autocorrelação
Leia maisVOLATILIDADE DE PREÇOS DE PRODUTOS AGRÍCOLAS: UMA ANÁLISE COMPARATIVA PARA SOJA, CAFÉ, MILHO E BOI GORDO
VOLATILIDADE DE PREÇOS DE PRODUTOS AGRÍCOLAS: UMA ANÁLISE COMPARATIVA PARA SOJA, CAFÉ, MILHO E BOI GORDO KILMER COELHO CAMPOS (1) ; ROBÉRIO TELMO CAMPOS (2). 1.UFV, VIÇOSA, MG, BRASIL; 2.UFC, FORTALEZA,
Leia maisCarry Trade e Diferencial de Juros: Análise Empírica no Brasil
Patricia Naccache Martins da Costa Carry Trade e Diferencial de Juros: Análise Empírica no Brasil Dissertação de Mestrado Dissertação apresentada ao Programa de Pósgraduação em Administração de Empresas
Leia maisTabela 1 - Teste de Dickey-Fuller para série log-preço futuro. Teste ADF 0, ,61% Tabela 2 - Teste de Dickey-Fuller para série log-preço à vista
32 5. Resultados 5.1. Séries Log-preço Para verificar se as séries logaritmo neperiano dos preços (log-preço) à vista e futuro e as séries logaritmo neperiano dos retornos (log-retorno) à vista e futuro
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisModelagem e previsão do valor em risco com modelos de volatilidade baseada em variação: evidências empíricas
ISSN 1808-057X DOI: 10.1590/1808-057x201704140 Modelagem e previsão do valor em risco com modelos de volatilidade baseada em variação: evidências empíricas Value-at-risk modeling and forecasting with range-based
Leia maisLES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 6 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
Leia maisPalavras-chave: mercado cambial; mercado acionário; América latina; regressão quantílica.
A Relação entre Índices do Mercado Acionário e Taxas de Câmbio: evidências empíricas na América Latina Bruno Pontes Renault Mestrando IAG/PUC-Rio Vinicius Mothé Maia Prof. de Ciências Contábeis FACC/UFRJ
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisTestes de Raiz Unitária para Dados em Painel
Aula 7 Bibliografia: Stata, 2017. help xtunitroot. From Stata/SE 13 (accessed on Oct. 23, 2018). Pesaran, M.H. (2015). Time series and panel data econometrics. Oxford: Oxford University Press. Rafael S.
Leia maisMODELAGEM DA VOLATILIDADE DETERMINÍSTICA NO MERCADO DE DERIVATIVO DO BOI GORDO
MODELAGEM DA VOLATILIDADE DETERMINÍSTICA NO MERCADO DE DERIVATIVO DO BOI GORDO Jailson da Conceicao Teixeira de Oliveira (UFPB) jailson.consultor@gmail.com Sinezio Fernandes Maia (UFPB) econometriacmeufpb@yahoo.com.br
Leia mais3 Dados e metodologia
3 Dados e metodologia 3.1 Apresentação de Dados Para a realização dessa pesquisa foram utilizados os dados da série histórica dos preços da soja (em grão) do Estado do Paraná, obtidos da base de dados
Leia maisPrevisão da Volatilidade Intradiária: Análise das Distribuições Alternativas
Resumo Previsão da Volatilidade Intradiária: Análise das Distribuições Alternativas Autoria: Paulo Sérgio Ceretta, Fernanda Galvão de Barba, Kelmara Mendes Vieira A previsão da volatilidade tem sido de
Leia maisXVI SEMEAD Seminários em Administração
XVI SEMEAD Seminários em Administração outubro de 2013 ISSN 2177-3866 RELAÇÃO CONTEMPORÂNEA E CAUSAL ENTRE VOLUME-RETORNO EM DIFERENTES MERCADOS FERNANDA MARIA MÜLLER UFSM - Universidade Federal de Santa
Leia maisA VOLATILIDADE DO PREÇO DO CAFÉ: UM ESTUDO DOS MODELOS HETEROSCEDÁSTICOS
Belo Horizonte, MG, Brasil, 04 a 07 de outubro de 011. A VOLATILIDADE DO PREÇO DO CAFÉ: UM ESTUDO DOS MODELOS HETEROSCEDÁSTICOS LUCIANO DE PAULA MORAES (CEFET/RJ) lpmoraes01@gmail.com Carlos Alberto G.
Leia maisINTRODUÇÃO A ECONOMETRIA
INTRODUÇÃO A ECONOMETRIA Análise de regressão e uso do Eviews Introdução O modelo de regressão linear se utiliza para estudar a relação que existe entre uma variável dependente e uma ou várias variáveis
Leia maisTextos para Discussão
Grupo de Pesquisa em Gestão e Planejamento Econômico-Financeiro Universidade Federal do Rio de Janeiro UFRJ Avaliação do Risco de Mercado Após a Crise Financeira: Modelos de Valor em Risco (VaR) e Backtesting
Leia maisPara o presente estudo, foram obtidos os dados através das bases de dados Bloomberg e Ipeadata.
3 Metodologia 3.1. Variáveis analisadas Foram selecionadas algumas variáveis relacionadas ao carry trade do real; esta selação foi baseada nos estudos de Carvalho e Divino (2009) e Nishigaki (2007). As
Leia maisVetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência
Vetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência Forma estrutural e reduzida O método VAR busca capturar a interdependência entre múltiplas séries de tempo. Estrutura-se equações
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisRegressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Leia maisUNIVERSIDADE FEDERAL DE ALAGOAS INSTITUTO DE FÍSICA IF PROGRAMA DE PÓS GRADUAÇÃO EM FÍSICA DA MATÉRIA CONDENSADA ADHEMAR RANCIARO NETO
UNIVERSIDADE FEDERAL DE ALAGOAS INSTITUTO DE FÍSICA IF PROGRAMA DE PÓS GRADUAÇÃO EM FÍSICA DA MATÉRIA CONDENSADA ADHEMAR RANCIARO NETO ESTUDO DE SÉRIES DE TEMPO FINANCEIRAS SOB A PERSPECTIVA DO TEOREMA
Leia maisAula 7 Métodos Quantitativos Avançados
Universidade de São Paulo Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Programa de Pós-Graduação em Controladoria e Contabilidade Aula 7 Métodos Quantitativos Avançados Autor:
Leia maisPREVISÃO DE PREÇO DO QUILO DO CAFÉ ARÁBICA: UMA APLICAÇÃO DOS MODELOS ARIMA E GARCH
VI Simpósio de Pesquisa dos Cafés do Brasil PREVISÃO DE PREÇO DO QUILO DO CAFÉ ARÁBICA: UMA APLICAÇÃO DOS MODELOS ARIMA E GARCH Alan Figueiredo de Arêdes 1 ; Matheus Wemerson Gomes Pereira ; Erly Cardo
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisVolatilidade de Mercado e de Variáveis Macroeconômicas: Um Estudo da Intensidade da Associação para a Economia Brasileira
R E B E Volatilidade de Mercado e de Variáveis Macroeconômicas: Um Estudo da Intensidade da Associação para a Economia Brasileira Resumo: Este artigo avalia a intensidade da associação linear entre a volatilidade
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisAGROENERGIA: A QUESTÃO DA VOLATILIDADE DE PREÇOS E O EFEITO ALAVANCAGEM DOS PRODUTOS AGRÍCOLAS KILMER COELHO CAMPOS (1) ; CARLOS ALBERTO PIACENTI (2).
AGROENERGIA: A QUESTÃO DA VOLATILIDADE DE PREÇOS E O EFEITO ALAVANCAGEM DOS PRODUTOS AGRÍCOLAS KILMER COELHO CAMPOS (1) ; CARLOS ALBERTO PIACENTI (2). 1.UFV, VIÇOSA, MG, BRASIL; 2.UNIOESTE, TOLEDO, PR,
Leia maisEconometria - Lista 6
Econometria - Lista 6 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 A curva de Phillips desempenha um papel fundamental na
Leia maisRenda x Vulnerabilidade Ambiental
Renda x Vulnerabilidade Ambiental ANEXO D ANÁLISE EXPLORATÓRIA E PREPARAÇÃO DOS DADOS Identificamos tendência linear positiva. A correlação entre as variáveis é significativa, apresentando 99% de confiança.
Leia maisMestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007
Projeções de Séries S Temporais Econometria dos Mercados Financeiros Mestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007 Objetivo do curso
Leia maisAnálise da volatilidade de preços do óleo de girassol no Brasil de 1960 a
Análise da volatilidade de preços do óleo de girassol no Brasil de 1960 a 2011 1 Lucas Siqueira Castro 2 Aziz Galvão Silva Júnior 3 Resumo O objetivo deste trabalho foi analisar os retornos da commodity
Leia maiscom Heterocedasticidade Condicional (ARCH)
Volatilidade dos retornos das ações da Braskem no período de 2005 a 2014: uma análise a partir do modelo Autorregressivo com Heterocedasticidade Condicional (arch) Volatilidade dos retornos das ações da
Leia maisMemória longa na volatilidade do Índice BOVESPA: uma análise utilizando modelos da classe ARCH
Luiz Eduardo Gaio e Thelma Sáfadi Memória longa na volatilidade do Índice BOVESPA: uma análise utilizando modelos da Luiz Eduardo Gaio Graduando em Administração pela Universidade Federal de Lavras, bolsista
Leia maisAnálise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Análise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Motivação Por exemplo, queremos analisar a série
Leia maisRELATÓRIO PIBIC 2016 PARTE 1 -RESUMO FATORES GLOBAIS IMPACTAM NOS MERCADOS ACIONÁRIOS DOS PAÍSES SUBDESENVOLVIDOS? UMA ABORDAGEM QUANTÍLICA.
RELATÓRIO PIBIC 2016 PARTE 1 -RESUMO FATORES GLOBAIS IMPACTAM NOS MERCADOS ACIONÁRIOS DOS PAÍSES SUBDESENVOLVIDOS? UMA ABORDAGEM QUANTÍLICA. Aluno: Bruno Barreto Chvaicer Orientador: Luiz Felipe Motta/Marcelo
Leia maisEstimação e Modelagem de Volatilidade - Eduardo Ribeiro 1
Discutiremos agora diferentes métodos de estimação de volatilidade de ativos. Volatilidade pode ser entendido como o risco de um ativo (retorno incerto). Volatilidade é chave para precificar opções e calcular
Leia maisH11 GESTÃO DE RECURSOS LTDA.
H11 GESTÃO DE RECURSOS LTDA. Empresa: Documento: H11 Gestão de Recursos Ltda. Versão anterior: 30/09/2015 Atualização: 18/02/2016 Data Emissão / Revisão n.º revisão: 18/02/2016 ver. 2 Página: 2 Introdução:
Leia maisUma Análise de Co-Integração entre Mercados de Ações da América do Sul
Uma Análise de Co-Integração entre Mercados de Ações da América do Sul Autores: Wesley Vieira da Silva, Robert Wayne Samohyl e Newton C. A. da Costa Jr. RESUMO: Este artigo verifica a existência de relacionamento
Leia mais3 Metodologia. 3.1 Tipo de pesquisa
3 etodologia A metodologia utilizada neste trabalho é semelhante a empregada no estudo de Jacquier e arcus (200) para verificar o quanto da variação da matriz de correlação é explicada pela volatilidade
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisNotas de Aulas Econometria I ** Eduardo P. Ribeiro, 2010 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 00 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ε t- + υ t, onde υ t é ruído
Leia maisAgricultural Portfolio Choice during Great Recession : an Application of Arbitrage Pricing Theory
Construção de Carteiras Agrícolas durante a Crise de 2007-2010: uma Aplicação da Teoria de Apreçamento por Arbitragem Agricultural Portfolio Choice during Great Recession 2007-2010: an Application of Arbitrage
Leia maisCASUALIDADE E ELASTICIDADE DE TRANSMISSÃO DO TOMATE NO ESTADO DO CEARÁ 1995 A Palavras-chave: Casualidade, Elasticidade de Transmissão, Tomate.
CASUALIDADE E ELASTICIDADE DE TRANSMISSÃO DO TOMATE NO ESTADO DO CEARÁ 1995 A 2002 Francisco José Silva Tabosa Denise Michele Furtado da Silva Clóvis Luis Madalozzo Robério Telmo Campos Resumo: O tomate
Leia maisUNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA. Maio 2018 Aula 8
1 UNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA Maio 2018 Aula 8 Armando Manuel 09/29/2017 A PREVISÃO Armando Manuel 09/29/2017 11 1. A metodologia Box-Jenkins é um processo que se inicia com a analise
Leia maisAnálise do impacto da crise de 2008 na estrutura temporal de correlação condicional da BM&FBovespa
Análise do impacto da crise de 2008 na estrutura temporal de correlação condicional da BM&FBovespa Mauro Mastella (mmastella@ea.ufrgs.br) 1 Rodrigo Coster (rodrigo.coster@ufrgs.br) 2 Resumo: Este artigo
Leia mais2 Risco de Base e Estatísticas Descritivas
2 Risco de Base e Estatísticas Descritivas 2.1 Amostra A amostra inclui os preços diários de todos os contratos futuros negociados de três commodities agropecuárias e dois ativos financeiros, entre 3 de
Leia maisA Relação Entre Risco Idiossincrático e Retorno no Mercado Acionário Brasileiro
Fernanda Primo de Mendonça A Relação Entre Risco Idiossincrático e Retorno no Mercado Acionário Brasileiro Dissertação de Mestrado Dissertação apresentada ao Programa de Pósgraduação em Administração de
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisMBA em Finanças e Controladoria. Disciplina: Avaliação de Empresas Valuation Tópico 06 Risco e Retorno
MBA em Finanças e Controladoria Disciplina: Avaliação de Empresas Valuation Tópico 06 Risco e Retorno Obetivos do Tópico 06 5h Obetivo Entender os fundamentos de risco e retorno Obetivos de aprendizagem
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisPalavras-chave: Índice de Sustentabilidade; Índice Ibovespa; Volatilidade; Risco.
ANÁLISE DA VOLATILIDADE DOS RETORNOS DO ÍNDICE DE SUSTENTABILIDADE EMPRESARIAL E DO ÍNDICE BOVESPA Nathállya Etyenne Figueira Silva Mestrado em Administração E-mail: nathallyaetyenne@gmail.com Sinézio
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
Leia maisMODELOS DE PREVISÃO APLICADO AO MERCADO DE CARNE SUÍNA
MODELOS DE PREVISÃO APLICADO AO MERCADO DE CARNE SUÍNA Alan Figueiredo de Aredes 1 Alessandro de Assis Santos Oliveira RESUMO Dada a importância do nivel de preço para o planejamento e tomada de decisão,
Leia maisRevisão dos Modelos de Vetores Autorregressivos com Fundamentação Econômica 2012
Revisão dos Modelos de Vetores Autorregressivos com Fundamentação Econômica 2012 No amplo conjunto de modelos utilizados pelo Banco Central para projetar a inflação, encontram-se, entre outros, os modelos
Leia maisEstatística Aplicada II. } Regressão Linear
Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7
Leia maisEconometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL FACULDADE DE CIÊNCIAS ECONÔMICAS DEPARTAMENTO DE CIÊNCIAS ECONÔMICAS LUIZ GUSTAVO CARINI MEDEIROS
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL FACULDADE DE CIÊNCIAS ECONÔMICAS DEPARTAMENTO DE CIÊNCIAS ECONÔMICAS LUIZ GUSTAVO CARINI MEDEIROS ANÁLISE QUANTITATIVA DA VOLATILIDADE DOS ÍNDICES SETORIAIS DA
Leia maisVOLATILIDADE DOS ÍNDICES DE AÇÕES MID-LARGE CAP E SMALL CAP: UMA INVESTIGAÇÃO A PARTIR DE MODELOS ARIMA/GARCH
4 VOLATILIDADE DOS ÍNDICES DE AÇÕES MID-LARGE CAP E SMALL CAP: UMA INVESTIGAÇÃO A PARTIR DE MODELOS ARIMA/GARCH VOLATILITY OF STOCK INDEX MID-LARGE CAP AND SMALL CAP: AN INVESTIGATION FROM ARIMA/GARCH
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisSegundo Trabalho de Econometria 2009
Segundo Trabalho de Econometria 2009 1.. Estimando o modelo por Mínimos Quadrados obtemos: Date: 06/03/09 Time: 14:35 Sample: 1995Q1 2008Q4 Included observations: 56 C 0.781089 0.799772 0.97664 0.3332
Leia maisEFEITO DA CRISE DE 2007/2008 NA TRANSMISSÃO INTERNACIONAL DE VOLATILIDADE NO MERCADO DE CAPITAIS BRASILEIRO
EFEITO DA CRISE DE 2007/2008 NA TRANSMISSÃO INTERNACIONAL DE VOLATILIDADE NO MERCADO DE CAPITAIS BRASILEIRO Marcelo Brutti Righi marcelobrutti@hotmail.com Universidade Federal de Santa Maria Santa Maria,
Leia mais