Você está na página 1de 10

Denis Renato de Oliveira, Leiziane Neves de zara

ANLISE DA VOLATILIDADE DO
NDICE BOVESPA: UM ESTUDO EMPRICO
UTILIZANDO MODELOS DA CLASSE ARCH
Luiz Eduardo Gaio

Graduando em Administrao pela Universidade Federal


de Lavras, Bolsista PET/SESU e Pesquisador pelo
Grupo de Estudos em Finanas Empresariais.
lugaio@yahoo.com.br

Gabriel Rodrigo Gomes Pessanha

Graduando em Administrao pela Universidade


Federal de Lavras e Bolsista CNPq.
gabrielrg p@yahoo.com.br

Denis Renato de Oliveira

Mestrando em Administrao de Organizaes pela FEA-RP/USP


denisufla@yahoo.com.br

Leiziane Neves de zara

Bacharel em Administrao pela Universidade Federal de Lavras


leizianeazara@yahoo.com.br

R ESUMO

ABSTRACT

A utilizao de estudos sobre volatilidade como


instrumento de orientao de investimentos e classificao de riscos tem sido uma estratgia muito utilizada
no mercado de capitais. Este artigo faz uma anlise
emprica da volatilidade dos retornos do ndice
Bovespa por meio de modelos da classe ARCH. Os
resultados empricos sugerem fortes sinais de persistncia e assimetria da volatilidade dos retornos da srie.
Alm disso, todos os modelos da classe ARCH estimados tiveram um bom desempenho, destacando o
modelo EGARCH (1,1), gaussiano, apresentando o
melhor ajuste considerando os critrios de qualidade.
Os resultados sugerem, tambm, a diversificao da
carteira de investimentos como um importante instrumento da administrao do risco e de suas operaes
comerciais, uma vez que, os choques negativos e
positivos tm impactos diferenciados sobre a
volatilidade dos retornos.

The use of studies about volatility as an instrument to guide


investments and risk classification has been an usual strategy
in stock market. This paper does an empirical analysis of the
volatility in Bovespa index returns with ARCH models. The
empirical results suggest that there are strong persistence and
skewness signals volatility in series returns. Besides, all ARCH
models estimated had a good performance, outstanding the
EGARCH(1,1), gaussian model, as there are which better
adjusted according to adjust quality criterion. The results
suggest, too, that the portfolio diversification is an important
instrument to risk management of its commercial operations,
because the negative and positive shocks have different impacts
on the volatility

Palavras-chave: Volatilidade, ndice Bovespa, modelos


ARCH, Mercado de Capitais, Econometria.

Key words: Volatility, Bovespa index, ARCH models, Stock


Market, Econometrics.

Revista Contempornea de Economia e Gesto. Vol.5 - N 1 - jan/jun/2007. (07-16).

Anlise da Volatilidade do ndice BOVESPA: um estudo emprico utilizado modelos da classe ARCH

1 INTRODUO
Durante duas dcadas a volatilidade tem sido foco
de pesquisas em sries temporais economtricas. Os estudos de volatilidade tm se limitado tambm em questes de estimao, inferncia estatstica e especificao de
modelos. A pesquisa de volatilidade tem contribudo
grandemente para a compreenso de questes em finanas econmicas, especialmente no que se refere
mensurao de incertezas, tal como alocaes de portiflio,
precificao de opes e administrao de risco.
A volatilidade pode ser destacada como uma das
ferramentas mais importantes para quem atua no mercado de opes, devido, principalmente, importncia dada
observao de sua direo e velocidade de movimentao. Em certo sentido, a volatilidade uma medida da
velocidade do mercado e, teoricamente, o nmero
volatilidade associada ao preo de uma mercadoria a
variao de preo referente a um desvio padro, expresso
em porcentagem, ao fim de um perodo de tempo. Portanto, se uma ao tem hoje um preo de 50 unidades
monetrias, com volatilidade de 20% ao ano, espera-se
que esta ao daqui a um ano, em mdia, esteja situada
entre 40 e 60 unidades monetrias.
A correta anlise da volatilidade se torna importante no s para o esboo estratgico na administrao de
ativos como tambm para a captao dos momentos de
incerteza no mercado, ou seja, quanto maior o grau de
incerteza frente s crises ou fatores exgenos maiores sero as variaes nos preos e na varincia dos retornos,
implicando desta forma, em grandes possibilidades de
g a n h o s e / o u p e r d a s. A s s i m s e n d o, o c o r r e t o
gerenciamento de risco de uma carteira de investimentos
passa pela boa previso das oscilaes de preos dos ativos
no mercado (MORAIS; PORTUGAL, 1999).
Ao remeter o estudo da volatilidade para o ndice
Bovespa (IBOVESPA), cuja finalidade se define em indicar comportamento mdio das aes de mercado, procura-se na sua composio aproximar ao mximo da real
configurao das negociaes vista (lote-padro), verificando a variao dos indicadores de desempenho mdio
das cotaes do mercado de aes brasileiro e permitindo, desta forma, uma visualizao clara das mudanas
ocorridas nos preos dos principais papis negociados na
bolsa, alm do real subsdio dado ao investidor, no que
se refere s informaes necessrias para o gerenciamento
e posicionamento de mercado.
Assim sendo, o presente artigo trata apenas dos
modelos de especificao da volatilidade determinstica,
apresentando um estudo emprico do processo de
volatilidade do retorno do IBOVESPA e analisando duas
caractersticas: a persistncia de choques e a assimetria na
volatilidade. Para tanto sero utilizadas como ferramentas estatsticas de estimao e anlise da volatilidade os
m o d e l o s d a f a m l i a A R C H (G A R C H; E G A RC H ;

TARCH), objetivando contribuir no apenas para o preenchimento de parte da lacuna observada nos estudos
sobre volatilidade de aes na Bolsa de Valores em So
Paulo, como tambm, apresentar um estudo cientfico de
anlise da volatilidade do IBOVESPA, a fim de que o
mesmo seja aplicado a processos de gerenciamento de
riscos e controle de garantias no referido mercado.
2 PROCEDIMENTOS METODOLGICOS
Utilizou-se neste trabalho as cotaes dirias do fechamento do IBOVESPA na Bolsa de Valores de So Paulo (BOVESPA), observadas durante o perodo de 03 de
janeiro de 2000 a 29 de dezembro de 2005, perfazendo
um total de 1491 observaes. Os dados foram coletados
junto ao site da Bovespa e a escolha da datas inicial e final
para a amostra foram arbitradas pelos pesquisadores, no
possuindo, portanto, nenhum significado especial.
Com base na premissa de log-normalidade dos preos, a srie do ndice Bovespa foi transformada por intermdio da equao r t = lnP t lnP t-1 , resultando em uma
srie de retornos do IBOVESPA (1490 observaes).
Dessa forma, as sries de retornos substituiu as sries
originais do IBOVESPA tornando-se dados de entrada
para os testes estatsticos e para os modelos de predio
de volatilidade. Conforme Tsay (2002) existem duas razes principais para se trabalhar com retornos, e no preos: a primeira que para investidores mdios, o retorno
de um ativo um sumrio completo e independente da
escala da oportunidade de investimento e, a segunda, que
sries de retornos so mais fceis de manipular que sries
de preos, dado que as primeiras tm propriedades estatsticas mais tratveis.
A primeira etapa da anlise emprica se constitui em
verificar visualmente o comportamento da srie temporal do ndice Bovespa e sua estatstica descritiva, a fim de
verificar fatores como assimetria, caudas pesadas, excesso
de curtose e normalidade na distribuio da srie.
Na segunda etapa obser va-se a verificao de
estacionaridade da srie de retorno do IBOVESPA atravs dos testes de raiz unitria, Dickey e Fuller Aumentado (ADF) e Phillips e Perron (PP).
A terceira etapa busca verificar a presena de
heteroscedasticidade condicional auto-regressiva na srie
de retorno do IBOVESPA. Para esta verificao utiliza-se
o teste ARCH-LM (ARCH - Lagrange Multipliers). A presena de heteroscedasticidade algo fundamental quando se utiliza modelos da classe ARCH.
Depois de testada a presena de heteroscedasticidade
condicional, parte-se para a quarta etapa, na qual se efetua
a modelagem dos dados. Ressalta-se ainda, segundo
Goulart et al. (2005), que anterior fase de descrio dos
modelos da famlia ARCH importante destacar em sua
utilizao, a exigncia da definio em conjunto da equao para a mdia condicional, uma vez que, os erros apu-

Revista Contempornea de Economia e Gesto. Vol.5 - N 1 - jan/jun/2007. (07-16).

Denis Renato de Oliveira, Leiziane Neves de zara

rados na equao da mdia so os insumos necessrios


operacionalizao dos clculos da volatilidade condicionada. Alexand er (1998) postula que, quanto mais
parcimoniosa for a definio da equao da mdia condicional, melhor ser possvel avaliar o desempenho do modelo. Isto posto, utilizou-se, primeiramente, os modelos ARMA (autoregressive movie average) para modelar
as dependncias temporais presentes na srie. Posteriormente, os modelos ARCH foram ajustados aos erros
quadrticos do modelo ARMA de modo que se extrasse
a volatilidade da srie.
Por fim, a quinta etapa constitui-se da anlise e
seleo do modelo que melhor se ajustou srie de
volatilidade do ndice Bovespa. Como medida de avaliao e seleo do melhor modelo para srie utilizou-se o
Critrio de Informao de Akaike, o valor da mxima
log-verossimilhana, o erro padro do modelo e os resultados do teste ARCH-LM para os lags 1, 5 e 10, que
busca verificar a eliminao completa da
heteroscedasticidade condicional. O critrio Akaike especificado conforme a funo:
Akaike = 2 logLT 2 k
n

n
Onde: logLT denota o valor da log verossimilhana; n o nmero de observaes; k o nmero de
parmetros.
Para o ajustamento e anlise da volatilidade dos retornos do ndice Bovespa utilizou-se o software estatstico Ox com o pacote especfico G@RCH 2.3, sugeridos por Laurent e Peters (2002). Sugere-se, para maiores
detalhes sobre o software, consultar Doornik (2001).
2.1 Modelos de Sries Temporais
Uma srie temporal definida por Box et al. (1994)
c o m o u m c o n j u n t o d e o b s e r va e s g e r a d a s
seqencialmente no tempo. Essencialmente, existem dois
enfoques usados na anlise de sries temporais e ambos
possuem o objetivo de construir modelos para as sries,
com propsitos determinados. No primeiro, a anlise
realizada no domnio da freqncia e os modelos propostos so no-paramtricos, como, por exemplo, a anlise espectral. No segundo, a anlise conduzida no domnio temporal e os modelos propostos so
paramtricos, para os quais o nmero de parmetros envolvidos na anlise finito, como, por exemplo, os modelos ARIMA (MORETTIN; TOLOI, 2004). Nos dois
enfoques, os modelos devem ser simples e
parcimoniosos, ou seja, deve-se envolver o menor nmero de parmetros possvel.
A anlise de sries temporais pode ser focada,
confor me Morettin e Toloi (2004), nos se guintes

propsitos:
- na investigao do mecanismo gerador da srie temporal;
- na previso de valores futuros da srie;
- apenas na descrio do comportamento da srie e;
- na procura de periodicidade relevantes nos dados.
Segundo Alexander (2005), o objetivo da anlise de
sries temporais encontrar o modelo estatstico que
melhor possa se adequar aos dados, bem como utilizar
esse modelo para a previso. Desse modo, pode-se permitir que as variveis falem por si mesmas, ou seja, sem
as restries da teoria econmica e da teoria das finanas.
Portanto, a construo de um modelo que descreva
os movimentos passados de uma varivel de determinada srie temporal, proveniente de anlises sistemticas
do comportamento dessa srie, capaz de predizer movimentos futuros dessa varivel.
2.1.1. Modelos ARIMA
Os modelos ARIMA (Autorregressivo Integrados Mdias mveis) foi formulado por Box e Jenkins
(1976) e baseiam-se na idia de que sries temporais noestacionrias podem ser modeladas a partir de d diferenciaes e, tambm, da incluso de componentes autoregressivos e mdias mveis. (BRESSAN; LIMA, 2002).
Sendo
um processo que pode ser descrito atravs
de uma modelagem ARIMA(p,d,q) da seguinte forma:
(1)
onde:

(2)

para um processo estacionrio (d = 0) e


se
o processo no estacionrio (d > 1).
Ao se considerar a diferenciao de tem-se um
modelo ARIMA(p,d,q) com:
(3)
onde:
o operador autorregressivo AR(p), e
o operador de
mdia mvel MA(q) e
processo rudo branco.
Vale lembrar que ser o retorno do Ibovespa, ou
seja,
, caso a srie de retorno no seja um rudo
branco, necessitando ento de uma modelagem temporal
utilizando o modelo ARIMA(p,d,q). Porm, nos casos
em que a srie de retorno se apresenta como um rudo
branco, ocorrendo geralmente em mercados eficientes, o
ajustamento de modelos autorregressivos e mdias mveis no ocorrem, partindo-se direto para os modelos de

Revista Contempornea de Economia e Gesto. Vol.5 - N 1 - jan/jun/2007. (07-16).

Anlise da Volatilidade do ndice BOVESPA: um estudo emprico utilizado modelos da classe ARCH

volatilidade.

( GA R CH ) . E m t e rm o s m a te m t i c os , u m m o d e l o
GATCH (p,q) pode ser expresso como:

2.1.2 Modelos de Volatilidade

(6)

Os primeiros estudos de modelagem de volatilidade


foram desenvolvidos por Engle (1982) e, segundo o
mesmo autor, um processo denominado ARCH
(autoregressive conditional heteroskedasticity) expressa
a varincia condicional como sendo uma defasagem distribuda do quadrado dos retornos passados, ou seja, a
idia bsica foi que o retorno na srie no-correlacionado
serialmente, mas a volatilidade (varincia condicional)
depende de retornos passados por meio de uma funo
quadrtica. Podemos definir um modelo ARCH(p) por:
(4)
(5)
onde:
o retorno;
uma seqncia de variveis
aleatrias independentes e identicamente distribudas
(i.i.d.) com mdia zero e varincia um.
Morettin e Toloi (2004) afirmam que, na maioria
das vezes, os erros dos modelos de volatilidade condicional assume uma distribuio normal ou uma distribuio t de Student, sendo t ~ (0,1) ou t ~ t (t de Student
com graus de liberdade) respectivamente.
Conforme afirmado anteriormente, caso a srie de
retorno apresentem uma autocorrelao serial, os modelos de volatilidade no se aplicam nas sries de retornos
propriamente ditas, e sim, nos resduos das sries aps o
ajustamento de um modelo ARIMA. Em outras palavras, os modelos de volatilidade no sero aplicados em
. (srie de retorno) e sim na srie (resduo dos modelos ARMA).
Conforme Mol (2003) este modelo de varincia condicional possui algumas propriedades desejveis. Em
primeiro lugar, por meio da tcnica de decomposio de
erros de predio possvel construir a funo de
verossimilhana, fazendo-se possvel a estimao dos
parmetros pelo mtodo de mxima verossimilhana.
Esta propriedade importante porque estes estimadores
possuem distribuies conhecidas que viabilizam a execuo de testes de hipteses diversos e, alm disso, possvel provar que este modelo implica em uma distribuio no condicional com caudas pesadas para os retornos.
A proposio original elaborada por Engle (1982)
mereceu, ao longo dos anos, extensos debates e diversos
aperfeioamentos. O primeiro e mais significativo foi introd uzido por Bollerslev (1986) ao propor que a
volatilidade condicionada era uma funo no apenas dos
quadrados dos retornos passados ( ), c omo tambm
dos seus prprios valores (
), passando os modelos
assim construdos a ser denominados Generalized ARCH

10

onde: a constante
um rudo branco [
].
A fim de se garantir que a varincia condicional no
seja negativa, e tambm a estacionariedade do processo,
temos que . > 0;
, para i = 1, ..., p;
, para
j = 1, ..., q; e
interessante ressaltar, que apesar do modelo
GARCH (p,q) captar corretamente diversas caractersticas
observadas nas sries histricas de finanas, tais como a
leptocurtose e o agrupamento de volatilidade, este no
capta o efeito de alavancagem, uma vez que, a varincia
condicional funo apenas das magnitude das inovaes e no dos seus sinais (BROOKS, 2002). A partir da,
surgiu a idia de se criar modelos que tivessem a capacidade de captar a assimetria das respostas, tais como os
modelos EGARCH, TARCH e APARCH.
O modelo EGACH (Exponential GARCH), proposto por Nelson (1991), foi uma inovao aos modelos
de volatilidade uma vez que os choques na varincia passam a ter efeito exponencial e no quadrtico. Este mesmo modelo apresenta duas vantagens em relao ao modelo GARCH: a incorporao dos efeitos assimtricos de
mercado aos modelos auto-regressivos de volatilidade
condicional e a no imposio artificial de restries aos
parmetros da equao, dada a sua formulao em termos
logartmicos.
Na forma simplificada o modelo EGARCH (p,q)
pode ser expresso:
(7)
onde: o parmetro permite um efeito assimtrico, e se
. =0, um indicativo de ausncia de assimetria na
volatilidade. Neste sentido, um procedimento de teste
para o efeito da assimetria na srie checar a significncia
de no modelo. Se estatisticamente diferente de zero, evidencia-se um impacto diferenciado de choques negativos e positivos na volatilidade. Se < 0, h presena
do efeito alavancagem. Neste modelo, a persistncia de
choques na volatilidade medida pelo parmetro b.
S e g u n d o B o l l e r s l e v e Wo o l d r i d g e ( 1 9 9 2 ) ,
estimadores de mxima verossimilhana dos parmetros
de um modelo GARCH podem ser utilizados assumindo-se inovaes gaussianas, ainda que a verdadeira distribuio no seja gaussiana. Para que se possa conseguir a
consistncia necessria neste processo, utiliza-se a matriz
de varincia-covarincia corrigida, proposta pelos autores. Neste trabalho, adotou-se a correo proposta por

Revista Contempornea de Economia e Gesto. Vol.5 - N 1 - jan/jun/2007. (07-16).

Denis Renato de Oliveira, Leiziane Neves de zara

Bollerlev e Wooldridge (1992), uma vez que


as distribuies de sries de retorno apresentam-se de forma leptocrticas.
Um modelo mais simples para a captao do comportamento assimtrico da
volatilidade nas sries financeiras foi apresentado por Glosten, Jagannathan e Runkle
(1993) e, posteriormente, implantado por
Zakoian (1994), denominado TARCH
(Threshold ARCH). Esse novo modelo um
caso particular do modelo ARCH no-linear, e a volatilidade agora, segue a forma funcional:
(8)
Figura 2: Srie de retornos dirios IBOVESPA - 03 de janeiro de 2000 a 29 de
onde: d t 1 uma varivel dummy que assume
dezembro de 2005
o valor igual a 1 se yt1 0 (ms notcias, e
Fonte: Dados da pesquisa
valor igual a 0 se yt1 0 (boas notcias).
Destacando que, como no modelo
As figuras acima representam o comportamento da
GARCH, as condies para a no negatividade e
srie do IBOVESPA e os retornos dirios IBOVESPA,
estacionariedade so. > 0;
, para i = 1, ..., p;
,
respectivamente.
para j = 1, ..., q; e
(BROOKS, 2002).
A Tabela 1, na pgina seguinte, demonstra algumas
estatsticas descritivas bsicas para os retornos do
3. ANLISES E DISCUSSO
IBOVESPA.
Por meio do teste de normalidade proposto por
Jarque
e Bera (1987) pde-se verificar que a assimetria e
Apresenta-se nesta seo a discusso dos resultacurtose
so fortemente significativas e indicam que a sdos da anlise da volatilidade do retorno do ndice
rie
de
retornos
do IBOVESPA leptocrtica em relao
Bovespa, utilizando modelos da famlia ARCH
distribuio
normal,
como mostra a Tabela 1. O coefici(Autoregressive Conditional Heteroskedasticity ) como ferramenta estatstica de estimao de volatilidade.

Figura 1: Srie de cotaes dirias IBOVESPA - 03 de janeiro de 2000 a 29 de dezembro de 2005.


Fonte: Dados da pesquisa

11

Revista Contempornea de Economia e Gesto. Vol.5 - N 1 - jan/jun/2007. (07-16).

Anlise da Volatilidade do ndice BOVESPA: um estudo emprico utilizado modelos da classe ARCH

ente de assimetria e excesso de curtose quantifica os desvios da distribuio normal e se define no trabalho de
Zhou (2000).

Tabela 3. Estimativa dos coeficientes de autocorre-lao e


autocorrelao parcial para os retornos e retornos
quadrticos.

Tabela 1. Estatsticas descritivas

Fonte: Dados da pesquisa


*a i e p i representam os coeficientes de autocorrelao e
autocorrelao parcial.
** Limite assinttico da funo de autocorrelao

Fonte: Dados da pesquisa

De acordo com a Tabela 2 podemos identificar que a


srie de retornos do IBOVESPA estacionria e no contm razes unitrias. Os testes foram realizados atravs
dos critrios Dickey-Fuller Aumentado (ADF) e PhillipsPerron (PP), propostos respectivamente por Dickey e
Fuller (1979) e Phillips e Perron (1988).
Tabela 2: Teste de estacionaridade para a srie de retornos do
IBOVESPA.

Fonte: Dados da pesquisa


Notas: Os valores crticos de significncia de 1%, 5% e 10% so 3,44, -2,86 e -2,57, respectivamente ADF e PP testes so calculados pela estatstica t

A tabela 3 contm algumas estimativas dos coeficientes das funes de autocorrelao e de autocorrelao
parcial para os retornos e retornos quadrticos do
IBOVESPA.

12

Os coeficientes de autocorrelao estimados para as


sries de retornos e retornos quadrticos revelaram um
padro previsvel para a mdia condicional dos retornos
do IBOVESPA, evidenciando tambm a presena de efeitos ARCH na volatilidade do mesmo. Objetivando conf i r m a r ta l e v i d n c i a , e fe t u o u - s e o t e s t e d o t i p o
Multiplicador de Lagrange ARCH LM test, proposto
por Engle (1982) nos resduos dos modelos AR ajustados para a mdia condicional dos retornos. Os p-valores
do teste so reportados na Tabela 4.
Tabela 4. Teste de heteroscedasticidade para a srie
de retornos do IBOVESPA ARCH-LM

Fonte: Dados da pesquisa

Em relao heteroscedasticidade da srie, conforme visto no teste ARCH-LM, os p-valores observados


nas estatsticas indicam uma forte presena de
autocorrelao dos resduos quadrticos da srie de retornos. Dessa forma, os testes sugerem a rejeio da hiptese de homoscedasticidade na srie de retornos do
IBOVESPA.

Revista Contempornea de Economia e Gesto. Vol.5 - N 1 - jan/jun/2007. (07-16).

Denis Renato de Oliveira, Leiziane Neves de zara

Assim sendo, ajustou-se vrios modelos para


Tabela 5: Resultados da estimao dos modelos para os retornos do
a mdia condicional da srie de retorno, estabelecenIBOVESPA.
do como melhor modelo um AR (1) para todos os
modelos da classe ARCH na varincia especificada.
Os parmetros dos modelos foram estimados pelo
procedimento de Newey e West (1987), o que os tornou robustos heterocedasticidade e autocorrelao
no processo do resduo.
O passo seguinte consistiu na modelagem da
volatilidade dos retornos condicionais do
IBOVESPA levando em considerao o padro
heteroced stico da volatilidade. Este fato foi
implementado ajustando-se os modelos GARCH,
EGARCH e TARCH volatilidade dos modelos j
ajustados para a mdia condicional dos retornos. Ao
adotar a hiptese de normalidade dos resduos dos
modelos ajustados para a mdia condicional do retorno na estimao dos modelos, considerando ainda o fato estilizado caudas pesadas, adotou-se a
matriz de varincia-covarincia corrigida proposta por
Bollerslev e Wooldridge (1992) no procedimento de
estimao dos modelos da famlia ARCH.
Os resultados da estimao para a mdia condicional e a volatilidade dos retornos IBOVESPA Fonte: Dados da pesquisa
esto reportados na Tabela 5. Pode-se observar a Estatstica t entre parnteses
princpio, que os choques na srie de retorno do
IBOVESPA tero efeitos por vrios perodos na sua Tabela 6: Medidas da qualidade do ajuste dos modelos estimados
volatilidade, ou seja, h uma persistncia de cho- para a srie de retornos do IBOVESPA.
ques na volatilidade, uma vez que a soma dos
parmetros
e
no modelo GARCH(1,1) e o
valor do termo
foram prximos, sendo de
0,97 e 0,96 respectivamente. Outro ponto interessante a ser observado a assimetria na volatilidade
dos retornos, cuja presena pode ser evidenciada no
modelo EGARCH(1,1), uma vez que o coeficiente
do termo .
mostrou-se significativamente
diferente de zero aos nveis de significncia, ou seja,
choques positivos e negativos tm impacto distinto
sobre a volatilidade, porm, no h evidncia de efeito alavancagem. O modelo TARCH(1,1), tambm,
Fonte: Dados da pesquisa
confirma a assimetria evidenciada pelo modelo
Notas:
EGARCH(1,1), posto que o parmetro associado ao
1. *denota o melhor modelo segundo cada critrio.
termo
mostrou-se significativamente di2. ln(L) denota a mxima log-verossimilhana do modelo estimado.
ferente de zero e tambm no fornece evidncia do
3. AIC o critrio de informao de Schwartz.
efeito alavancagem.
4. Erro padro denota o erro padro do modelo.
Ao analisar os indicadores da qualidade do ajus5. ARCH(lag) denota que o teste efetuado at o lag entre parnteses.
te, conforme apresenta a tabela 6, pde-se perceber
que todos os modelos ajustados para a srie de retornos do IBOVESPA tiveram um desempenho bem faDe forma geral, pode-se observar que o mercado de
vorvel, porm o modelo que se destacou foi o modelo
aes na BOVESPA apresenta uma assimetria em sua
EGARCH. Uma possvel hiptese para o fraco desempevolatilidade, uma vez que choques negativos tendem a se
nho do modelo GARCH a assimetria dos retornos, a
propagar de forma mais forte e em perodos mais extenqual no capturada pelo modelo. Corrobora essa hipsos do que choques positivos, ou seja, a variao de pretese a supremacia dos modelos assimtricos (EGARCH;
o no ndice Bovespa impactada pelos problemas funTARCH), segundo todos os critrios.
damentais, como mudanas na poltica econmica.

13

Revista Contempornea de Economia e Gesto. Vol.5 - N 1 - jan/jun/2007. (07-16).

Anlise da Volatilidade do ndice BOVESPA: um estudo emprico utilizado modelos da classe ARCH

Portanto, as oscilaes no ndice Bovespa so ocasion ad os mu ito mai s p or r esu lta d os d e pro blem as
econmicos do que por caractersticas inerentes ao prprio mercado, uma vez que as modificaes na volatilidade
esto relacionadas, em ltima instncia, com fatores
exgenos. Dito de outra forma, a instabilidade nas polticas econmicas governamentais ou as modificaes
exgenas no volume de transaes so muito mais importantes para justificar oscilaes nesses mercados do
que um possvel carter inerentemente instvel do mercado.
A persistncia e assimetria na volatilidade, sugerida
pelos resultados obtidos, fornecem sugestes de que a
utilizao de estratgias no mercado acionrio um importante instrumento para a administrao do risco de
variao nos preos de suas operaes comerciais, a fim
de que os agentes deste mercado possam negociar de forma segura, diminuindo consigo a exposio volatilidade
noticiada e, portanto, a reduo dos riscos envolvidos no
mercado.
4. CONCLUSO
Realizou-se neste trabalho uma anlise emprica
da volatilidade dos retornos do ndice Bovespa utilizando os modelos da classe ARCH como ferramenta de anlise. Observou-se, desta forma, que o ndice Bovespa
susceptvel a reaes de persistncia e assimetria na sua
volatilidade, ou seja, as variaes dos retornos sofrem
impactos diferenciados para boas e ms notcias, o que
pode ser comprovado pelos modelos GARCH, EGARCH
e TARCH gaussianos. interessante ressaltar que, mudanas na poltica governamental geram choques negativos e positivos que causaro grandes impactos nos preos futuros, repercutindo, ento, por longos perodos.
Devem ser ressaltadas ainda, algumas limitaes
inerentes ao estudo como: o restrito nmero de observaes decorrente do curto prazo de operao, a presena de
pontos controversos e ainda inconclusos no meio acadmico e o carter probabilstico dos resultados. Dessa forma, os resultados obtidos no tm a pretenso de sinalizar uma anlise minuciosa da volatilidade do ndice
Bovespa, mas sim, recolocar em discusso um tema de
crucial importncia para o gerenciamento de riscos e a
precificao de operaes no mercado de capitais brasileiro.
5. REFERNCIAS
ALEXANDER, C. Risk Management and Analysis. Measuring
and Modeling Financial Risk. West Sussex: John Wiley. v.
1,19 98.
ALEXANDER, C. Modelos de Mercado: um guia para anlise
de informaes financeiras. So Paulo: Bolsa de Mercadorias
e Futuros, 2005.

14

BOLLERSLEV, T. Generalized autorregressive conditional


heteroskedasticity. Journal of Econometrics, v.31, p.307-327,
1986.
BOLLERSLEV, T; WOOLDRIDGE, J. M. Quasi-maximun
likelihood estimation and inference in dynamic models with
time-VaRying CoVaRiances. Econometric Reviews, v.11, n.2,
p.143-172, 1992.
BOVESPA. Bolsa de Valores de So Paulo: IBOVESPA.
Disponvel em: <http://www.bovespa.com.br/Pdf/Indices/
IBovespa.pdf>. Acessado em: 16 set. 2006.
BOX, G.; JENKINS, G. Time Series Analysis. Holden Day , San
Francisco, Calif., 1976
BOX, G.; JENKINS, G.; REINSEL, G. C. Time Series
Analysis, forecasting and control. 3. ed. Englewood Cliffs:
Prentice-Hall, 1994, 598p.
BRESSAN, A. A.; LIMA, J. E. de. Modelos de previso de
preos aplicados aos contratos futuros de boi gordo na BMeF.
Nova Economia, v. 12, n.1, p. 117-140, 2002.
BROOKS, C. Introductor y Econometrics for Finance. Cambridge,
UK: Cambridge University Press, 2002.
DOORNIK, J. A. Object-Oriented Matrix Programming using OX.
3rd end. London: Timberlake Consultants Press. 2001.
ENGLE, R. F. Autorregressive conditional heteroskedasticity
with estimates of the variance of United Kingdom Inflation.
Econometrica, v.50, n.4, p.987-1007, 1982.
GLOSTEN, L. R.; JAGANATHAN, R.; RUNKLE, D. E. On
the relation between the expected value and volatility of the
nominal excess returns on stocks. Journal of Finance, v. 48, p.
1779-1807, 1993.
GOULART, C. P.; AMARAL, H. F.; BERTUCCI, L. A.;
BRESSAN, A. A. Previso da volatilidade no mercado
interbancrio de cmbio. RAE - Revista de administrao de
empresas, Edio especial Minas Gerais, v. 45, p. 86-101, 2005.
GUIMARES, R. S. Volume de contratos futuros de soja negociados na Bolsa de Mercadorias e Futuros (BMeF). 2007, 99 p.
Dissertao (Mestrado em Administrao) Universidade
Federal de Lavras.
JARQUE, C. BERA, A. A Test for normality of observations
and regression residuals. International Statistical Review, v.55,
p.163-172, 1987.
LAURENT, S.; PETERS, J. O. GARCH 2,3: An Ox package
for estimation and forecasting various ARCH models. Journal
of Economic Surveys. Oxford, v. 16, p. 447-485, 2002.
MOL. A. L. R. Value at Risk como medida de risco da volatilidade
dos ajustes dirios em mercados futuros de caf. 2003, 102 p.
Dissertao (Mestrado em Administrao) Universidade
Federal de Lavras.
MORAIS, I. A. C.; PORTUGAL, M. S. Modelagem e Previso de volatilidade determinstica e estocstica para a srie
do Ibovespa. Estudos Econmicos, So Paulo, SP, v. 29, n. 3,
p.303-341,1999.
MORETTIN, P. A.; TOLOI, C. M. C. Anlise de sries temporais. So Paulo: Edgard Blcher, 2004.
NELSON, D. B. Conditional heteroskedasticity in asset
returns: a new approach. Econometrica, v.59, n.2, p.347-370,
1991.
NELSON, D. Stacionarity and persistence in the Garch(1,1)
Model. Econometric Theor y, v.6, p.318-334,1991.

Revista Contempornea de Economia e Gesto. Vol.5 - N 1 - jan/jun/2007. (07-16).

Denis Renato de Oliveira, Leiziane Neves de zara

NEWEY, W. ; WEST, K. A simple positive semi-definite,


heroskedasticity and autocorrelation consistent covariance
matrix. Econometrica, v.55, p.703-708, 1987.
PHILLIPS, P.C.B. ; PERRON P. Testing for a unit root in
time series regression. Biometrika, v.75, p.335-346, 1988.
TSAY, R. S. The analysis of financial time series. New York: J.
WILEY, 2002.
ZAKOIAN, A. Threshold heteroskedasticity models. Journal
of Economic Dynamics and Control, v. 18, p. 931-955, 1994.
ZHOU, A. Modeling the volatility of the Heath-Jarrow-Morton
Model: A Multi-Factor Garch Analysis. Illinois: University
o f Il l i n o i s at U r ban a-C ham p ai g n, 2 0 0 0 . O F O R Pap e r
Number 00-05.

15

Revista Contempornea de Economia e Gesto. Vol.5 - N 1 - jan/jun/2007. (07-16).

Você também pode gostar