Professional Documents
Culture Documents
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
Universidade Federal da Paraba
E-mail: pauloaguiardomonte@gmail.com
Mrcia cristina silva Paixo
Programa de Ps-Graduao em Economia da
Universidade Federal da Paraba
E-mail: marciapaixao@terra.com.br
Willemberg Harley de Lima
Programa de Ps-Graduao em Economia da
Universidade Federal da Paraba
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)
223 Revista UnB Contbil, v. 11, n. 1-2, p. 221-239, jan/dez. 2008
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.
224 Revista UnB Contbil, v. 11, n. 221-239, p. 1-15, jan/dez. 2008
Roberto Jubert, Paulo Monte, Mrcia Paixo, Willemberg Lima
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,
225 Revista UnB Contbil, v. 11, n. 1-2, p. 221-239, jan/dez. 2008
Um Estudo do Padro de Volatilidade dos Principais ndices Financeiros
do Bovespa: uma Aplicao de Modelos Arch
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
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
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)
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
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
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.
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.
226 Revista UnB Contbil, v. 11, n. 221-239, p. 1-15, jan/dez. 2008
Roberto Jubert, Paulo Monte, Mrcia Paixo, Willemberg Lima
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 re-
laciona-se com a varincia condicional por meio de uma funo quadrtica, sendo o modelo
ARCH dado pelas equaes defnidas em (03).
(03)
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
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
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.
sendo
t
~ N(0,1) ou t
=
+
=
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-Student com u 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.
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
(t-Student com u graus de liberdade).
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
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):
(06)
sendo c
t
~ N(0,1) ou t
u
(t-Student com u 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.
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
(t-Student com u graus de liberdade).
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
227 Revista UnB Contbil, v. 11, n. 1-2, p. 221-239, jan/dez. 2008
Um Estudo do Padro de Volatilidade dos Principais ndices Financeiros
do Bovespa: uma Aplicao de Modelos Arch
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.
O modelo TARCH (Threshold ARCH), um caso particular do modelo ARCH no-
linear, descreve a volatilidade seguindo a forma funcional:
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.
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 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)
ausncia de assimetria na volatilidade; se for estatisticamente diferente de zero existe
assimetria na volatilidade; se 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:
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.
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)
ausncia de assimetria na volatilidade; se for estatisticamente diferente de zero existe
assimetria na volatilidade; se 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:
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.
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 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):
228 Revista UnB Contbil, v. 11, n. 221-239, p. 1-15, jan/dez. 2008
Roberto Jubert, Paulo Monte, Mrcia Paixo, Willemberg Lima
(10)
ausncia de assimetria na volatilidade; se for estatisticamente diferente de zero existe
assimetria na volatilidade; se 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:
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.
sendo P
k
*
a matriz de autocorrelaes e P
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)
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)
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, 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)
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)
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)
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)
sendo r a ordem de dependncia linear residual.
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
229 Revista UnB Contbil, v. 11, n. 1-2, p. 221-239, jan/dez. 2008
Um Estudo do Padro de Volatilidade dos Principais ndices Financeiros
do Bovespa: uma Aplicao de Modelos Arch
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: