Jubert PaixÃ o Monte Alves 2008 Um-Estudo-Do-Padrao-De-Volatil 8444

Revista UnB Contbil, v. 11, n. 1-2, p.221-239, jan./dez.
2008
Universidade de Braslia Departamento de Cincas Contbeis e Atuariais
ISSN 1984-3925
221
Resumo: O estudo da volatilidade uma das ferramentas estatsticas mais importantes para
os agentes econmicos que operam no mercado de aes. Freqentemente, observam-se com-
portamentos assimtricos da volatilidade, como: perodos de intensa volatilidade aps perodos
de quedas nos preos, ao passo que a volatilidade no to alta em perodos de alta nos preos,
e, choques positivos e negativos gerando efeitos diferentes sobre a volatilidade. Tais compor-
tamentos assimtricos podem ser capturados pelos modelos GARCH, TARCH e EGARCH,
variantes do modelo ARCH. Neste contexto, partindo-se da premissa de que a anlise risco-
retorno compreende um dos critrios relevantes de deciso dos investidores, este estudo se
props a analisar o padro da volatilidade dos ndices de aes do mercado brasileiro, no per-
odo 2006-2007, notadamente o ndice Bovespa (IBOVESPA) e os ndices setoriais: ndice de
Energia Eltrica (IEE), ndice de Sustentabilidade Empresarial (ISE), ndice do Setor Industrial
(INDX) e o ndice de Telecomunicaes (ITEL). Para todos os ndices analisados, os modelos
estimados evidenciaram que o movimento do mercado no dia anterior infuencia a volatilida-
de corrente. Os modelos assimtricos evidenciaram o efeito alavancagem em que os retornos
negativos esto mais associados aos aglomerados de volatilidade, isto , choques negativos
provocam maior instabilidade no mercado de aes. Constatou-se que os modelos simtricos e
assimtricos tm estimativas razoavelmente similares, evidenciando que o resultado emprico
corroborou as expectativas tericas.

PalavRas-chave: ARCH. Retornos.Volatilidade.

AbstrAct: The study of volatility is one of the most important statistical tools for economic agents who work in
the stock market. Often, there are asymmetric behavior of volatility as: periods of intense volatility after periods of
falls in prices, while the volatility is not so high during periods of high in prices, and positive and negative shocks
generating different effects on the volatility. Such behavior can be captured by asymmetric GARCH, TARCH and
EGARCH models, variations of the ARCH model. In this context, starting from the premise that the risk-return
analysis comprises one of the relevant criteria for decisions of investors, this study has proposed to examine the
pattern of volatility of the stock indexes of the Brazilian market, in the period 2006-2007, notably the Bovespa
Index (IBOVESPA) as well as sectorial indexes as: Electric Power Index (IEE), Corporate Sustainability Index
(ISE), Industrial Sector Index (INDX) and Telecommunications Sector Index (ITEL). For all tested indexes,
um estudo do PadRo de volatilidade dos
PRinciPais ndices FinanceiRos do BovesPa:
uma aPlicao de modelos aRch
A study on the pattern of volatility of the main bOVEsPA indexes: an application of ArcH models
roberto Wagner Jubert
Programa de Ps-Graduao em Economia da
Universidade Federal da Paraba
E-mail: rwjubert@yahoo.com.br
Paulo Aguiar do Monte
E-mail: pauloaguiardomonte@gmail.com
Mrcia cristina silva Paixo
E-mail: marciapaixao@terra.com.br
Willemberg Harley de Lima
E-mail: willem.harley@hotmail.com
222 Revista UnB Contbil, v. 11, n. 221-239, p. 1-15, jan/dez. 2008
Roberto Jubert, Paulo Monte, Mrcia Paixo, Willemberg Lima
estimated models showed that the movement of the market in the previous day infuences the current volatility.
The asymmetrical models demonstrated the leverage effect where the negative returns are more associated with
clusters of volatility, that is, negative shocks cause greater instability in the stock market. It appeared that the
values obtained by the symmetrical and asymmetrical models are reasonably similar, showing that empirical
results corroborated theoretical expectations.
KEyWOrds: ARCH. Returns. Volatility.
Recebido em 07/11/2008, aprovado em 05/02/2009, disponvel em 21/02/2009.
Avaliado pelo sistema double blind review
Editor cientfco: Ftima de Souza Freire
1 introduo
O estudo da volatilidade uma das ferramentas estatsticas mais importantes para os
agentes econmicos que atuam no mercado de aes. Teoricamente, a volatilidade de um ativo
representa as alteraes ocorridas nos seus preos em razo de diversos fatores relacionados ao
desempenho da empresa emitente e da conjuntura econmica.
Fatores relativos ao desempenho das empresas so as boas e ms notcias sobre empre-
sas individuais, quanto ao seu aspecto organizacional, administrativo ou econmico-fnanceiro,
que podem ser mais especifcamente a concorrncia interna e externa, surgimento de produtos
substitutos, custos e oferta de insumos, regulamentao ambiental, mudanas na tributao e
mudanas na gesto da companhia. J os fatores de conjuntura econmica compreendem as
taxas de infao, juro, e cmbio; alm do aspecto jurdico/institucional, preo do petrleo, re-
cesso e crescimento mundial.
De acordo com Santos da Silva et al. (2005), so observados nos mercados fnanceiros
freqentes perodos de intensa volatilidade aps perodos de quedas nos preos, ao passo que a
volatilidade no to intensa quando se observam perodos de alta nos preos. E, em geral, os
choques positivos e negativos tendem a gerar efeitos diferentes sobre a volatilidade. Na litera-
tura, estas assimetrias na volatilidade, denominada de efeito alavancagem, podem ser captu-
radas por duas variantes do modelo ARCH, os modelos TARCH e EGARCH, respectivamente
desenvolvidos por Zakoian (1994) e por Nelson (1991).
O investimento em aes impe certo grau de risco associado volatilidade dos preos
dos ativos. Identifcam-se dois tipos de risco: sistemtico e no-sistemtico.
1
Este ltimo
est associado, entre outros fatores, atividade da empresa, s caractersticas do seu mercado
e s condies de fnanciamento de suas atividades. O primeiro diz respeito s variaes ale-
atrias observadas no comportamento da economia e captado pela volatilidade dos retornos
de um ativo em relao ao seu valor mdio. Estes dois tipos de risco conjuntamente compem
o risco total do investimento em aes. A confana do investidor tem relao inversa com esta
medida, ou seja, quanto maior a volatilidade, menor o seu grau de confana e, conseqente-
mente, menos investimentos sero feitos.
Neste sentido, o presente estudo se prope a realizar uma anlise do padro da volatili-
dade dos ndices de aes do mercado brasileiro, notadamente o IBOVESPA e os ndices seto-
riais, ndice de Energia Eltrica (IEE), ndice de Sustentabilidade Empresarial (ISE), ndice do
Setor Industrial (INDX) e o ndice de Telecomunicaes (ITEL); tomando-se tal anlise como
um importante direcionamento dos investimentos dos agentes econmicos e fnanceiros.
1. O risco sistemtico tambm chamado de risco do mercado ou risco no-diversifcvel. Por sua vez, o risco no-siste-
mtico tambm denominado de risco nico, risco especfco de cada empresa ou risco diversifcvel. (BODIE, 2000)
Um Estudo do Padro de Volatilidade dos Principais ndices Financeiros
do Bovespa: uma Aplicao de Modelos Arch
O critrio de seleo dos ndices na presente anlise foi o seguinte: considerou-se que
os ndices IEE, INDX e ITEL so representantes de setores notadamente dinmicos, em termo
de contribuio para o crescimento da economia. O ISE refete um segmento de empresas cuja
demanda por parte dos investidores apresenta tendncia crescente em nvel mundial nos ltimos
anos. So empresas reconhecidas como socialmente responsveis, sustentveis e rentveis no
longo prazo.
2
Por fm, o IBOVESPA por ser um importante indicador do comportamento mdio
do mercado de aes brasileiro.
Este estudo est dividido em mais 5 sees, alm desta introduo. Na seo 2 faz-se um
referencial terico de conceitos e estudos realizados relativos ao mercado de aes. As sees 3
e 4 apresentam a metodologia e a base de dados utilizada, respectivamente. A seo 5 apresenta
os resultados da anlise e a ltima seo destina-se s consideraes fnais.
2 Referencial terico
A alocao de ativos compreende a deciso mais importante e difcil por parte dos in-
vestidores e gestores de carteiras. Os clculos de estimao de risco, retorno e de correlao
entre as aes de fundamental importncia e a qualidade destas estimativas infuencia direta-
mente o desempenho futuro da carteira.
De acordo com Ramos (2003), o aumento da volatilidade dos mercados de aes, con-
seqncia de perodos de crises internas ou da infuncia de turbulncias externas, e a forma
como afeta o retorno das aes tem reduzido de forma signifcativa o poder de diversifcao
das carteiras e dos fundos de aes.
Segundo Bodie et al (2000, p. 185), a teoria desenvolvida por Markowitz, na dcada de
50, introduziu o conceito de carteiras efcientes baseados na otimizao da mdia e varincia
dos ativos, sendo chamada de Teoria Moderna de Carteiras. Os autores comentam ainda que,
com a estimativa de expectativa de retorno, risco e das correlaes, Markowitz no ano de1952
mostrou que era possvel combinar os ativos de forma que, para um certo nvel de retorno, o
risco era minimizado e o conjunto de carteiras otimizadas resultava na fronteira efciente. A
reduo do risco da carteira baseia-se no conceito de diversifcao, no qual o co-movimento
entre os ativos reduz a resultante de movimento da carteira, e, este conceito traduzido atravs
da matriz de covarincia ou correlao, que apresenta a relao entre pares ao longo de um
determinado perodo.
O trabalho apresentado por Elton e Gruber (1995) mostrou o efeito da diversifcao
numa carteira hipottica, no qual o risco no-sistemtico, ou risco especfco de cada ao,
reduzido medida que mais aes so adicionadas at o limite do risco sistemtico ou risco de
mercado. O risco de mercado no pode ser eliminado totalmente porque representa o risco a que
todas as aes em negociao esto expostas.
A diversifcao, abordada pela Teoria Moderna de Carteiras, considera a possibilidade
de reduzir o risco especfco ou no-sistemtico das carteiras adicionando ativos com baixa cor-
relao at o limite no qual no mais possvel reduzir o risco total da carteira. Neste ponto, a
nica fonte de risco para a carteira o risco sistemtico ou o risco de mercado. Mas, o problema
aparece quando modelos de alocao de ativos e gerenciamento de risco consideram em seus
clculos a estabilidade da matriz de correlao, o que no ocorre em perodos de crise quando
os movimentos do mercado se amplifcam. Recentes estudos mostram que nestas circunstncias
a matriz de correlao sofre alteraes em sua estrutura que distorcem de forma inesperada os
resultados destes modelos.
2. Mais informaes sobre este universo de empresas esto disponveis em http://www.bovespa.com.br.
No interesse de evitar surpresas negativas com alteraes bruscas da matriz de correla-
o, o estudo de Chow et al. (1999) apresentou, alternativamente, uma seleo de dados fora do
padro (outliers), utilizando-os em um novo processo de estimao da matriz. Esta estimao
demonstrou ser mais efciente em perodos de turbulncia, ou seja, a matriz construda a partir
de outliers produziria carteiras mais preparadas para o aumento da volatilidade se comparada a
uma matriz estimada atravs de uma amostra completa. Mas, o problema que a globalizao
dos mercados fnanceiros, observada na ltima dcada e fomentada pelos avanos na tecnolo-
gia de informao, permitiu o livre fuxo de capitais entre pases, aumentando a disseminao
de crises e imprimindo maior dinmica aos movimentos dos ativos. Este efeito de contgio de
crises em mercados de diferentes pases e regies foi verifcado nas crises do Mxico (1994),
da sia (1997), da Rssia (1998) e na desvalorizao do real brasileiro (1999), quando diversos
pases foram afetados, alguns sem aparente relao comercial e proximidade geogrfca que
justifcasse tal movimento. Atualmente, o problema das subprimes (que so os fnanciamentos
imobilirios norte-americanos de alto risco, a que se sujeitam tomadores de emprstimos com
menor crdito, portanto pagam juros mais altos), tem deixado o mercado fnanceiro de todo o
mundo sob alerta, em especial, o brasileiro que tem apresentado bons indicadores recentemente.
Enquanto os investidores globais, que buscam diversifcar seus investimentos atravs
da alocao em mercados de pases distintos, dispensam especial ateno dinmica dos mer-
cados internacionais, para os investidores dedicados ao mercado brasileiro o enfoque setorial
que contribui de forma relevante para a reduo do risco de carteiras de aes. Em perodos de
crise, quando a volatilidade do mercado aumenta e os movimentos de queda e alta so ampli-
fcados, a diversifcao surge como uma alternativa para minimizar o risco da carteira. Neste
contexto, intuitivo acreditar que existam setores ou pases mais imunes a crises e que possuam
correlao negativa com o restante do mercado, mas a recente histria mostra que o impacto
destas crises tem reduzido tanto o poder da diversifcao intersetorial quanto a internacional.
Intuitivamente, compreensvel que aes de empresas que atuam em uma mesma ati-
vidade econmica apresentem comportamentos parecidos no mercado de aes. Isto porque
empresas de um mesmo setor so geralmente infuenciadas pelos mesmos fatores do ambiente
competitivo e so regidas pela mesma legislao. Diante dessa questo, para o investidor dedi-
cado a um determinado mercado, a diversifcao setorial passa a ser uma deciso relevante na
reduo do risco no-sistemtico.
A contribuio do estudo de Baca, Garbe e Weiss (2000) foi a constatao de que os mo-
vimentos setoriais explicavam com maior preciso a volatilidade de sete importantes mercados
de aes no mundo se comparado aos movimentos dos prprios pases. Segundo os autores, nos
ltimos 20 anos, a infuncia dos componentes especfcos de cada pas na variao do retorno
vem declinando, enquanto os componentes setoriais se mantm relativamente constantes ou
crescentes, o que sugere que os mercados esto mais integrados do que se acreditava.
Ramos (2003) menciona que a ateno em relao aos movimentos setoriais tambm
verifcada pelo crescente nmero de fundos de investimentos que concentram suas aplicaes
em setores especfcos. Isto resultado da percepo de que aes de um mesmo setor tendem
a oscilar de forma parecida.
Jacquier e Marcus (2001) se concentraram no esforo de avaliar o comportamento do
mercado de aes norte americano em funo de alteraes na volatilidade do mercado. Para
verifcar esta relao sem a necessidade de calcular as correlaes entre todos os ativos, as aes
foram agrupadas em setores e, atravs de janelas temporais trimestrais, os autores estimaram
as correlaes setoriais e a volatilidade do ndice de mercado. Contudo, ainda era necessrio
sintetizar as relaes entre os setores em cada trimestre em apenas um parmetro. Assim sendo,
extraram a mdia aritmtica de tais correlaes setoriais. Em seguida, foi necessrio calcular
regresses lineares entre a volatilidade do mercado e a mdia das correlaes setoriais de forma
a se verifcar a existncia ou no de relao entre o aumento de correlao com os momentos de
maior volatilidade. Como resultado, os autores encontraram uma relao direta entre o aumento
da correlao setorial e o aumento da volatilidade do mercado. Adicionalmente, verifcaram que
grande parte da instabilidade da matriz de correlao era explicada pela variao na volatili-
dade de um ndice de mercado, situao esta que no se repetia de forma to relevante para o
mercado internacional. Por fm, os autores concluram que a partir da estimativa da volatilidade
seria possvel prever a correlao mdia entre setores do mercado norte americano, utilizando-
se uma modelagem simples, com nmero reduzido de parmetros e baseada em um modelo de
um nico fator, conforme apresentado por Sharpe (1964)
3
.

Segundo Pizzato (2007), no deve ser esquecido que os volumes fnanceiros negociados
no mercado de aes so estratosfricos, onde qualquer variao de humor representa quedas
ou altas no montante de vrios bilhes de reais, o que se entende por volatilidade do mercado
de aes. Para o autor, o mercado de aes , categoricamente, um mercado sensvel, a volati-
lidade inerente ao prprio mercado dado que os ganhos so expressivos e a Bovespa no foge
regra.
3 aspectos metodolgicos
A metodologia adotada neste artigo para explicar o grau de relacionamento entre as
carteiras tericas de cada setor baseia-se no conceito de correlao. A mensurao desse rela-
cionamento realizada estatisticamente por meio do coefciente de correlao, que varia entre
o mnimo de 1 e o mximo de 1. Segundo Assaf Neto (2005), esta medida obtida preferen-
cialmente pela seguinte expresso:
(01)
Segundo Pizzato (2007), no deve ser esquecido que os volumes financeiros
negociados no mercado de aes so estratosfricos, onde qualquer variao de humor
representa quedas ou altas no montante de vrios bilhes de reais, o que se entende por
volatilidade do mercado de aes. Para o autor, o mercado de aes , categoricamente, um
mercado sensvel, a volatilidade inerente ao prprio mercado dado que os ganhos so
expressivos e a Bovespa no foge regra.

3 ASPECTOS METODOLGICOS
carteiras tericas de cada setor baseia-se no conceito de correlao. A mensurao desse
relacionamento realizada estatisticamente por meio do coeficiente de correlao, que varia
entre o mnimo de 1 e o mximo de 1. Segundo Assaf Neto (2005), esta medida obtida
preferencialmente pela seguinte expresso:

y x
y x
y x
COV
o o
=
,
,
(01)

em que COV
x,y
a covarincia entre os ativos x e y; o
x
o desvio-padro do ativo x e o
y
o
desvio-padro do ativo y.

A classe de modelos de heteroscedasticidade condicional autorregressiva -
AutoRegressive Conditional Heterokedasticity (ARCH) foram desenvolvidos por Engle
(1982). Fundamentalmente, foram estimados modelos Generalized Conditional
Heterokedasticity (GARCH), Exponential GARCH (EGARCH) e Threshold ARCH (TARCH)
para captar o padro de volatilidade das aes do mercado brasileiro objeto do presente
trabalho. A seguir, destaca-se o arcabouo terico que envolve a estimao dos modelos.
Os modelos ARCH so apropriados para o estudo de sries financeiras porque
pressupem que a varincia condicional se altera no tempo. Destinam-se, sobretudo, a
estimao da volatilidade pelo ajustamento da varincia condicional da srie, ou comumente
do seu retorno, e partem do pressuposto de que a srie temporal composta de mdia e
varincia as quais dependem de choques aleatrios supostos idiossincrticos e identicamente
distribudos, i.i.d., expressos da seguinte forma:

( ) ( ,... , ,... ,
2 1
2
2 1
+ =
t t t t t t
a a h a a a g X )
(02)

sendo X
t
srie temporal; g(.) a mdia condicional; h
2
(.) a varincia condicional; e a
t
o
choque aleatrio.

Adicionalmente, os modelos ARCH partem da idia de que a varivel dependente
relaciona-se com a varincia condicional por meio de uma funo quadrtica, sendo o
modelo ARCH dado pelas equaes definidas em (03).

t t t
h X c =

2 2
1 1 0 r t r t t
X X h

+ + + = o o o
(03)

contribuies de John Lintner e Jan Mossin, e, conferiu a Sharpe o Prmio Nobel em economia de 1990.
em que COV
x,y
a covarincia entr e os ativos x e y;
x
o desvio-padro do ativo x e
y
o desvio-padro do ativo y.
A classe de modelos de heteroscedasticidade condicional autorregressiva - AutoRegres-
sive Conditional Heterokedasticity (ARCH) foram desenvolvidos por Engle (1982). Funda-
mentalmente, foram estimados modelos Generalized Conditional Heterokedasticity (GARCH),
Exponential GARCH (EGARCH) e Threshold ARCH (TARCH) para captar o padro de vo-
latilidade das aes do mercado brasileiro objeto do presente trabalho. A seguir, destaca-se o
arcabouo terico que envolve a estimao dos modelos.
Os modelos ARCH so apropriados para o estudo de sries fnanceiras porque pressu-
pem que a varincia condicional se altera no tempo. Destinam-se, sobretudo, a estimao da
volatilidade pelo ajustamento da varincia condicional da srie, ou comumente do seu retorno,
e partem do pressuposto de que a srie temporal composta de mdia e varincia as quais
dependem de choques aleatrios supostos idiossincrticos e identicamente distribudos, i.i.d.,
expressos da seguinte forma:
(02)


y x
y x
y x
COV
o o
=
,
,
(01)

em que COV
x,y
x
y
o


( ) ( ,... , ,... ,
2 1
2
2 1
+ =
t t t t t t
a a h a a a g X )
(02)

sendo X
t
2
t
o
choque aleatrio.


t t t
h X c =

2 2
1 1 0 r t r t t
X X h

+ + + = o o o
(03)

3. O modelo apresentado por William F. Sharpe (1964), denominado Modelo de Precifcao de Ativo de Capital (em ingls,
CAPM - Capital Asset Pricing Model), fornece uma previso precisa do relacionamento entre o risco de um ativo e seu retorno
esperado. Faz-se oportuno lembrar que o referido modelo tambm teve as contribuies de John Lintner e Jan Mossin, e, con-
feriu a Sharpe o Prmio Nobel em economia de 1990.
sendo X
t
2
t
o
choque aleatrio.
Adicionalmente, os modelos ARCH partem da idia de que a varivel dependente re-
laciona-se com a varincia condicional por meio de uma funo quadrtica, sendo o modelo
ARCH dado pelas equaes defnidas em (03).
(03)


y x
y x
y x
COV
o o
=
,
,
(01)

em que COV
x,y
x
y
o


( ) ( ,... , ,... ,
2 1
2
2 1
+ =
t t t t t t
a a h a a a g X )
(02)

sendo X
t
2
t
o
choque aleatrio.


t t t
h X c =

2 2
1 1 0 r t r t t
X X h

+ + + = o o o
(03)

sendo
t
~ N(0,1) ou t
(t-Student com graus de liberdade).

O modelo GARCH uma generalizao do modelo ARCH, tendo como caracterstica
ser mais parcimonioso, descrevendo a volatilidade com menos parmetros que o ARCH. de-
fnido pela expresso (04):
(04)

sendo c
t
~ N(0,1) ou t
u
(t-Student com u graus de liberdade).

ser mais parcimonioso, descrevendo a volatilidade com menos parmetros que o ARCH.
definido pela expresso (04):

t t t
h X c =

=

=

+ + + =
s
j
j t j
r
i
i t i t
X X h
1
2
1
2
0
| o o
(04)
sendo c
t
~ N(0,1) ou t
u

Em que o o coeficiente de reao; | o coeficiente de persistncia e, dada a
condio de no negatividade da varincia condicional, o > 0; | > 0. Para que o quadrado
dos retornos seja covarincia estacionria deve-se ter que , para o processo
GACH(p,q).
1
p
1 i
i
q
1 i
i
< | + o

= =

Segundo Morettin e Toloi (2006), aps verificar que o modelo GARCH (p,q)
adequado para o ajustamento da volatilidade dos retornos dirios, utiliza-se a equao que
fornece a heteroscedasticidade condicional como medida de volatilidade, definida por (05):

( )
( )
=
+
=
q
i
i i
t
X VAR
1
0
1 | o
o
(05)

em que VAR(X
t
) a volatilidade mdia do perodo.

Os modelos ARCH e GARCH tratam a volatilidade considerando efeitos simtricos
com respeito a eventos positivos e negativos sobre a determinao da volatilidade. Contudo,
deve-se levar em conta a assimetria dos retornos das taxas de cmbio, sobretudo, para eventos
negativos. Para tanto, o modelo exponencial EGARCH incorpora e capta o efeito da
assimetria a partir da expresso (06):

t t t
h X c =

( )

=

=

|
|
.
|
\
|
+
|
|
.
|
\
|
+ + =
s
j
r t
r t
j
r
i
r t
r t
i
r
i
r t i t
h
X
h
X
h h
1 1 1
0
ln o | o (06)

sendo c
t
~ N(0,1) ou t
u
(t-Student com u graus de liberdade); , e parmetros reais e
<0.

No modelo EGARCH dada maior liberdade equao da varincia ao adicionar o
coeficiente de assimetria, que se relaciona com os retornos de mercado e a volatilidade
condicional. Neste caso, o coeficiente capta a diferena de choques positivos e negativos
na volatilidade, ou seja, o efeito alavancagem. Se for estatisticamente igual a zero indica
sendo
t
~ N(0,1) ou t
u
(t-Student com graus de liberdade).
Em que a o coefciente de reao; b o coefciente de persistncia e, dada a condio
de no negatividade da varincia condicional, a > 0; b > 0. Para que o quadrado dos retornos
seja covarincia estacionria deve-se ter que 1
p
1 i
i
q
1 i
i
< +

= =
, para o processo GACH(p,q).
Segundo Morettin e Toloi (2006), aps verifcar que o modelo GARCH (p,q) adequa-
do para o ajustamento da volatilidade dos retornos dirios, utiliza-se a equao que fornece a
heteroscedasticidade condicional como medida de volatilidade, defnida por (05):
(05)

sendo c
t
~ N(0,1) ou t
u


t t t
h X c =

=

=

+ + + =
s
j
j t j
r
i
i t i t
X X h
1
2
1
2
0
| o o
(04)
sendo c
t
~ N(0,1) ou t
u

GACH(p,q).
1
p
1 i
i
q
1 i
i
< | + o

= =


( )
( )
=
+
=
q
i
i i
t
X VAR
1
0
1 | o
o
(05)

em que VAR(X
t


t t t
h X c =

( )

=

=

|
|
.
|
\
|
+
|
|
.
|
\
|
+ + =
s
j
r t
r t
j
r
i
r t
r t
i
r
i
r t i t
h
X
h
X
h h
1 1 1
0
ln o | o (06)

sendo c
t
~ N(0,1) ou t
u
<0.

em que VAR(X
t
negativos. Para tanto, o modelo exponencial EGARCH incorpora e capta o efeito da assimetria
a partir da expresso (06):
(06)

sendo c
t
~ N(0,1) ou t
u


t t t
h X c =

=

=

+ + + =
s
j
j t j
r
i
i t i t
X X h
1
2
1
2
0
| o o
(04)
sendo c
t
~ N(0,1) ou t
u

GACH(p,q).
1
p
1 i
i
q
1 i
i
< | + o

= =


( )
( )
=
+
=
q
i
i i
t
X VAR
1
0
1 | o
o
(05)

em que VAR(X
t


t t t
h X c =

( )

=

=

|
|
.
|
\
|
+
|
|
.
|
\
|
+ + =
s
j
r t
r t
j
r
i
r t
r t
i
r
i
r t i t
h
X
h
X
h h
1 1 1
0
ln o | o (06)

sendo c
t
~ N(0,1) ou t
u
<0.

sendo
t
~ N(0,1) ou t
u
(t-Student com u graus de liberdade); , e parmetros reais
e <0.
No modelo EGARCH dada maior liberdade equao da varincia ao adicionar o coe-
fciente de assimetria, que se relaciona com os retornos de mercado e a volatilidade condicional.
Neste caso, o coefciente g capta a diferena de choques positivos e negativos na volatilidade,
ou seja, o efeito alavancagem. Se g for estatisticamente igual a zero indica ausncia de assi-
metria na volatilidade; se g for estatisticamente diferente de zero existe assimetria na volatilida-
de; se g for menor que zero existe o efeito alavancagem.
O modelo TARCH (Threshold ARCH), um caso particular do modelo ARCH no-
linear, descreve a volatilidade seguindo a forma funcional:
(07)
ausncia de assimetria na volatilidade; se for estatisticamente diferente de zero existe
assimetria na volatilidade; se for menor que zero existe o efeito alavancagem.

h
t
=
0
+
1
g
()
(
t-1
) +
1
h
t-1
(07)

se 0, h um impacto de informao assimtrica.

Cabe ressaltar que alguns softwares economtricos usam a formulao h
t
= + X
2
t-1
+
X
2
t-1
d
t-1
+ h
t-1
com d
t
= 1, se Xt

< 0 (bad news) e d
t
= 0, se Xt

0 (good news).

No modelo TARCH, o maior que zero capta o efeito alavancagem. Porm, para
nulo tem-se que o modelo toma a forma de um EGARCH. A varivel dummy includa no
modelo assume valor zero para variaes positivas nos retornos e assume valor um para
variaes negativas. Caso o parmetro seja nulo no existe assimetria na volatilidade,
sendo o impacto captado pelos parmetros de reao e persistncia.
Segundo Morettin e Toloi (2006), a literatura recomenda trabalhar com a srie de
retornos, dada por (08), uma vez que tende a ser estacionria. Ento, dado o retorno
estacionrio basta verificar o padro ARMA (p,q) associado a srie.

1
log log

t t t
cb cb r
(08)

sendo cb
t
a taxa de cmbio.

O primeiro passo na construo de modelos ARCH identificar o padro do modelo
ARMA (p, q). Este estabelecido em trs etapas, a saber: i) Identificao; ii) Estimao; e iii)
Diagnstico. A identificao de um modelo ARMA realizada, basicamente, com base na
observao das funes de autocorrelao FAC e de autocorrelao parcial FACP. A partir da
FAC estima-se o padro do processo de mdias mveis MA(q), sendo a FAC estimada pela
equao (09):

1 ..., , 1 , 0 ,
0
T j
e
e
r
j
j
(09)

sendo e
j
estimado pela auto-covarincia amostral.

A FACP mede o grau de correlao entre X
t
e X
t-k
depois de eliminada a influncia de
X
t-1
,...,X
t-k+1
. Da sua observao identificamos o padro auto-regressivo associado ao
processo. A FACP estimada pela expresso (10):

*
k
k
kk
P
P
(10)

sendo P
k
*
a matriz de autocorrelaes e P
k
*
a matriz P
k
com a ltima coluna substituda pelo
vetor de autocorrelaes.

t
= + X
2
t-1

+ X
2
t-1
d
t-1
+ h
t-1
com d
t
= 1, se Xt

< 0 (bad news) e d
t
= 0, se Xt

0 (good news).
No modelo TARCH, o g maior que zero capta o efeito alavancagem. Porm, para g
nulo tem-se que o modelo toma a forma de um EGARCH. A varivel dummy includa no mo-
delo assume valor zero para variaes positivas nos retornos e assume valor um para variaes
negativas. Caso o parmetro g seja nulo no existe assimetria na volatilidade, sendo o impacto
captado pelos parmetros de reao e persistncia.
Segundo Morettin e Toloi (2006), a literatura recomenda trabalhar com a srie de re-
tornos, dada por (08), uma vez que tende a ser estacionria. Ento, dado o retorno estacionrio
basta verifcar o padro ARMA (p,q) associado a srie.
(08)

h
t
=
0
+
1
g
()
(
t-1
) +
1
h
t-1
(07)


t
= + X
2
t-1
+
X
2
t-1
d
t-1
+ h
t-1
com d
t
= 1, se Xt

< 0 (bad news) e d
t
= 0, se Xt

0 (good news).


1
log log

t t t
cb cb r
(08)

sendo cb
t
a taxa de cmbio.

equao (09):

1 ..., , 1 , 0 ,
0
T j
e
e
r
j
j
(09)

sendo e
j

t
e X
t-k
X
t-1
,...,X
t-k+1

*
k
k
kk
P
P
(10)

sendo P
k
*
k
*
a matriz P
k

sendo cb
t
a taxa de cmbio.
O primeiro passo na construo de modelos ARCH identifcar o padro do modelo
ARMA (p, q). Este estabelecido em trs etapas, a saber: i) Identifcao; ii) Estimao; e iii)
Diagnstico. A identifcao de um modelo ARMA realizada, basicamente, com base na ob-
servao das funes de autocorrelao FAC e de autocorrelao parcial FACP. A partir da FAC
estima-se o padro do processo de mdias mveis MA(q), sendo a FAC estimada pela equao
(09):
(09)

h
t
=
0
+
1
g
()
(
t-1
) +
1
h
t-1
(07)


t
= + X
2
t-1
+
X
2
t-1
d
t-1
+ h
t-1
com d
t
= 1, se Xt

< 0 (bad news) e d
t
= 0, se Xt

0 (good news).


1
log log

t t t
cb cb r
(08)

sendo cb
t
a taxa de cmbio.

equao (09):

1 ..., , 1 , 0 ,
0
T j
e
e
r
j
j
(09)

sendo e
j

t
e X
t-k
X
t-1
,...,X
t-k+1

*
k
k
kk
P
P
(10)

sendo P
k
*
k
*
a matriz P
k

sendo e
j
t
e X
t-k
depois de eliminada a infuncia de
X
t-1
,...,X
t-k+1
. Da sua observao identifcamos o padro auto-regressivo associado ao processo.
A FACP estimada pela expresso (10):
(10)

h
t
=
0
+
1
g
()
(
t-1
) +
1
h
t-1
(07)


t
= + X
2
t-1
+
X
2
t-1
d
t-1
+ h
t-1
com d
t
= 1, se Xt

< 0 (bad news) e d
t
= 0, se Xt

0 (good news).


1
log log

t t t
cb cb r
(08)

sendo cb
t
a taxa de cmbio.

equao (09):

1 ..., , 1 , 0 ,
0
T j
e
e
r
j
j
(09)

sendo e
j

t
e X
t-k
X
t-1
,...,X
t-k+1

*
k
k
kk
P
P
(10)

sendo P
k
*
k
*
a matriz P
k

sendo P
k
*
k
*
a matriz P
k
com a ltima coluna substituda
pelo vetor de autocorrelaes.
Alternativamente, identifca-se o modelo ARMA por critrios de parcimnia: o Critrio
de Informao de Akaike, AIC, e o critrio Bayesiano de Schwarz, SBC. Estes critrios procu-
ram escolher as quantidades k e l no modelo ARMA (k,l) que minimizam uma certa quantidade.
Desta forma, o critrio AIC dado pela expresso (11) e o critrio SBC pela expresso (12):
(11)
Alternativamente, identifica-se o modelo ARMA por critrios de parcimnia: o
Critrio de Informao de Akaike, AIC, e o critrio Bayesiano de Schwarz, SBC. Estes
critrios procuram escolher as quantidades k e l no modelo ARMA (k,l) que minimizam uma
certa quantidade. Desta forma, o critrio AIC dado pela expresso (11) e o critrio SBC pela
expresso (12):

( )
( )
T
l k
l k AIC
l k
+
+ =
2
ln ,
2
,
o (11)
( ) ( )
( )
T
T
l k l k SBC
l k
ln
ln ,
2
,
+ + = o (12)

sendo
2
k,l
o estimador de mxima verossimilhana de
2
e T observaes da srie.

Segundo Morettin (2006), os retornos apresentam geralmente caudas longas,
implicando em nveis elevados de curtose, maiores do que 3. Isto se torna uma restrio a
mais do modelo, e que imposta aos parmetros estimados. Este excesso de curtose um
fato estilizado presente em sries financeiras. Como constatam Wang e Hsu (2006), as sries
de retornos apresentam distribuies leptocrticas em relao distribuio normal.
4
Na
prtica, as estatsticas so construdas assumindo o pressuposto de normalidade.
Para verificar se os resduos gerados pelos modelos estimados so, necessariamente,
rudo branco, procede-se com o teste de Q de Ljung-Box, que tem hiptese nula de rudo
branco e distribuio
2
com K-p-q graus de liberdade. A estatstica associada ao dada por
(13):

( ) ( )
=

+ =
K
k
k
k n
r
n n K Q
1
2
2 (13)

Complementar ao teste Q de Ljung-Box, realiza-se o teste de Multiplicador de
Lagrange (ML) para a verificao de heteroscedasticidade condicional (HC) o qual tem como
hiptese nula a no existncia de HC nos resduos. Baseia-se na estatstica F dada por (14):

( ) ( )
( )
( 1 2 , ~
1 2
1
2
1
2
1
2 2

+ =
+ = + =
r r F
r T
r X X
F
T
r t
t
T
r t
t
T
r t
t
c
c
)

(14)

sendo r a ordem de dependncia linear residual.

A partir da anlise do resduo do modelo ARMA estimado, definimos a ordem do
ARCH (r) a ser modelado. Recomenda-se observar a FACP para a definio do valor de r. A
segunda etapa de construo do modelo ARCH constitui-se na estimao dos parmetros do
modelo. O mtodo utilizado o da mxima verossimilhana condicional, dada pela equao
(15):

4
Em relao distribuio normal, uma distribuio leptocrtica apresenta menor disperso amostral.
Normalmente apresenta curtose inferior a 3. (MORETTIN, 2006)
(12)
expresso (12):

( )
( )
T
l k
l k AIC
l k
+
+ =
2
ln ,
2
,
o (11)
( ) ( )
( )
T
T
l k l k SBC
l k
ln
ln ,
2
,
+ + = o (12)

sendo
2
k,l
2

4
Na
branco e distribuio
2
(13):

( ) ( )
=

+ =
K
k
k
k n
r
n n K Q
1
2
2 (13)


( ) ( )
( )
( 1 2 , ~
1 2
1
2
1
2
1
2 2

+ =
+ = + =
r r F
r T
r X X
F
T
r t
t
T
r t
t
T
r t
t
c
c
)

(14)


(15):

4
sendo
2
k,l
2
Segundo Morettin (2006), os retornos apresentam geralmente caudas longas, implican-
do em nveis elevados de curtose, maiores do que 3. Isto se torna uma restrio a mais do mo-
delo, e que imposta aos parmetros estimados. Este excesso de curtose um fato estilizado
presente em sries fnanceiras. Como constatam Wang e Hsu (2006), as sries de retornos apre-
sentam distribuies leptocrticas em relao distribuio normal.
Na prtica, as estatsticas
so construdas assumindo o pressuposto de normalidade.
Para verifcar se os resduos gerados pelos modelos estimados so, necessariamente, ru-
do branco, procede-se com o teste de Q de Ljung-Box, que tem hiptese nula de rudo branco
e distribuio
2
com K-p-q graus de liberdade. A estatstica associada ao dada por (13):
(13)
expresso (12):

( )
( )
T
l k
l k AIC
l k
+
+ =
2
ln ,
2
,
o (11)
( ) ( )
( )
T
T
l k l k SBC
l k
ln
ln ,
2
,
+ + = o (12)

sendo
2
k,l
2

4
Na
branco e distribuio
2
(13):

( ) ( )
=

+ =
K
k
k
k n
r
n n K Q
1
2
2 (13)


( ) ( )
( )
( 1 2 , ~
1 2
1
2
1
2
1
2 2

+ =
+ = + =
r r F
r T
r X X
F
T
r t
t
T
r t
t
T
r t
t
c
c
)

(14)


(15):

4
Complementar ao teste Q de Ljung-Box, realiza-se o teste de Multiplicador de Lagrange
(ML) para a verifcao de heteroscedasticidade condicional (HC) o qual tem como hiptese
nula a no existncia de HC nos resduos. Baseia-se na estatstica F dada por (14):
(14)
expresso (12):

( )
( )
T
l k
l k AIC
l k
+
+ =
2
ln ,
2
,
o (11)
( ) ( )
( )
T
T
l k l k SBC
l k
ln
ln ,
2
,
+ + = o (12)

sendo
2
k,l
2

4
Na
branco e distribuio
2
(13):

( ) ( )
=

+ =
K
k
k
k n
r
n n K Q
1
2
2 (13)


( ) ( )
( )
( 1 2 , ~
1 2
1
2
1
2
1
2 2

+ =
+ = + =
r r F
r T
r X X
F
T
r t
t
T
r t
t
T
r t
t
c
c
)

(14)


(15):

4
A partir da anlise do resduo do modelo ARMA estimado, defnimos a ordem do ARCH
(r) a ser modelado. Recomenda-se observar a FACP para a defnio do valor de r. A segunda
etapa de construo do modelo ARCH constitui-se na estimao dos parmetros do modelo. O
mtodo utilizado o da mxima verossimilhana condicional, dada pela equao (15):
(15) ( ) ( )
(
(
|
|
.
|
\
|
H =
+ =
+
2
2
1
,..., , / 1
2
exp 2 ,...,
1
t
t
t
T
r t
X X T r
X
X X L
r
o
t o
o
(15)
em que obtida recursivamente a volatilidade .
t t
h =
2
o

4 BASE DE DADOS

Os dados utilizados foram extrados da Bolsa de Valores de So Paulo (BOVESPA),
que o maior centro de negociaes com aes da Amrica Latina, para o perodo 2006-2007.
Alm de disponibilizar vrias informaes sobre as empresas cadastradas, responsvel pela
gesto, clculo, difuso e manuteno do Ibovespa bem como de outros ndices setoriais. Essa
responsabilidade assegura a observncia estrita s normas e procedimentos tcnicos
constantes de sua metodologia.

Dentre os principais ndices divulgados pela Bovespa esto:
5

- ndice Bovespa (IBOVESPA): o mais importante indicador de desempenho mdio
das cotaes do mercado de aes brasileiro, porque retrata o comportamento dos
principais papis negociados na Bovespa.
- ndice de Energia Eltrica (IEE): um ndice setorial que mede o desempenho das
aes do setor eltrico.
- ndice de Sustentabilidade Empresarial (ISE): um ndice referencial dos
investimentos socialmente responsveis.
- ndice do Setor Industrial (INDX): Este ndice mede o desempenho das aes mais
representativas do setor industrial.
- ndice Setorial de Telecomunicaes (ITEL): o ndice representativo do
desempenho do setor de telecomunicaes brasileiro.

Dentre as principais caractersticas destes ndices pode-se destacar:

- ndice Bovespa (IBOVESPA): Corresponde ao valor corrente de uma carteira terica
de aes criada em 02/01/1968, expressa em pontos. O valor inicial foi de 100 pontos,
de forma que a sua pontuao atual reflete a variao ocorrida na carteira desde 1968.
As aes componentes da carteira terica respondem por mais de 80% do nmero de
negcios e do volume financeiro observados no mercado vista (lote-padro) da
BOVESPA. Considera-se por hiptese que no houve alterao nos papis que
compem a carteira desde a sua criao de forma que a mesma apresenta apenas
variaes decorrentes da distribuio de proventos pelas empresas emissoras das
aes. Assim, o ndice retrata tanto as variaes nos preos das aes como o impacto
da distribuio dos proventos, isto , mensura o retorno total das aes que formam a
carteira. Seu clculo feito em tempo real a partir dos preos dos ltimos negcios

5
Outros ndices divulgados pela BOVESPA so: ndice Brasil (IBrX) - mede o retorno de uma carteira de aes
integrada pelas 100 aes mais negociadas; ndice Brasil 50 (IBrX-50) calcula o retorno de uma carteira de
aes composta pelas 50 aes mais negociadas; ndice de Aes com Governana Corporativa Diferenciada
(IGC) - mede o desempenho de uma carteira terica composta por aes de empresas que apresentam bons nveis
de governana corporativista; ndice Valor Bovespa (IVBX-2) - calcula o retorno de uma carteira hipottica
construda exclusivamente por aes emitidas por empresas de excelente conceito perante os investidores,
classificadas a partir da 11 posio, tanto em termos de valor de mercado como de liquidez de suas aes.
em que obtida recursivamente a volatilidade
t t
h =
2
.
4 Base de dados
Os dados utilizados foram extrados da Bolsa de Valores de So Paulo (BOVESPA),
que o maior centro de negociaes com aes da Amrica Latina, para o perodo 2006-2007.
Alm de disponibilizar vrias informaes sobre as empresas cadastradas, responsvel pela
gesto, clculo, difuso e manuteno do Ibovespa bem como de outros ndices setoriais. Essa
responsabilidade assegura a observncia estrita s normas e procedimentos tcnicos constantes
de sua metodologia.
Dentre os principais ndices divulgados pela Bovespa esto:
ndice Bovespa (IBOVESPA): o mais importante indicador de desempenho mdio

das cotaes do mercado de aes brasileiro, porque retrata o comportamento dos
principais papis negociados na Bovespa.
ndice de Energia Eltrica (IEE): um ndice setorial que mede o desempenho das
aes do setor eltrico.
ndice de Sustentabilidade Empresarial (ISE): um ndice referencial dos investimen-
tos socialmente responsveis.
ndice do Setor Industrial (INDX): Este ndice mede o desempenho das aes mais
representativas do setor industrial.
ndice Setorial de Telecomunicaes (ITEL): o ndice representativo do desempe-
nho do setor de telecomunicaes brasileiro.
Dentre as principais caractersticas destes ndices pode-se destacar:
ndice Bovespa (IBOVESPA): Corresponde ao valor corrente de uma carteira terica
de aes criada em 02/01/1968, expressa em pontos. O valor inicial foi de 100 pontos,
de forma que a sua pontuao atual refete a variao ocorrida na carteira desde 1968.
As aes componentes da carteira terica respondem por mais de 80% do nmero de
negcios e do volume fnanceiro observados no mercado vista (lote-padro) da BO-
VESPA. Considera-se por hiptese que no houve alterao nos papis que compem
a carteira desde a sua criao de forma que a mesma apresenta apenas variaes de-
correntes da distribuio de proventos pelas empresas emissoras das aes. Assim, o
ndice retrata tanto as variaes nos preos das aes como o impacto da distribuio
dos proventos, isto , mensura o retorno total das aes que formam a carteira. Seu
clculo feito em tempo real a partir dos preos dos ltimos negcios efetuados com
as da carteira no mercado vista e a BOVESPA responde pela gesto, clculo, difuso
e manuteno do ndice;
ndice de Energia Eltrica (IEE): Mede o desempenho das aes de empresas do se-
tor eltrico: geradoras, distribuidoras e holdings. Os critrios que estas aes devem
atender para sua incluso na carteira so: (i) representar, em termos de volume fnan-
ceiro, parcela de no mnimo 0,01% do volume do mercado vista da BOVESPA nos
ltimos doze meses; (ii) ter sido negociada em pelo menos 80% do total dos preges
no perodo; e (iii) ter apresentado no mnimo 2 negcios/dia em pelo menos 80% dos
preges em que foi negociada. A composio da carteira reavaliada quadrimestral-
mente. A carteira foi montada em 29/12/2004 e a base inicial do ndice foi fxada em
1.000 pontos;
ndice de Sustentabilidade Empresarial (ISE): Sua criao resultado de uma par-
ceria da BOVESPA com vrias instituies ABRAPP, ANBID, APIMEC, IBGC,
IFC, ETHOS, Ministrio do Meio Ambiente e PNUMA. Tais instituies formam um
Conselho Deliberativo presidido pela BOVESPA, sendo esta a responsvel pela ges-
to tcnica do ndice, seu clculo e divulgao em tempo real. Atualmente a carteira
composta por aproximadamente 40 aes de empresas selecionadas feita a partir
de questionrios aplicados a empresas pr-selecionadas, que apresentem as 150 aes
mais lquidas. A base do ISE foi fxada em 1.000 pontos para 30/11/2005 e a reviso
da carteira ocorre anualmente. O Conselho Deliberativo escolhe as empresas com
melhor classifcao, baseada principalmente nos critrios de: (i) relacionamento com
empregados e fornecedores; (ii) relacionamento com a comunidade; (iii) governana
corporativa; e (iv) impacto ambiental de suas atividades. Alm de mensurar o retorno
de uma carteira de aes de empresas comprometidas com a responsabilidade social e
a sustentabilidade empresarial, o ISE tem o objetivo de atuar como promotor das boas
prticas no meio empresarial brasileiro;
ndice do Setor Industrial (INDX): Sua carteira terica composta das aes mais
representativas da indstria e mais negociadas na BOVESPA em termos de liquidez,
ponderadas na carteira pelo valor de mercado das aes disponveis negociao. Os
critrios que uma ao deve atender para integrar a carteira do INDX so: (i) ser emi-
tida por uma empresa classifcada em um dos sub-segmentos do setor industrial com
registro de negociao na BOVESPA; (ii) ser uma das 150 aes com maior ndice
de negociabilidade apurados nos doze meses anteriores formao da carteira; e (iii)
ter sido negociada em pelo menos 70% dos preges ocorridos nos doze meses ante-
riores formao da carteira. A base inicial do INDX foi fxada em 1.000 pontos para
30/12/1999 e o ndice divulgado desde 02/05/2006;
ndice Setorial de Telecomunicaes (ITEL): Foi o segundo ndice setorial lanado
pela BOVESPA. composto pelas empresas mais representativas do setor de teleco-
municaes, incluindo aes de empresas de telefonia fxa e celular listadas na BO-
VESPA. No seu clculo adota-se a ponderao por free foat, isto , a quantidade de
aes em circulao, o que permite que o ndice represente o desempenho dos papis
que de fato esto disponveis negociao. A BOVESPA defniu ainda um limite de
capitalizao de 20% para cada empresa componente da carteira com o objetivo de
evitar que o papel de uma empresa com alto valor de mercado predomine no compor-
tamento do ndice, comprometendo a representatividade do desempenho dos demais
papis. A base inicial do ITEL foi fxada em 1.000 pontos para 30/12/1999.
5 anlise dos Resultados
Os Grfcos 01 a 05 apresentam o comportamento dos retornos dirios dos ndices IBO-
VESPA, IEE, INDX, ISE e ITEL, respectivamente. Os grfcos revelam que as sries dirias de
retornos fnanceiros apresentam aglomerados de volatilidade e que estes ocorrem em momentos
de queda na cotao nos preos dos ativos. Isto caracterizado pelo padro em que vales nos
retornos dirios correspondem a picos de volatilidade dos retornos dirios fnanceiros, indi-
cando uma sensibilidade da volatilidade a redues na cotao mdia dos preos dos ativos de
cada setor especfco.
Pode-se perceber que existe uma relao direta entre os cinco ndices de preos estu-
dados. Fato que evidenciado durante todo o perodo de estudo. Em que momentos de alta de
preos so compartilhados por todos os ndices e momentos de queda so generalizados entre os
cinco ndices. Entretanto, destaca-se a existncia de diferentes magnitudes variaes dos preos
mdios dos ativos de cada setor, em que o setor ITEL mostra maiores movimentos ao longo do
perodo estudado (relativamente aos outros setores). Ademais, importante distinguir o com-
portamento da volatilidade observada at a observao 300 (correspondente ao incio de 2006
ao incio de 2007) em que os picos e vales dos retornos fnanceiros apresentam um padro
de sazonalidade diria, o que no to evidente para o restante do perodo.
Grfco 1 ndice IBOVESPA e retornos
dirios, 2006-2007
Grfco 2 ndice de energia eltrica (IEE)
e retornos dirios, 2006-2007
-.08
-.04
.00
.04
.08
30000
40000
50000
60000
70000
50 100 150 200 250 300 350 400 450
I B O V E S P A R e t o r n o s
-.08
-.04
.00
.04
.08
8000
10000
12000
14000
16000
18000
20000
50 100 150 200 250 300 350 400 450
IEE Retornos
Fonte: BOVESPA Fonte: BOVESPA
Grfco 3 ndice do setor industrial
(INDX) e retornos dirios, 2006-2007
Grfco 4 ndice de sustentabilidade
empresarial (ISE) e retornos dirios,
2006-2007
-.06
-.04
-.02
.00
.02
.04
.06
5000
6000
7000
8000
9000
10000
11000
50 100 150 200 250 300 350 400 450
INDX Retornos

-.08
-.04
.00
.04
.08
800
1200
1600
2000
2400
50 100 150 200 250 300 350 400 450
I S E R e t o r n o s
Fonte: BOVESPA Fonte: BOVESPA
Grfco 5 ndice setorial de telecomunicaes (ITEL) e retornos dirios, 2006-2007
-.08
-.04
.00
.04
.08
600
800
1000
1200
1400
50 100 150 200 250 300 350 400 450
ITEL Retornos
Fonte: BOVESPA
A Tabela 1 apresenta a correlao simples entre os ndices setoriais, isto , medem o
grau de relacionamento entre tais ndices. Os dados evidenciam que os ndices se relacionam
diretamente, ou seja, todos os ndices demonstram comportamentos semelhantes para ganhos
e perdas quando a situao econmica favorvel ou desfavorvel. O setor que apresenta o
ndice de maior correlao positiva com o IBOVESPA o ISE seguido do INDX, com 0,991 e
0,986, respectivamente.
Como o IBOVESPA corresponde a uma carteira menos arriscada devido seu alto grau
de diversifcao, o ISE e o INDX so carteiras que apresentam ndices menores tendo em vista
que so investimentos realizados isoladamente em um nico setor. Ainda, os dados sugerem
que uma carteira combinando os setores Industrial e de Telecomunicaes reduziria o risco,
porque estes apresentam a correlao estimada de menor magnitude.
Tabela 1 - Correlaes dos ndices setoriais: IBOVESPA, IEE, INDX, ISE, ITEL.
ndices iBovesPa iee INDX ise itel
IBOVESPA 1,000
IEE 0,956 1,000
INDX 0,986 0,975 1,000
ISE 0,991 0,947 0,972 1,000
ITEL 0,914 0,927 0,897 0,900 1,000
Fonte: Elaborao prpria a partir dos dados da BOVESPA.
Para as sries foram utilizados os modelos apresentados na Tabela 2 para a estimao da
mdia condicional dos retornos. Quando comparados com outros modelos de ordem superior,
estes demonstram maior parcimnia, justifcando seu emprego para o estudo.
Com exceo do ndice ISE, todos os outros ndices mostram um bom ajustamento
quando modelados por um padro ARMA(1,1). Apenas o ndice ISE apresenta o modelo AR(1)
como melhor padro de ajuste. Os testes Q(12) e ARCH-LM revelam que os modelos ajustados
no apresentam correlao serial nas sries.
Tabela 2 - Modelos identifcados e estatsticas para verifcao de heteroscedasticidade
condicional dos ndices setoriais: IBOVESPA, IEE, INDX, ISE, ITEL.
ndices modelo Q(12) aRch-lm
IBOVESPA ARMA(1,1)
12,021 3,665
(0,284) (0,160)
IEE ARMA(1,1)
12,582 2,996
(0,248) (0,080)
INDX ARMA(1,1)
12,332 0,069
(0,263) (0,791)
ISE AR(1)
12,826 5,402
(0,305) (0,067)
ITEL ARMA(1,1)
11,655 0,445
(0,309) (0,800)
Fonte: Elaborao prpria a partir dos dados da BOVESPA. Nota: Os valores entre parnteses correspondem s
probabilidades das estatsticas.
Para os modelos ARCH na varincia, os melhores modelos foram GARCH(1,1), EGAR-
CH(1,1) e TARCH(1,1). As equaes estimadas
4
, dadas, respectivamente, pelas expresses
(04), (06) e (07), foram:
para os retornos do IBOVESPA
Tabela 2 - Modelos identificados e estatsticas para verificao de heteroscedasticidade
NDICES MODELO Q(12) ARCH-LM
12,021 3,665
IBOVESPA
ARMA(1,1)
(0,284) (0,160)
12,582 2,996
IEE

ARMA(1,1)

(0,248) (0,080)
12,332 0,069
INDX
ARMA(1,1)
(0,263) (0,791)
12,826 5,402
ISE

AR(1)

(0,305) (0,067)
11,655 0,445
ITEL

ARMA(1,1)
(0,309) (0,800)

Para os modelos ARCH na varincia, os melhores modelos foram GARCH(1,1),
EGARCH(1,1) e TARCH(1,1). As equaes estimadas
4
, dadas, respectivamente, pelas
expresses (04), (06) e (07), foram:


GARCH(1,1): h
t
= 0,00001 + 0,053 X
2
t-1
+ 0,889 h
t-1

EGARCH(1,1): ln(h
t
) = -0,967 + 0,887 ln(h
t-1
) + 0,064
t-1
- 0,188
t-1

TARCH(1,1): h
t
= 0,00002 - 0,031 X
2
t-1
+ 0,162 X
2
t-1
d
t-1
+ 0,875 h
t-1

para os retornos do IEE

GARCH(1,1): h
t
= 0,00002 + 0,115 X
2
t-1
+ 0,790 h
t-1

EGARCH(1,1): ln(h
t
) = -0,809 + 0,903 ln(h
t-1
) - 0,009
t-1
- 0,237
t-1

TARCH(1,1): h
t
= 0,00002 - 0,034 X
2
t-1
+ 0,270 X
2
t-1
d
t-1
+ 0,795 h
t-1

para os retornos do INDX

GARCH(1,1): h
t
= 0,00001 + 0,074 X
2
t-1
+ 0,875 h
t-1

EGARCH(1,1): ln(h
t
) = -0,977 + 0,893 ln(h
t-1
) + 0,102
t-1
- 0,159
t-1

TARCH(1,1): h
t
= 0,00002 - 0,021 X
2
t-1
+ 0,182 X
2
t-1
d
t-1
+ 0,835 h
t-1

para os retornos do ISE

4
Aps modelados por processos ARCH, os modelos eliminaram a interdependncia dos resduos, como as
estatsticas ARCH ML e Q de Ljung-Box.
12,021 3,665
IBOVESPA
ARMA(1,1)
(0,284) (0,160)
12,582 2,996
IEE

ARMA(1,1)

(0,248) (0,080)
12,332 0,069
INDX
ARMA(1,1)
(0,263) (0,791)
12,826 5,402
ISE

AR(1)

(0,305) (0,067)
11,655 0,445
ITEL

ARMA(1,1)
(0,309) (0,800)

4


GARCH(1,1): h
t
= 0,00001 + 0,053 X
2
t-1
+ 0,889 h
t-1

EGARCH(1,1): ln(h
t
) = -0,967 + 0,887 ln(h
t-1
) + 0,064
t-1
- 0,188
t-1

TARCH(1,1): h
t
= 0,00002 - 0,031 X
2
t-1
+ 0,162 X
2
t-1
d
t-1
+ 0,875 h
t-1


GARCH(1,1): h
t
= 0,00002 + 0,115 X
2
t-1
+ 0,790 h
t-1

EGARCH(1,1): ln(h
t
) = -0,809 + 0,903 ln(h
t-1
) - 0,009
t-1
- 0,237
t-1

TARCH(1,1): h
t
= 0,00002 - 0,034 X
2
t-1
+ 0,270 X
2
t-1
d
t-1
+ 0,795 h
t-1


GARCH(1,1): h
t
= 0,00001 + 0,074 X
2
t-1
+ 0,875 h
t-1

EGARCH(1,1): ln(h
t
) = -0,977 + 0,893 ln(h
t-1
) + 0,102
t-1
- 0,159
t-1

TARCH(1,1): h
t
= 0,00002 - 0,021 X
2
t-1
+ 0,182 X
2
t-1
d
t-1
+ 0,835 h
t-1


4
12,021 3,665
IBOVESPA
ARMA(1,1)
(0,284) (0,160)
12,582 2,996
IEE

ARMA(1,1)

(0,248) (0,080)
12,332 0,069
INDX
ARMA(1,1)
(0,263) (0,791)
12,826 5,402
ISE

AR(1)

(0,305) (0,067)
11,655 0,445
ITEL

ARMA(1,1)
(0,309) (0,800)

4


GARCH(1,1): h
t
= 0,00001 + 0,053 X
2
t-1
+ 0,889 h
t-1

EGARCH(1,1): ln(h
t
) = -0,967 + 0,887 ln(h
t-1
) + 0,064
t-1
- 0,188
t-1

TARCH(1,1): h
t
= 0,00002 - 0,031 X
2
t-1
+ 0,162 X
2
t-1
d
t-1
+ 0,875 h
t-1


GARCH(1,1): h
t
= 0,00002 + 0,115 X
2
t-1
+ 0,790 h
t-1

EGARCH(1,1): ln(h
t
) = -0,809 + 0,903 ln(h
t-1
) - 0,009
t-1
- 0,237
t-1

TARCH(1,1): h
t
= 0,00002 - 0,034 X
2
t-1
+ 0,270 X
2
t-1
d
t-1
+ 0,795 h
t-1


GARCH(1,1): h
t
= 0,00001 + 0,074 X
2
t-1
+ 0,875 h
t-1

EGARCH(1,1): ln(h
t
) = -0,977 + 0,893 ln(h
t-1
) + 0,102
t-1
- 0,159
t-1

TARCH(1,1): h
t
= 0,00002 - 0,021 X
2
t-1
+ 0,182 X
2
t-1
d
t-1
+ 0,835 h
t-1


4
4. Aps modelados por processos ARCH, os modelos eliminaram a interdependncia dos resduos, como as estatsticas ARCH
ML e Q de Ljung-Box.

GARCH(1,1): h
t
= 0,00001 + 0,045 X
2
t-1
+ 0,917 h
t-1

EGARCH(1,1): ln(h
t
) = -0,872 + 0,900 ln(h
t-1
) + 0,072
t-1
- 0,176
t-1

TARCH(1,1): h
t
= 0,00001 - 0,045 X
2
t-1
+ 0,083 X
2
t-1
d
t-1
+ 1,001 h
t-1

para os retornos do ITEL

GARCH(1,1): h
t
= 0,00002 + 0,065 X
2
t-1
+ 0,840 h
t-1

EGARCH(1,1): ln(h
t
) = -0,594 + 0,928 ln(h
t-1
) + 0,012
t-1
- 0,135
t-1

TARCH(1,1): h
t
= 0,00002 - 0,063 X
2
t-1
+ 0,140 X
2
t-1
d
t-1
+ 0,929 h
t-1

As equaes estimadas apresentam parmetros dentro do esperado. Parmetros
menores que 0,2 e parmetros em torno de 0,8. O mesmo pode ser dito para os modelos
assimtricos, que alm destes parmetros apresentam coeficientes de alavancagem () na
ordem dos retornos dirios dos ndices. Outro fato identificado foi que, em virtude das
magnitudes dos coeficientes de alavancagem, os modelos - tanto os assimtricos quanto os
simtricos - apresentam estimativas razoavelmente prximas.
A Tabela 3 apresenta os resultados obtidos para os parmetros estimados do modelo
GARCH para os ndices setoriais. Embora os coeficientes dos modelos estimados se mostrem
significativos tanto na mdia quanto na varincia condicional, apresenta-se apenas os
parmetros referentes a varincia condicional, cuja funo modelar a volatilidade. Os
coeficientes de reao (
1
) e persistncia () estimados para os ndices setoriais so todos
estatisticamente consistentes ao nvel de 1% de significncia. As constantes (
0
) estimadas
so consistentes ao nvel de 7% de significncia. Isto permite uma boa estimativa da
volatilidade mdia no perodo, como tambm caracterizar o grau de reao e persistncia a
choques externos.
Os valores das estatsticas de Q de Ljung-Box para os resduos padronizados so
significativos a nvel de 5% indicando que os modelos estimados so adequados para modelar
os retornos dirios setoriais. A aplicao do teste ARCH-LM confirma a ausncia de
heteroscedasticidade condicional nos resduos dos modelos, apenas o modelo estimado para o
ndice ISE mostra a existncia de heteroscedasticidade, que um fato que implica em cautela
ao interpretar os resultados acerca do modelo estimado para esta srie especfica.
Os parmetros de reao indicam que a srie de ITEL tem maiores variaes dos seus
preos mdios ao longo do tempo. O ndice ISE apresenta o menor ndice de reao, o que
equivale dizer que as amplitudes de variaes dos preos das aes da ISL reagem com um
movimento menor que os ndices IBOVESPA, IEE, INDX e ITEL. Como j esperado, o
IBOVESPA apresenta um dos menores coeficientes de reao devido seu grau de
diversificao de ativos.
Os parmetros de persistncia so bastante elevados, indicando que as volatilidades
observadas no dia anterior tendem a contaminar a volatilidade dos preos dos ativos no dia
posterior, permanecendo quase que integralmente sua magnitude. Neste contexto, o ndice
ISE destaca-se por apresentar o maior grau de persistncia de variaes nos preos mdios
dos seus ativos, admite-se que 91,7% da volatilidade do dia anterior transmitida para o dia
seguinte. Em certa medida este padro da varincia condicional corrobora com a anlise

GARCH(1,1): h
t
= 0,00001 + 0,045 X
2
t-1
+ 0,917 h
t-1

EGARCH(1,1): ln(h
t
) = -0,872 + 0,900 ln(h
t-1
) + 0,072
t-1
- 0,176
t-1

TARCH(1,1): h
t
= 0,00001 - 0,045 X
2
t-1
+ 0,083 X
2
t-1
d
t-1
+ 1,001 h
t-1


GARCH(1,1): h
t
= 0,00002 + 0,065 X
2
t-1
+ 0,840 h
t-1

EGARCH(1,1): ln(h
t
) = -0,594 + 0,928 ln(h
t-1
) + 0,012
t-1
- 0,135
t-1

TARCH(1,1): h
t
= 0,00002 - 0,063 X
2
t-1
+ 0,140 X
2
t-1
d
t-1
+ 0,929 h
t-1

As equaes estimadas apresentam parmetros dentro do esperado. Parmetros
menores que 0,2 e parmetros em torno de 0,8. O mesmo pode ser dito para os modelos
assimtricos, que alm destes parmetros apresentam coeficientes de alavancagem () na
ordem dos retornos dirios dos ndices. Outro fato identificado foi que, em virtude das
magnitudes dos coeficientes de alavancagem, os modelos - tanto os assimtricos quanto os
simtricos - apresentam estimativas razoavelmente prximas.
GARCH para os ndices setoriais. Embora os coeficientes dos modelos estimados se mostrem
significativos tanto na mdia quanto na varincia condicional, apresenta-se apenas os
parmetros referentes a varincia condicional, cuja funo modelar a volatilidade. Os
coeficientes de reao (
1
) e persistncia () estimados para os ndices setoriais so todos
estatisticamente consistentes ao nvel de 1% de significncia. As constantes (
0
) estimadas
so consistentes ao nvel de 7% de significncia. Isto permite uma boa estimativa da
volatilidade mdia no perodo, como tambm caracterizar o grau de reao e persistncia a
choques externos.
Os valores das estatsticas de Q de Ljung-Box para os resduos padronizados so
significativos a nvel de 5% indicando que os modelos estimados so adequados para modelar
os retornos dirios setoriais. A aplicao do teste ARCH-LM confirma a ausncia de
heteroscedasticidade condicional nos resduos dos modelos, apenas o modelo estimado para o
ndice ISE mostra a existncia de heteroscedasticidade, que um fato que implica em cautela
ao interpretar os resultados acerca do modelo estimado para esta srie especfica.
preos mdios ao longo do tempo. O ndice ISE apresenta o menor ndice de reao, o que
equivale dizer que as amplitudes de variaes dos preos das aes da ISL reagem com um
movimento menor que os ndices IBOVESPA, IEE, INDX e ITEL. Como j esperado, o
IBOVESPA apresenta um dos menores coeficientes de reao devido seu grau de
diversificao de ativos.
posterior, permanecendo quase que integralmente sua magnitude. Neste contexto, o ndice
ISE destaca-se por apresentar o maior grau de persistncia de variaes nos preos mdios
dos seus ativos, admite-se que 91,7% da volatilidade do dia anterior transmitida para o dia
seguinte. Em certa medida este padro da varincia condicional corrobora com a anlise
As equaes estimadas apresentam parmetros dentro do esperado. Parmetros me-
nores que 0,2 e parmetros em torno de 0,8. O mesmo pode ser dito para os modelos assim-
tricos, que alm destes parmetros apresentam coefcientes de alavancagem () na ordem dos
retornos dirios dos ndices. Outro fato identifcado foi que, em virtude das magnitudes dos
coefcientes de alavancagem, os modelos - tanto os assimtricos quanto os simtricos - apresen-
tam estimativas razoavelmente prximas.
GARCH para os ndices setoriais. Embora os coefcientes dos modelos estimados se mostrem
signifcativos tanto na mdia quanto na varincia condicional, apresenta-se apenas os parme-
tros referentes a varincia condicional, cuja funo modelar a volatilidade. Os coefcientes
de reao (a
1
) e persistncia (b) estimados para os ndices setoriais so todos estatisticamente
consistentes ao nvel de 1% de signifcncia. As constantes (a
0
) estimadas so consistentes ao
nvel de 7% de signifcncia. Isto permite uma boa estimativa da volatilidade mdia no perodo,
como tambm caracterizar o grau de reao e persistncia a choques externos.
Os valores das estatsticas de Q de Ljung-Box para os resduos padronizados so sig-
nifcativos a nvel de 5% indicando que os modelos estimados so adequados para modelar os
retornos dirios setoriais. A aplicao do teste ARCH-LM confrma a ausncia de heterosce-
dasticidade condicional nos resduos dos modelos, apenas o modelo estimado para o ndice ISE
mostra a existncia de heteroscedasticidade, que um fato que implica em cautela ao interpretar
os resultados acerca do modelo estimado para esta srie especfca.
preos mdios ao longo do tempo. O ndice ISE apresenta o menor ndice de reao, o que equi-
vale dizer que as amplitudes de variaes dos preos das aes da ISL reagem com um movi-
mento menor que os ndices IBOVESPA, IEE, INDX e ITEL. Como j esperado, o IBOVESPA
apresenta um dos menores coefcientes de reao devido seu grau de diversifcao de ativos.
posterior, permanecendo quase que integralmente sua magnitude. Neste contexto, o ndice ISE
destaca-se por apresentar o maior grau de persistncia de variaes nos preos mdios dos seus
ativos, admite-se que 91,7% da volatilidade do dia anterior transmitida para o dia seguinte.
Em certa medida este padro da varincia condicional corrobora com a anlise grfca no sen-
tido de explicar as aglomeraes de volatilidade no que tange sua permanncia e magnitude ao
longo do tempo.
Tabela 3 - Coefcientes de reao e persistncia e estatsticas para verifcao de
heteroscedasticidade condicional dos ndices setoriais: IBOVESPA, IEE, INDX, ISE, ITEL
ndices a
0*
a
1*
b* lm** Q(12)**
IBOVESPA
0,00001 0,053 0,889 3,734 13,877
(1,866) (2,260) (18,554) (0,154) (0,179)
IEE
0,00002 0,115 0,790 2,214 12,016
(2,812) (3,480) (13,822) (0,346) (0,284)
INDX
0,00001 0,074 0,875 2,937 11,639
(2,023) (2,562) (18,638) (0,230) (0,310)
ISE
0,00001 0,045 0,917 7,076* 12,543
(1,822) (1,966) (16,583) (0,029) (0,250)
ITEL
0,00003 0,065 0,840 0,680 13,444
(1,672) (2,122) (10,507) (0,712) (0,200)
* Os valores entre parnteses correspondem s estatsticas t-Student.
** Os valores entre parnteses correspondem s probabilidades das estatsticas.
A Tabela 4 mostra a volatilidade associada a cada ndice setorial. A equao de vo-
latilidade fornece a varincia condicional dos retornos fnanceiros, que quando comparadas
mostram que o IBOVESPA a srie que apresenta menor variabilidade dos valores mdios dos
preos dos ativos desta carteira. De modo semelhante, as empresas do setor industrial apresen-
tam pequena volatilidade, indicando que este ndice representa uma carteira bem diversifcada
e com nvel de risco comparvel com o risco observado para o IBOVESPA. Em oposio, o n-
dice associado s empresas do setor de telecomunicaes apresenta a maior volatilidade mdia
do perodo, aproximadamente o dobro da volatilidade apresentada pelo IBOVESPA. Seguindo
esta caracterstica, o ISE apresenta uma volatilidade elevada sendo o segundo maior ndice em
termo de variabilidade das cotaes em bolsa.
Tabela 4 - volatilidade dos ndices setoriais: IBOVESPA, IEE, INDX, ISE, ITEL
ndices volatilidade
IBOVESPA 1,72 x 10
-4
IEE 2,12 x 10
-4
INDX 1,92 x 10
-4
ISE 2,56 x 10
4
ITEL 3,15 x 10
-4
A Tabela 5 mostra o parmetro de assimetria estimado pelo modelo EGARCH (1,1) o
qual confrma a assimetria nas sries. Adicionalmente, o modelo EGARCH reafrma a evidn-
cia de persistncia nas sries, pois o termo ln(h
t-1
) apresenta um coefciente entre 0,887 (IBO-
VESPA) e 0,928 (ITEL), confrmando que o IBOVESPA tem o menor grau de persistncia e
o setor de telecomunicaes tem o maior. Os indicadores da qualidade do ajuste LM e Q(12)
mostram que todos os modelos ajustados tiveram uma boa performance.
Os resultados encontrados pelo modelo EGARCH (1,1) para os ndices setoriais anali-
sados e o IBOVESPA tambm revelam a presena de assimetria na volatilidade dos retornos,
indicando que choques positivos e negativos causam diferentes volatilidades na srie. Esta
evidncia dada pelos valores do parmetro g, estimados entre 0,237 (IEE) e 0,135 (ITEL).
Ainda, o parmetro g evidencia o efeito alavancagem nas sries estudadas.
Tabela 5 - Parmetros de assimetria e estatsticas de verifcao de adequao dos
modelos estimados dos ndices setoriais: IBOVESPA, IEE, INDX, ISE, ITEL.
ndices g* lm** Q(12)**
IBOVESPA
-0,188 6,377 13,664
(-4,040) (0,041) (0,189)
IEE
-0,237 5,649 10,052
(-5,095) (0,059) (0,436)
INDX
-0,159 3,461 10,261
(-3,286) (0,177) (0,418)
ISE
-0,177 10,179 13,465
(-4,293) (0,006) (0,199)
ITEL
-0,135 0,311 12,595
(-3,859) (0,855) (0,247)
A Tabela 6 apresenta os parmetros de assimetria estimados pelo modelo TARCH (1,1)
cujos resultados correspondem aos encontrados pelo modelo EGARCH (1,1). Adicionalmen-
te, o modelo TARCH evidencia a persistncia nas sries, pois os coefcientes estimados apre-
sentam valores entre 0,956 (ISE) e 0,814 (INDX). Ressalte-se que os valores de persistncia
estimados pelos modelos GARCH, EGARCH e TARCH para cada ndice isoladamente no
apresentaram valores signifcativamente distintos, portanto confrma a compatibilidade analti-
ca dos modelos, conforme reportado pela literatura. Os indicadores da qualidade do ajuste LM
e Q(12) mostram que todos os modelos ajustados tiveram uma boa performance.
Os resultados encontrados pelo modelo TARCH (1,1) para os ndices setoriais anali-
sados e o IBOVESPA tambm revelam a presena de assimetria na volatilidade dos retornos,
indicando que choques negativos causam uma volatilidade nos retornos mais alta do que os
choques positivos. Esta evidncia dada pelos valores do parmetro g, estimados entre 0,271
(IEE) e 0,083 (ISE).
Tabela 6 - Parmetros de impacto de informao assimtrica e estatsticas de verifcao
de adequao dos modelos estimados dos ndices setoriais: IBOVESPA, IEE, INDX, ISE,
ITEL.
ndices g* lm** Q(12)**
IBOVESPA
0,161 4,823 12,072
(3,188) (0,089) (0,280)
IEE
0,271 4,733 12,072
(4,001) (0,093) (0,280)
INDX
0,181 3,040 10,290
(3,249) (0,218) (0,415)
ISE
0,083 4,330 14,585
(3,731) (0,144) (0,148)
ITEL
0,140 0,336 12,864
(4,164) (0,845) (0,231)
6 concluso
Este estudo realizou uma anlise do padro da volatilidade de alguns dos principais
ndices de aes do mercado brasileiro: ndice da Bolsa de Valores de So Paulo (IBOVESPA),
ndice de Energia Eltrica (IEE), ndice de Sustentabilidade Empresarial (ISE), ndice do Setor
Industrial (INDX) e o ndice de Telecomunicaes (ITEL). A anlise do comportamento destes
ndices oferece um importante direcionamento para as decises de investimentos dos agentes
econmicos e fnanceiros.
A anlise grfca revelou uma similaridade na tendncia das sries durante o perodo
analisado (2006-2007) e tambm a existncia de aglomeraes de volatilidade dos retornos as-
sociados queda nos preos das aes. Atravs da anlise de correlao dos ndices obteve-se
uma medida que confrma a anlise grfca em termos de tendncia das sries, mostrando que
sub-perodos de crescimento ou de retrao so comuns a todos os ndices; tanto que os coef-
cientes de correlao estimados apresentaram-se positivos e prximos de 1.
A anlise economtrica atravs dos modelos estimados (GARCH, EGARCH e TARCH)
apresentou parmetros estatisticamente signifcativos e testes de performance (ARCH-LM e
Q de Ljung-Box) satisfatrios em todas as estimaes. Os coefcientes de reao estimados
pelo modelo GARCH apresentaram-se no-desprezveis para todos os ndices. Em particular,
o ndice ITEL mostrou uma sensibilidade maior a choques, indicando que a variabilidade dos
preos nesta srie responde com maior amplitude a seus determinantes. Quanto ao coefciente
de persistncia, o GARCH indicou que o ndice ISE apresenta o maior grau de transmisso de
volatilidade diria: cada variao unitria na volatilidade do perodo anterior implica em uma
variao aproximada de 0,92 no perodo atual. O modelo tambm revelou que o ndice IBO-
VESPA apresenta a menor volatilidade, coerente com o fato de que este representa uma carteira
mais diversifcada que as demais. Em oposio, o ITEL o ndice que apresenta volatilidade
mais alta, isto , isoladamente seria a aplicao terica de maior risco.
Por fm, com relao anlise de persistncia, os modelos EGARCH e TARCH confr-
maram os resultados obtidos com o modelo GARCH: os coefcientes estimados apresentaram
valores signifcativamente distintos, confrmando a compatibilidade dos modelos, conforme
reportado pela literatura. Ainda, indicaram existncia assimetria para todos os ndices, sendo a
maior encontrada no setor de energia eltrica. Adicionalmente, o modelo TARCH revelou que
existe maior volatilidade quando ocorrem choques negativos. Isto implica que os coefcientes
de alavancagem so estatisticamente no desprezveis, ou seja, que a resposta da volatilidade a
grandes retornos negativos , frequentemente, muito maior do que em relao a retornos posi-
tivos de mesma magnitude.
Referncias
ALEXANDER, C. modelos de mercados: um guia para a anlise de informaes fnanceiras.
So Paulo: Bolsa de Mercados & Futuros, 2005.
ASSAF NETO, A. Mercado fnanceiro. 6.ed. So Paulo: Atlas, 2005.
BACA, S.; GARBE, B.; WEISS, R. The rise of sector effects in major equity markets.
Financial Analysts Journal - Association for Investment Management and Research, set./
out. 2000.
BODIE, Z.; KANE, A.; MARCUS, A. J. Fundamentos de investimentos. 3.ed.. Porto
Alegre: Bookman, 2000.
BOVESPA. Apresenta informaes sobre o mtodo de clculo dos ndices IBOVESPA, IEE,
ITEL, ISE e INDX. Disponvel em: <http://www.bovespa.com.br/principal.asp>. Acesso em:
20 jan. 2008.
CHOW, G. et al. Optimal Portfolios in Good Times and Bad. Financial analysts Journal -
Association for Investment Management and Research, mai./jun. 1999.
ELTON, E.; GRUBER, M. Modern Portfolio Theory and Investment Analysis. 5th ed.
John Wiley & Sons, 1995.
ENGLE, R. F. Autorregressive Conditional Heteroskedasticity with Estimates of the
Variance of United Kingdom Infation. Econometrica, 1982.
GAROFALO FILHO, E. Cmbio$: princpios bsicos do mercado cambial. So Paulo:
Saraiva, 2005.
JACQUIER, E.; MARCUS, A. Asset allocation models and market volatility. Financial
Analysts Journal - Association for Investment Management and Research, mar./abr.
2001.
LAHAM, J. O uso de derivativos de moedas e o valor da frma. Dissertao (Mestrado
Profssional em Economia) - Faculdade Ibmec So Paulo, So Paulo, 2007. Disponvel em:
<www.ibmecsp.edu.br/mestrado/download.php?recid=52>. Acesso em: 07 out. 2007.
MORETTIN, P. A; TOLOI, C. M. Anlise de sries temporais. 2. ed. rev. e ampl. So Paulo:
Edgard Blcher, 2006.
MORETTIN, P. A. Econometria Financeira: um curso em sries temporais fnanceiras.
So Paulo, 2006.
MIYAMOTO, S. O Pensamento geopoltico brasileiro: 1920-1980. Dissertao (Mestrado
em Cincia Poltica) - Faculdade de Filosofa, Letras e Cincias Humanas, Universidade de
So Paulo, So Paulo, 1981.
NELSON, D. B. Conditional Heteroskedasticity in Asset Returns: A New Aproach.
Econometrica, v. 59, 1991.
PIZZATO, Dcio. Sobre volatilidade. Disponvel em <http://www.cofecon.org.br/>. Acesso
em 02 fev. 2008.
RAMOS, M. A. G. A volatilidade do mercado e a instabilidade das correlaes entre
aes. Dissertao (Mestrado em Administrao) - Pontifcia Universidade Catlica do Rio de
Janeiro, Rio de Janeiro, 2003.
SANTOS DA SILVA, W.; SAFADI, T.; CASTRO JUNIOR, L. G. Uma anlise emprica da
volatilidade do retorno de commodities agrcolas utilizando modelos ARCH: os casos do
caf e da soja. Revista de Economia e Sociologia Rural, Braslia, v.43, n.1, 2005.
SHARPE, W. F.. Capital Asset Prices: A Theory of Market Equilibrium under Conditions
of Risk. Journal of Finance, v.19, p. 425-42, 1964.
VOLATILIDADE. Site SeuDinheiro. Apresenta informaes sobre conceitos, anlises e
acontecimentos do mercado de capitais. Disponvel em: <http://www.seudinheiro.com.br/
volatilidade.html>. Acesso em: 21 jan. 2008.
WANG, Y. H.; HSU, C. C. Short-memory, long-memory and jump dynamics in global
fnancial markets. Disponvel em: <http://www.ncu.edu.tw/~fm/teacher/YHWang.fles/
EGARCH_Volatility_0612_JFS.pdf> Acesso em: 14 abr. 2008.
ZAKOIAN, J.M.. Threshold Heteroskedasticity Models. Journal of Economic Dynamics
and Control, v.18, p.931-955, 1994.

Jubert PaixÃ o Monte Alves 2008 Um-Estudo-Do-Padrao-De-Volatil 8444

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Jubert PaixÃ o Monte Alves 2008 Um-Estudo-Do-Padrao-De-Volatil 8444

Uploaded by

Copyright:

Available Formats

Revista UnB Contbil, v. 11, n. 1-2, p.221-239, jan./dez.

(t-Student com graus de liberdade).

ndice Bovespa (IBOVESPA): o mais importante indicador de desempenho mdio

You might also like