Escolar Documentos
Profissional Documentos
Cultura Documentos
Belo Horizonte
2021
JOÃO VICTOR CARVALHO NEVES DE MACÊDO
Belo Horizonte
2021
RESUMO
The present study investigated if there are any relevant information in high frequency
data that helps improve volatility forecast when these data is used in the estimation.
For the financial market, a good estimate for the volatility is of great utility for valuation
and measurements of risk exposure, margin call leverage and derivatives pricing. High
frequency log-returns were used in this investigation. A seasonal intraday pattern in a
reverse J-shape was found for the volatility of the return series of the companies
studied. The module ARMA-GARCH was used combined with deterministic seasonal
filter. The intraday data follows a weak form tests of the efficient market hypothesis, for
two of the samples studied it was observed a ARMA(0,0), which can be defined as a
white noise, corroborating for the efficient market hypothesis. Results showed that high
frequency data improves the forecast performance and the seasonal pattern filter is
essential to obtaining useful volatility estimates.
1. INTRODUÇÃO
1.1. Contextualização
Estudos indicam que esse padrão diurno explica grande parte da volatilidade
intradiária. Sobre a hipótese nula de homoscedasticidade, a série de retornos retirada
o efeito diurno é homoscedástica sobre a hipótese nula, ou seja, a estatística t diverge
para infinito se a série de retornos é heteroscedástica e, caso contrário, para uma
distribuição normal padrão.
Zhang (2018) e Defour (2018) destacam a importância da filtragem dos dados para se
separar a volatilidade transitória da volatilidade fundamental, devido a ruído da
microestrutura de mercado em dados de alta frequência.
10
Existe algum padrão para as ações brasileiras VALE3 e PETR4 em sua variação
intradiária que melhoraria o poder de inferência?
1.3. Objetivos
1.4. Justificativa
Por isso, se a volatilidade for prevista com eficiência, será possível precificar opções,
criar ferramentas de gestão de risco e em outras aplicações com mais acurácia. Esta
pesquisa se dá pela sua relevância e pode contribuir para uma previsão da medida de
volatilidade mais precisa. Há diversos estudos nesta área em mercados estrangeiros,
porém há poucos referentes ao Brasil.
2. REFERENCIAL TEÓRICO
A hipótese dos mercados eficientes (EMH - efficient markets hypothesis) faz duas
afirmações importantes sobre o equilíbrio dos preços das ações e na impossibilidade
de “superação do mercado” pelo investidor, recebendo um retorno maior do que
aquele atrelado ao risco da ação. Brigham e Ehrhardt (2017) mencionam que a EMH
propõe que o preço de mercado de uma ação é igual ao seu valor intrínseco, assim
sendo, eles ainda afirmam que o preço de mercado se ajustará ao novo valor
intrínseco tão rapidamente que não haverá tempo para um investidor receber as novas
informações, avaliá-las, assumir uma posição referente à ação antes que preço de
mercado mude e ele possa obter lucro a partir das mudanças subsequentes no preço.
Essa última afirmação se justifica devido ao fato que, dentro do mercado, há milhares
de analistas especializados em uma gama enorme de diferentes ações, bem como
um grande número de instituições financeiras e fundos com orçamentos bilionários
aptos a aproveitar de ações subavaliadas. As formas das hipóteses de mercado
eficiente colocam seu foco em um tipo diferente de disponibilidade das informações e
têm-se: a forma fraca, semi-forte e forte (FAMA, 1970).
Essa forma propõe que apenas as informações anteriores e que estão contidas nos
movimentos dos preços das ações, em seu histórico de preços e retornos, refletem
nos preços e retornos atuais. Portanto, todas as tendências passadas serão as fontes
para determinação dos preços (FAMA, 1970).
Uma crítica à eficiência na forma fraca implica em baixas é que caso haja um padrão
no comportamento do preço, rapidamente ele será descoberto e, portanto, eliminando
as possibilidades de arbitragem. Brigham e Ehrhardt (2017), concluem que a eficiência
na forma fraca implica que qualquer informação originária de preços anteriores de
14
ações é tão rapidamente incorporada ao preço atual de uma ação que é difícil existir
uma oportunidade de lucro.
A última forma, a eficiência na forma forte, Fama (1970) aponta ser quando toda
informação, pública ou privada, em qualquer tempo, reflete por inteiro nos preços e
retornos das ações. Desta forma, a relevância é se os investidores possuem acesso
à informação privilegiada relevante para a formação de preço. Portanto, é impossível
a obtenção de retornos anormais no mercado de ações.
metade em um único negócio, enquanto um especialista leva uma semana para fazê-
lo no mercado de ativos. Além disso, o especulador detém posições em aberto para
um curto período de tempo (poucos minutos) e negocia em 23 pequenas quantidades
(poucos contratos) em uma atividade bastante intensa de negociação.
Para Tse (1999), tais características do mercado futuro de índice evidenciam que o
modelo de especialistas, de controle de inventário, e de seleção adversa não são úteis
para descrever a microestrutura dos mercados futuros, em particular para descrever
os padrões intradiários de spread de compra e venda, da volatilidade, do volume
negociado e do número de negócios. No entanto, os períodos de alta volatilidade e
alto volume de negociação são oportunidades de lucro para os traders e, portanto,
estes podem estar dispostos a assumir posições em spreads menores durante os
períodos de abertura e de encerramento do pregão. Seguindo a abordagem de Gerety
e Mulherin (1992), o agrupamento de volume e número de negócios ao abrir e ao
fechar o mercado é uma evidência do desejo dos investidores de negociar o risco de
manter posição durante a noite, isto é, os spreads de fechamento diminuem
(aumentam) porque os traders não estão dispostos a manter os inventários e assumir
os riscos de notícias desfavoráveis durante a noite, pois, para os autores, no mercado
17
Nas praças de liquidez, onde as ofertas são transmitidas por sinais eletrônicos, cada
trader age como um leiloeiro, e este pregão permite a competição aberta entre eles.
Entretanto, os especuladores têm um horizonte de manutenção das suas posições
menores (minutos ou segundos), enquanto que os investidores mantêm posições de
mais longo prazo, como um dia ou mais. Neste sentido, os especuladores agem como
market makers (formadores de mercado) ou dealers e fornecem liquidez
continuamente, enviando ofertas a mercado contra as ordens que podem ser
executadas, e são identificados informalmente por outros traders pela simples
observação de seu comportamento de negociação. Os especuladores não têm a
obrigação de oferecer liquidez, nem mesmo permanecer presentes em qualquer
posição ou praça de negociação em particular. Kuserk e Locke (1993) documentaram,
em seus estudos, que uma estratégia bem sucedida de especulação envolve
negociação frequente de pequenos volumes, e que a rentabilidade do especulador
18
Para Grossman e Miller (1986), o modelo que melhor explica os mercados futuros é
aquele em que o negócio ocorre em dois períodos e o ativo é liquidado no terceiro
período. O que motiva a negociação é sempre o rebalanceamento da carteira do
investidor induzida por choques exógenos de liquidez. A assincronia dos negócios cria
a demanda por imediatismo no período 1, com o desequilíbrio do portfólio no período
2. Assim, a mudança do preço entre os períodos 1 e 2 pode ser considerado o retorno,
para um especulador que está disposto, por um dado preço, em manter portfólio não
balanceado.
3. METODOLOGIA
Esta pesquisa trata-se de um estudo descritivo que, conforme Gil (1999), visa
estabelecer a relação entre variáveis e descrever as características de uma
população.
Para este estudo, a série utilizada é composta de cotações das empresas Vale S.A.
(VALE3) e Petrobrás PN (PETR4), empresas consideradas “Blue Chips” que têm
geração forte de caixa, boa relação com os acionistas, boa governança corporativa,
alto valor de mercado e alta liquidez no mercado de ações. Além disso, essas duas
ações possuem contratos futuros e são papeis significativos no mercado de opções.
Após estimada a nova série de retornos filtrados uj, foi estimado os modelos ARMA-
GARCH. A previsão final de volatilidade condicional para a série filtrada,
reincorporando o padrão sazonal, a ser avaliada é dada por
ℎ𝑗 = 𝐼𝑗 ℎ′𝑗 (3)
onde h’j representa a variância condicional para a série de retornos filtrados uj.
Segundo Razali e Wah (2011), em seus estudos de comparação do poder dos testes
de normalidade (Shapiro-Wilk, Anderson-Darling, Lilliefors e Kolmogorov-Smirnov), a
fim de determinar o melhor, concluiu que o teste de Shapiro-Wilk é o teste mais
poderoso, porém, o de Anderson-Darling é bastante comparável a ele. Além disso, os
autores apontam que todos os testes não desempenham bem para amostras
pequenas (tamanho 30 ou menor). Dessa forma, foi utilizado o teste de normalidade
de Anderson-Darling ao invés do Shapiro-Wilk por uma limitação do software utilizado
e pela amostra ter um tamanho expressivo, 17.864 observações na amostra reduzida
intradiária e 638 observações na amostra reduzida diária.
3.3.3. Inferência
𝑁
1 𝐴𝑡 − 𝐹𝑡
𝑀𝐴𝑃𝐸 = ∑ | | (4)
𝑁 𝐴𝑡
𝑡≡1
∑𝑁
𝑡=1(𝐴𝑡 − 𝐹𝑡 )
2
𝑅𝑀𝑆𝐸 = √ (5)
𝑁
4. RESULTADOS
Desvio Curtose
Média Mediana Máximo Mínimo Assimetria
Padrão (excesso)
Diários:
Amostra
0,00156 0,00208 0,12310 -0,12030 0,03268 0,0428 1,391
Completa
(a)
Intradiários:
Amostra
0,00006 0,00000 0,10852 -0,09300 0,00616 0,5458 26,544
Completa
(b)
Intradiários:
Amostra 0,00006 0,00000 0,10852 -0,09300 0,00640 0,5413 25,166
Reduzida (c)
Intradiários:
Amostra
-0,00380 0,00000 9,72804 -12,22986 1,00002 -0,1080 7,659
Reduzida
Filtrada (d)
Fonte: Elaborado pelo autor.
Nota: (a) 709 dados; (b) 19.852 dados; (c) e (d) 17.864 dados.
26
Desvio Curtose
Média Mediana Máximo Mínimo Assimetria
Padrão (excesso)
Diários:
Amostra 0,00108 0,00086 0,14257 -0,11090 0,03173 0,2738 1,858
Completa (a)
Intradiários:
Amostra 0,00006 0,00000 0,11302 -0,08754 0,00595 0,7482 29,411
Completa (b)
Intradiários:
Amostra 0,00004 0,00000 0,11302 -0,08754 0,00612 0,7367 28,812
Reduzida (c)
Intradiários:
Amostra
-0,00976 0,00000 12,62618 -10,74210 0,99998 0,1844 8,070
Reduzida
Filtrada (d)
Fonte: Elaborado pelo autor.
Nota: (a) 709 dados; (b) 19.852 dados; (c) e (d) 17.864 dados.
27
Conforme evidenciado nos GRAF. 5 a 10, nota-se um padrão sazonal para o processo
de volatilidade em formado de “J invertido”, com valores expressivos no início do dia,
decrescendo rapidamente e mantendo-se baixo. O cálculo do padrão sazonal foi feito
por meio da média dos quadrados dos retornos de cada intervalo de 15 minutos.
Para a Petrobrás nos GRAF. 11 a 16, observa-se um leve aumento no final do dia,
diferente do que acontece para a Vale. Dessa forma, é possível denotar a existência
de um padrão de sazonalidade intradiária no processo de volatilidade. Resultado
similar de volatilidade intradiária foi encontrada por Zhang e Dufour (2019). No estudo
de Andersen e Bollerslev (1998) não foi percebido sinais de volatilidade elevada
próximo do fechamento a bolsa de Nova Iorque, o que é também observado para as
ações estudadas.
29
Todas as séries tiveram um p-valor abaixo de 0,1% para o teste AD, rejeitando-se a
hipótese nula de normalidade. A amostra reduzida de alta frequência rejeitaram a
hipótese nula de distribuição independente dos retornos, mostrando não haver
correlação serial, com p-valor de 0,0161 ao nível de significância de 5% para a Vale e
com p-valor de 0,0026 ao nível de significância de 1% para a Petrobrás. Nenhuma
das amostras apresentaram raiz unitária com p-valor abaixo de 0,01 e todas
apresentaram efeitos ARCH, ou seja, seus resíduos são heterocedásticos.
32
Dick Fuller
Anderson Phillips
Empresa Ljung Box Aumentad PQ - LM
Darling Perron
o
Destaque para a ordem e média zero para todos os parâmetros dos dois últimos
modelos da Petrobrás, o que indica que as séries têm características de ruído branco.
O GRAF. 33 a 38 apresentam as funções de autocorrelação e autocorrelação parcial
de cada uma das amostrar da Petrobrás.
Para a amostra com dados intradiários não filtrados da Vale, o melhor modelo foi o
GARCH(2,2) com parâmetros ω não significativo, α1, α2 e β2 significativos a 0,1% e β1
significativo a 5% (TAB. 4).
37
Para a amostra com dados intradiários filtrados da Vale, o melhor modelo foi o
GARCH(1,2) com parâmetros ω significativo a 1%, α1, β1 e β2 significativos a 0,1%
(TAB. 5).
TABELA 5 - Parâmetros GARCH estimados com dados intradiários filtrados da Vale: ARMA(1,1)-
GARCH(p,q) – (Desvio Padrão entre parênteses)
Para a amostra com dados diários da Vale, o melhor modelo foi o GARCH(1,1) com
parâmetros ω e α1 não significativos, β1 significativo a 0,1% (TAB. 6).
38
Para a amostra com dados intradiários não filtrados da Petrobrás, o melhor modelo foi
o GARCH(1,2) com parâmetros ω e α1 não significativos, β1 e β2 significativos a 0,1%
(TAB. 7).
Para a amostra com dados intradiários filtrados da Petrobrás, o melhor modelo foi o
GARCH(1,2) com parâmetros ω significativo a 1% e α1, β1 e β2 significativos a 0,1%
(TAB. 8).
39
Para a amostra com dados diários da Petrobrás, o melhor modelo foi o GARCH(1,1)
com parâmetros ω não significativo, α1 e β1 significativos a 0,1% (TAB. 9).
MAPE RMSE
MAPE RMSE
5. CONSIDERAÇÕES FINAIS
A informação contida em retornos de alta frequência é útil para uma grande gama de
problemas econômico financeiros, como para modelos volatilidade e precificação de
opções, como o modelo de Black-Scholes, cálculo de VaR, cálculo de saldos de
margem em operações no mercado e gestão de risco num geral. O simples uso de
dados intradiários para previsão já mostrou ter um melhor poder preditivo em relação
ao uso de dados diários.
O estudo foi restrito a apenas duas empresas devido ao difícil acesso a dados de alta
frequência hoje no mercado, sendo este conteúdo pago. Para estudos futuros, seria
interessante investigar esse fenômeno em uma base de dados mais extensa para um
maior número de empresas listadas na B3 e outras empresas no mercado mundial.
Além disso, pode-se avaliar a volatilidade condicional de alta frequência contra a
variação dos preços de derivativos, utilizando de volatilidade intrínseca.
43
REFERÊNCIAS
GIL A. C. Como Elaborar Projetos de Pesquisa [Book] / ed. ATLAS S.A.. - São
Paulo : [s.n.], 2002. - 4.
MANASTER S. and MANN S. C. Life in the Pits: Competitive Market Making and
Inventory Control [Journal] // The Review of Financial Studies. - Julho 1996. - 3 :
Vol. 9. - pp. 953-975.