Importancia de Um Indice de Volatilidade

FUNDAÇÃO GETÚLIO VARGAS
ESCOLA DE PÓS GRADUAÇÃO EM ECONOMIA
MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL
GUSTAVO TORRES CURSINO DE MOURA
A IMPORTÂNCIA DE UM ÍNDICE DE VOLATILIDADE PARA O MERCADO

BRASILEIRO
Rio de Janeiro
Maio de 2011
A IMPORTÂNCIA DE UM ÍNDICE DE VOLATILIDADE

PARA O MERCADO BRASILEIRO
Dissertação de Mestrado
Dissertação apresentada como requisito parcial para a

obtenção do título de Mestre em Finanças e Economia
Empresarial da Escola de Pós-Graduação em Economia
da Fundação Getúlio Vargas.
Orientador: Claudio Henrique da Silveira Barbedo
Rio de Janeiro, maio de 2011

A IMPORTÂNCIA DE UM ÍNDICE DE VOLATILIDADE

PARA O MERCADO BRASILEIRO
Dissertação de Mestrado
Dissertação apresentada como requisito parcial para a

obtenção do título de Mestre em Finanças e Economia
Empresarial da Escola de Pós-Graduação em Economia
da Fundação Getúlio Vargas. Aprovada pela Comissão
Examinadora abaixo assinada.
Prof. Claudio Henrique da Silveira Barbedo

Orientador
(Banco Central do Brasil)
Prof. Marcelo Verdini Maia

(Pontifícia Universidade Católica – PUC RJ)
Prof. Pedro Cavalcanti Ferreira

(Fundação Getúlio Vargas - EPGE / RJ)
Rio de Janeiro, 20 de maio de 2011

Agradecimentos
À minha família e em especial a minha esposa, que mesmo morando longe sempre
me deu toda a força para que eu concluísse este curso.
Ao meu orientador Claudio Barbedo, que foi essencial para a elaboração da

dissertação devido a sua atenção e paciência.
Aos meus amigos de mestrado que ajudaram a descontrair nos momentos mais
tensos do curso.
Aos funcionários da EPGE por terem sido sempre solícitos.

Moura, Gustavo Torres Cursino de; Barbedo, Claudio Henrique da Silveira
(Orientador). A importância de um índice de volatilidade para o mercado
brasileiro. Rio de Janeiro, 2011. Dissertação de Mestrado em Finanças e Economia
Empresarial - Escola de Pós Graduação em Economia, Fundação Getúlio Vargas.
RESUMO
Este trabalho objetiva analisar a importância de um índice de volatilidade implícita

para o mercado brasileiro. Por ser conhecida como uma medida das expectativas
futuras dos investidores, diversos estudos, principalmente na literatura estrangeira,
tem consegui extrair importantes informações quanto às mudanças na volatilidade
implícita com a chegada de novos dados sobre a economia. Analisando as opções
de juros (IDI) e de dólar, este trabalho verifica que informações de dados
macroeconômicos impactam a volatilidade. Os resultados demonstram que as
expectativas quanto ao mercado de juros são impactadas por diversos dados, porém
o mesmo não acontece com o mercado de dólar, a qual se demonstrou ser
impactada somente por intervenções do Banco Central via colocação de swaps. Por
fim, o trabalho conclui que existem varáveis não transacionáveis que explicam as
variações na volatilidade implícita, mostrando que as volatilidades implícitas das
opções possuem bastantes informações quanto às expectativas.
Palavras-Chave: volatilidade implícita, expectativas, dados macroeconômicos,

opções de juros, opções de dólar, índice de volatilidade implícita
Moura, Gustavo Torres Cursino de; Barbedo, Claudio Henrique da Silveira (Advisor).
The importance of a volatility index for the brazilian market. Rio de Janeiro,
2011. Msc. Dissertation in Finance and Corporate Economics – Graduate School of
Economics, Getulio Vargas Foudation.
ABSTRACT
The purpose of this paper is to analyze the importance of an implied volatility index
for the Brazilian market. Since it is thought of as a measure of market expectations,
and due to the arrival of new economic data, some studies (mainly foreign) have
been able to extract important information regarding changes in implied volatility. By
analyzing interest rate options (IDI) and exchange rate options (Real/Dollar), this
paper verifies whether macroeconomic data impacts volatility. The results show that
a large range of such data affects interest rate expectations, whereas only central
bank interventions through swap contracts cause an impact on the exchange rate
market. Lastly, the study concludes that certain non-transactional variables explain
the volatility variations, which shows that the implied volatility of options contain a
significant amount of information on market expectations
Key words: implied volatility, expectations, macroeconomic data, interest rate

options, exchange rate options, implied volatility index
Sumário
1. Introdução ................................................................................................................................ 6
2. Literatura Relacionada ............................................................................................................ 9
3. Metodologia e Base de Dados ..............................................................................................13
3.1. Base de Dados ...................................................................................................................13
3.2. Metodologia .............................................................................................................. 15
3.2.1.Descrição da Metodologia..........................................................................................15
3.2.2 Média da Volatilidade .................................................................................................18
4. Resultados ..............................................................................................................................20
4.1. Mudanças nas Expectativas do Mercado de Juros .........................................................20
4.2. Mudanças nas Expectativas do Mercado de Câmbio .....................................................25
4.3. Mudanças nas Volatilidades através de Variáveis Negociáveis ....................................28
5. Conclusão ...............................................................................................................................31
Bibliografia ......................................................................................................................................33
Apêndice .........................................................................................................................................35
Índice de Figuras
Figura 1: Série Histórica do VIX americano de Janeiro de 2006 a Novembro de 2010................................. ........5
Índice de Tabelas
Tabela 1: Impacto das surpresas macroeconômicas na volatilidade das opções de IDI.......................21
Tabela 2: Impacto das mudanças das projeções para fim de mês do relatório FOCUS do Banco Central
na volatilidade das opções de IDI.......................................................................................................22
Tabela 3: Impacto das mudanças das projeções de 12 meses à frente do relatório FOCUS do Banco
Central na volatilidade das opções de IDI...........................................................................................22
Tabela 4: Correlação entre as variáveis independentes do teste com as projeções de 12 meses à

frente do Relatório FOCUS do Banco Central......................................................................................23
Tabela 5: Impacto das mudanças das projeções para fim de período do relatório FOCUS do Banco
Central na volatilidade das opções de IDI...........................................................................................24
Tabela 6: Impacto das surpresas macroeconômicas na volatilidade das opções de Dólar.................26
Tabela 7: Impacto das mudanças das projeções para fim de período do relatório FOCUS do Banco
Central na volatilidade das opções de Dólar.......................................................................................27
Tabela 8: Impacto das intervenções no mercado do Banco Central na volatilidade das opções de
Dólar..................................................................................................................................................27
Tabela 9: Impacto das variáveis transacionadas na volatilidade das opções de IDI...........................29
Tabela 10: Impacto das variáveis transacionadas na volatilidade das opções de dólar.......................30
1. Introdução
A volatilidade implícita é entendida como uma medida das expectativas futuras

dos investidores. Por isso o surgimento de novas informações ao mercado faz com
que os agentes ajustem as suas curvas, mudando o seu nível, inclinação ou
curvatura, de acordo com a percepção do mercado frente a esta nova informação.
Além disso, a volatilidade também é impactada pela aversão a risco dos

investidores. Quando ocorrem períodos de crise na economia, é possível identificar
tal movimento, já que as volatilidades implícitas, devido às incertezas trazidas pela
crise, tendem a aumentar, impactando as avaliações dos agentes de mercado.
Um bom exemplo desse movimento pode ser identificado pelo gráfico do VIX1.
Analisando os períodos de crise, como recentemente em 2008, é possível observar
que o índice aumenta mostrando que as incertezas sobre as expectativas futuras
são grandes, assim como nos períodos de economia mais estáveis o mesmo estará
em níveis mais baixos.
Figura 1 – Série Histórica do VIX americano de Janeiro de 2006 a Novembro de 2010
1
O VIX é uma média da volatilidade implícita extraída das opções sobre o S&P 500. Criado pela CBOE em 1993
atualmente é utilizado em larga escala no mercado financeiro americano sendo o principal benchmark de
volatilidade do mercado e tendo inclusive negociação de opções do próprio índice.
6
Recentemente diversos estudos relacionados à volatilidade das opções, como
por exemplo, Vahämaa (2009) e Vähämaa, Watzka, e Äijö, (2005), têm sido
realizados na tentativa de entender melhor o comportamento e extrair destas
importantes informações. Tais trabalhos têm analisado, por exemplo, quais variáveis
macroeconômicas têm maiores impactos nas volatilidades, ou ainda, qual é o
impacto de uma mudança na política monetária. Os resultados têm demonstrado a
importância dessa medida para o mercado.
O objetivo principal deste trabalho é analisar a importância da criação de um

índice de volatilidade para o mercado brasileiro tornando-se um benchmark, assim
como o índice VIX é para o mercado americano, sendo inclusive objeto de
negociação na CBOE2.
Para alcançar o objetivo proposto é necessário encontrar a relação entre a

superfície de volatilidade implícita e a divulgação de novas informações, que podem
mudar a expectativa do mercado. Como objetivos secundários, serão analisados
ainda se existem outras variáveis transacionáveis no mercado que expliquem os
movimentos na volatilidade implícita como analisada por Woo, Vicente e Barbedo
(2009) utilizando as opções de dólar, e como as intervenções do Banco Central (BC)
no mercado de câmbio, seja através de compra e venda de moeda ou de colocação
de swaps, impactam as expectativas futuras do dólar.
A análise neste estudo focará na superfície de volatilidade das opções sobre

Índice de Depósitos Interfinanceiros de um dia (IDI) e das opções sobre o câmbio
real/dólar negociadas no mercado de balcão da Bolsa de Mercadorias e Futuros
brasileira (BM&F Bovespa). Esta análise utilizará somente dados domésticos não
levando em consideração as informações de dados divulgados no exterior. O
comportamento da volatilidade implícita das opções cambiais quando o Banco
Central do Brasil realiza intervenções no mercado via leilões no mercado spot ou
através da negociação de contratos de swap cambiais também será levado em
consideração.
2
CBOE – Chicago Board Options Exchange
7
Sendo assim, este trabalho está organizado da seguinte forma: no Capítulo 2 será
apresentada uma revisão da literatura relacionada a este assunto; no capítulo 3 será
discutida a metodologia, descrevendo a forma como a base de dados será tratada.
Os resultados obtidos serão apresentados no capítulo 4 seguidos da conclusão do
trabalho no capítulo 5.
8
2. Literatura Relacionada
A literatura aponta diversos estudos, como os realizados por Patell e Wolfson

(1979), Glosten e Milgrom (1985) e Green (2004) que analisam o impacto de dados
macroeconômicos em ativos financeiros, tais como a curva de juros, os contratos de
câmbio, dentre outros tipos de ativos financeiros. Tais trabalhos focam, em sua
maioria, na análise do primeiro momento dos ativos, observando o comportamento
dos preços em relação à chegada de novas informações.
Este tipo de análise ajuda a entender a dinâmica dos mercados e como os

investidores que atuam naquele segmento se comportam frente às novas
informações. No mercado de juros americano, por exemplo, Balduzzi, Elton and
Green (1996) concluíram que os treasuries de curto prazo não sofrem tanto impacto
com os novos dados quanto os títulos de longo prazo, os quais são mais afetados
por mudanças na política monetária. O estudo de Almeida, Goodhart e Payne (1998)
sugere que no mercado de câmbio de dólar e marco alemão, os dados domésticos
tendem a ter uma relevância maior do que os dados internacionais.
Embora diversos estudos, como os mencionados acima, terem sido realizados

nessa área, a literatura, principalmente no Brasil, é escassa quando se trata do
impacto de dados macroeconômicos na volatilidade implícita das opções. Como os
estudos descritos anteriormente, as volatilidades implícitas também são impactadas
por divulgação de novas informações.
Ederington e Lee (1996) realizaram um estudo do impacto de dados agendados e

não agendados sobre mudanças na curva de volatilidade implícita das opções do
Treasury americano, no mercado de euro dólar e do marco alemão. Os autores
concluem que o nível de volatilidade implícita tende a cair após a divulgação de
dados já agendados previamente, pois os agentes de mercado ajustam as suas
curvas antes e as incertezas do mercado são resolvidas em seguida ao anúncio. No
caso de dados não agendados, a volatilidade implícita tende a aumentar já que os
agentes ajustam as suas curvas aos novos níveis. Dessa forma eles também
explicam o fato, de no mercado americano, existir um padrão da volatilidade implícita
9
subir na segunda-feira e cair na sexta-feira, argumentando que a agenda americana
possui dados de extrema relevância sendo divulgados na quinta-feira e na sexta-
feira.
Apesar desses resultados, o conteúdo dessas novas informações é importante

para explicar as mudanças de nível da volatilidade. Dependendo das expectativas
do mercado e do resultado do dado em si, a variação da volatilidade implícita pode
ser positiva ou negativa em relação ao nível atual. Estas diferenças são explicadas
por Vahämaa (2009). Neste artigo o ele demonstra que dependendo da metodologia
utilizada, pode-se chegar a resultados diferentes sobre o impacto dos dados
macroeconômicos na superfície de volatilidade.
Inicialmente o artigo supracitado realiza teste similar ao utilizado por Ederington e

Lee (1996), usando uma dummy na qual o valor é 1 (um) se no instante t for
divulgado um dado macro e 0 (zero) caso contrário, demonstrando que o coeficiente
da regressão é estatisticamente significativo e com sinal negativo para a maioria dos
dados macroeconômicos utilizados para as opções de T-Note e do S&P 100.
Posteriormente, a dummy é trocada por um coeficiente que mede a surpresa do

mercado em relação ao dado divulgado, onde esta surpresa é a diferença entre a
expectativa de mercado e o dado macroeconômico noticiado. Neste caso, os
coeficientes das regressões podem se tornar positivo ou negativo. Além disso,
Vahämaa (2009) também chega a resultados diferentes quanto aos sinais dos
coeficientes quando utiliza o conteúdo do dado, ou seja, se o mesmo é considerado
uma boa ou má notícia.
Por ser uma medida de expectativa futura, a volatilidade implícita não muda
somente de nível quando existem novas informações no mercado. Assim como
acontece na curva de juros, a curva de volatilidade pode alterar o seu ângulo ou
então sua torção, também chamado de skewness. Vähämaa, Watzka, e Äijö, (2005),
analisam além da mudança de nível, o skewness da opção no mercado futuro de
bonds alemães. Esta medida é uma função de probabilidade implícita da opção,
demonstrando como os agentes atribuem uma probabilidade de ocorrer certo
movimento no mercado. Neste artigo, os autores concluem que as volatilidades
10
esperadas pelo mercado aumentam em resposta a resultados de inflação maiores
do que os esperados. A assimetria do mercado, medido pelo skewness, também é
afetada por resultados acima da expectativa da inflação e da taxa de desemprego,
fazendo aumentar a probabilidade esperada que haja uma subida na taxa de juros
local.
Esses resultados mostram que o mercado altera as suas expectativas visando às

reuniões dos comitês responsáveis pela decisão da nova taxa básica de juros da
economia local. Dependendo da atividade econômica, o mercado atribuirá maiores
probabilidades para movimentos extremos de uma alta ou de um corte na taxa de
juros. Vahämaa (2005) chega a esses resultados analisando o impacto da política
monetária européia nos períodos próximos a essas reuniões do ECB (sigla em
inglês para European Central Bank).
Ainda citando Vahämaa (2005), o autor conclui que em períodos de aperto

monetário, o mercado atribui probabilidades maiores para um aumento na taxa de
juros local do que um corte, da mesma forma quando ocorre o movimento contrário
quando o ECB está em um período de afrouxamento na política monetária. Em sua
análise final é ainda demonstrado que tais assimetrias aumentam antes das
reuniões e tendem a cair logo após a decisão, levando à conclusão de que o
mercado tenta antecipar os movimentos do banco central e que através dessas
assimetrias é possível prever os movimentos do comitê local.
Assim como as reuniões de política monetária são importantes indicativas para as

expectativas no mercado de juros, as intervenções do Banco Central no mercado de
câmbio, seja através da compra e venda direta da moeda ou através de operações
com derivativos, são importantes para as expectativas do mercado cambial. Desde a
mudança para o regime de câmbio flutuante em 1999, o Banco Central do Brasil
realiza intervenções no mercado de dólar. Essa questão é analisada por Nascimento
e Plaga (2011) no mercado brasileiro que buscam identificar se essas operações
possuem eficácia ou não no controle da volatilidade do câmbio e concluem que tais
intervenções afetam a volatilidade do câmbio mesmo em períodos de crise cambial.
Em outro estudo neste campo, Araújo (2004) investiga inicialmente os efeitos das
intervenções e concluem que há um aumento na volatilidade do câmbio e analisam
11
também a questão da endogeneidade das variáveis através da metodologia de Vella
(1993), chegando a resultados opostos, concluindo que essas intervenções acabam
diminuindo a volatilidade.
Ainda sobre as intervenções no mercado de câmbio, Galati e Melick (2002)

analisam o impacto dessas operações nas expectativas do mercado através das
opções de dólar por marco alemão e das opções de dólar por yen concluindo que as
intervenções dos bancos centrais têm um impacto positivo nas expectativas dos
câmbios apesar de os resultados não terem sido significantes estatisticamente nos
padrões convencionais. Observam ainda que após a realização dessas
intervenções, as expectativas quanto à probabilidade de uma alta ou queda no
cambio são alteradas, apesar de os resultados não terem sido estatisticamente
significativos.
12
3. Metodologia e Base de Dados
3.1. Base de Dados
Para a realização deste estudo, serão utilizados os dados diários entre 2 de

janeiro de 2006 e 30 de novembro de 2010 das opções sobre dólar futuro e das
opções sobre IDI divulgadas pela BM&F Bovespa, podendo ser obtidos no site da
instituição. A partir dos negócios realizados durante o dia, a BM&F Bovespa realiza
uma precificação desses derivativos para a divulgação após o fechamento do
mercado. Esses dados são utilizados diariamente para extrair a volatilidade implícita
e bastante utilizados também nos calls nas corretoras de valores e pelos
investidores.
Devido à particularidade de cada mercado a ser analisado, nem todas as

variáveis explicativas serão utilizadas para as opções de dólar e para as opções de
IDI. Além disso, serão testadas somente aquelas variáveis que tenham uma
divulgação no mínimo mensal. A seguir estão listados os dados macroeconômicos
com divulgação mensal a serem utilizados para o mercado de opções de juros:
Índice Nacional de Preços ao Consumidor Amplo - IPCA, Índice Nacional de Preços
ao Consumidor Amplo Quinzenal - IPCA 15, Índice de Preços ao Consumidor
divulgado pela Fundação Instituto de Pesquisas Econômicas – IPC FIPE, Índice
Geral de Preços do Mercado – IGP M, Índice Geral de Preços "Disponibilidade
Interna" – IGP DI, Índice Geral de Preços 10 – IGP 10, Produção Industrial, Taxa de
Desemprego divulgado pelo CAGED, Vendas no Varejo e Dívida sobre o Produto
Interno Bruto. Além destes, serão utilizados os seguintes dados com divulgação
semanal: Boletim FOCUS do Banco Central com as projeções para o fim de mês
corrente do IPCA, IPC-FIPE, IGP-DI e IGP-M; as projeções de doze meses à frente
suavizadas para IPCA, IPC-FIPE, IGP-DI e IGP-M e por fim as projeções de fim de
período para o IPCA, IPC-FIPE, IGP-DI e IGP-M, Expectativa da Taxa SELIC, Dívida
sobre o PIB e Produção Industrial.
13
Já para as opções de dólar, serão utilizados os seguintes dados com divulgação
mensal: Conta-Corrente, Importações, Exportações, Balança Comercial,
Investimento Estrangeiro Direto e Índice Nacional de Preços ao Consumidor Amplo -
IPCA. Assim como para as opções de IDI as projeções do relatório FOCUS foram
utilizadas. Porém, de tais projeções foram utilizados somente as projeções para fim de
período, já que as projeções para fim de mês e para 12 meses à frente suavizados só
contemplam índices de inflação. Sendo assim, os seguintes dados do boletim FOCUS
que possuem divulgação semanal foram utilizados: as projeções de fim de período
para o Cambio, IPCA, Conta Corrente, Balança Comercial e Investimento
Estrangeiro Direto
Ainda em relação às opções cambiais, será realizado o teste com as intervenções

do Banco Central no mercado de câmbio, realizados tanto no mercado spot quanto
através da colocação de swaps cambiais. Os dados dos swaps cambiais foram
gentilmente cedidos pela corretora Convenção. Para as intervenções no mercado
spot, os dados foram retirados da base das Operações com o Setor Externo dos
Fatores Condicionantes da Base Monetária, disponível no Sistema Gerador de
Séries do Banco Central. Esta série é uma aproximação das operações de compra e
vendar de moedas realizadas pelo Banco Central.
Para os testes com o chamado Kit Brasil serão utilizados os dados diários da
cotação do dólar, Ibovespa e do vértice de 360 dias corridos do Swap DI x Pré que é
equivalente ao vértice de 252 dias úteis da curva de juros.
Assim como para os dados do Kit Brasil, os dados mensais do IPCA IPC-FIPE,
IGP-M, IGP-DI, Produção Industrial, Taxa de Desemprego Vendas no Varejo, Conta-
Corrente, Importações, Exportações e Balança Comercial foram retirados pelo
terminal da Bloomberg.
14
3.2. Metodologia
3.2.1. Descrição da Metodologia
Para avaliar os impactos das informações da divulgação dos dados da economia,

será empregada uma metodologia similar à aplicada por Vahämaa (2009). Neste
estudo, o autor utiliza em um de seus testes, uma variável a qual é denominada de
surpresa. Dessa forma o autor tenta quantificar e avaliar como se comporta a
expectativa futura do mercado, medida pela volatilidade implícita, quando uma nova
notícia divulgada diverge do que era esperado pelos investidores. Seguindo a
equação de Vahämaa (2009):
ln( / )=α+ ∑ , + , (1)
A variação da volatilidade possui uma relação linear com a parte não esperada
pelo mercado , . Sendo assim, equação a ser utilizada para os dados
macroeconômicos com divulgação mensal é:
ln( / )=α+ ∑ , + , (2)
O termo x , é a surpresa do dado divulgado, a qual é mensurada pela diferença

do valor real do dado em si e a expectativa do mercado. As expectativas para todos
os dados macroeconômicos foram retirados pelos surveys realizados pela
Bloomberg. Além disso, para que estas surpresas possam ser comparadas entre
indicadores divergentes, cada surpresa foi padronizada dividindo-se pelo seu desvio-
padrão como abaixo:
, ( , (3)
)
Onde zi,t é a diferença entre o dado e sua expectativa e é o desvio-padrão da

série. Por ter uma divulgação mensal, foram utilizados somente os dias em que teve
ao menos um dado divulgado, sempre repetindo a última observação até a data da
nova divulgação.
15
Para as expectativas do relatório FOCUS do Banco Central, a mesma equação
(1) é utilizada. A diferença para este grupo de dados é que ao invés de possuírem
surpresas, já que não existem expectativas para o FOCUS e por este relatório ser
uma projeção de alguns players do mercado, o termo Xi,t é trocado por Fi,t, onde
este novo termo é a diferença da projeção atual para a projeção da última semana.
Com isso a seguinte equação é gerada:
ln( / )=α+ ∑ , + , (4)
Para este grupamento de dados, pelo fato dos mesmos serem divulgados sempre
às segundas-feiras, sempre é considerado a variação da volatilidade implícita de
fechamento de segunda-feira em relação à volatilidade de fechamento de sexta-
feira. Tanto para a equação (2), quanto para a equação (4), os testes foram
realizados através do método dos mínimos quadrados.
As volatilidades implícitas das opções talvez não sejam impactadas apenas pelas
divulgações de novos dados da economia. O fato das opções serem negociadas
diariamente, as expectativas dos agentes podem se ajustar através de movimentos
do mercado. Para analisar esta questão, assim como em Woo, Vicente e Barbedo
(2009), se existem variáveis transacionáveis no mercado que expliquem tais
mudanças, ou seja, se as expectativas futuras são ajustadas também pelas
variações desses ativos negociados no mercado de capitais, serão utilizadas como
variáveis explicativas, as variações diárias do dólar, as variações do índice Bovespa
e do vértice de 360 dias úteis do Swap DI x Pré3. Esses ativos, por serem
considerados como os principais ativos do mercado brasileiro, podem conter
bastante informação. Sendo assim, a equação para a realização dessa análise é:
ln( / )=α+ . ó + . + . (5)
Por serem dados diários de séries financeiras e o resultado do teste de

Multiplicador de Lagrange para heterocedasticidade condicional autorregressiva foi
positivo, foi empregado o método de modelo de heterocedasticidade condicional
3
Utilizando o vértice de 360 dias úteis do Swap DI x Pré é equivalente a analisar a curva de juros de 12 meses à
frente.
16
GARCH (p.q) como sugeridos por Engle (1982) e Bollerslev (1986). Após a
aplicação deste método, foi realizado o teste novamente e o resultado foi negativo
para heterocedasticidade.
Por fim, será analisado o impacto das intervenções do Banco Central na

volatilidade implícita das opções de dólar. Essas intervenções podem fazer com que
os investidores ajustem as suas expectativas, sendo um indicativo da situação da
economia na visão do Banco Central. Ainda sobre as intervenções, estas podem ser
de compra de moeda ou venda. Para as intervenções no mercado spot, o sinal
positivo indica a compra de moeda, assim como o sinal negativo implica na venda de
dólar. Além das intervenções no mercado spot, o BC realiza operações no mercado
de câmbio através de leilões de swap e em alguns casos, a instituição emite um
comunicado anunciando que irá realizar um leilão. No caso dos swaps, estes se
classificam em swap cambial4 (indicando uma venda de dólar no mercado) e swap
cambial reverso5 (indicando compra de moeda estrangeira). Neste trabalho, as
operações de swap cambiam terão o valor negativo e os swaps cambiais reversos
possuirão um valor positivo para que possa se diferenciar as operações de compra e
de venda. Sendo assim, esta relação entre a volatilidade implícita do cambio e essas
intervenções seguirão a seguinte equação:
ln( / )=α+ . + . (6)
Onde o termo Interv indica as operações de realizadas no mercado spot e o termo

Swap é a soma diária das duas variáveis de swaps apresentadas anteriormente.
Assim como para a equação (5), foi realizado o teste de Multiplicador de Lagrange
para heterocedasticidade, chegando ao mesmo resultado. Dessa forma, esta
regressão foi realizada através do método do modelo de heterocedasticidade
condicional ARCH. Vale destacar que as variáveis explicativas estão em nível,
enquanto a variável dependente está sendo utilizada em primeira diferença pelo fato
desta ter apresentado raiz unitária.
4
Swap Cambial é a troca de taxa de variação cambial (variação do preço do dólar) por juros pós-fixados. Essa
operação é equivalente a ficar com uma posição de venda no dólar e outra posição compradora na taxa de
juros.
5
Swap Cambial Reverso possui o fluxo inverso do Swap Cambial, ou seja, há uma troca de juros pós-fixados por
variação cambial.
17
3.2.2. Média da Volatilidade
Para a realização dos testes descritos na subseção 3.2.1 será necessário calcular
a média da volatilidade implícita para cada grupo de opções. Isso se deve ao fato de
que a volatilidade varia de strike para strike como mencionado anteriormente. Se
fosse optado por utilizar uma única opção, as informações contidas nas outras
opções seriam perdidas, informações estas que são valiosas para a conclusão final
deste trabalho.
Existem diversas metodologias para calcular a média da volatilidade para um

grupo de opções na literatura6. Porém não existe uma metodologia que possua uma
aferição melhor do que outra. Dessa forma, neste trabalho optou-se por utilizar a
mesma metodologia aplicada para o cálculo do índice VIX7. O VIX original é uma
média da volatilidade implícita extraída do mercado de ações americano. Este índice
é calculado diariamente através das opções sobre o S&P 100, utilizando sempre
puts e calls dos dois vencimentos mais próximos, criando-se uma série de tempo de
volatilidade implícita sobre uma opção at-the-money com maturidade constante de
um mês.
Independente da metodologia utilizada, a inclusão de todas as opções contidas na

base de dados também não é recomendada já que existem diversas opções deep-
in-the-money e deep-out-of-the-money que não são negociadas. Se tais opções
forem consideradas, adicionarão informações distorcidas sobre a volatilidade
implícita. Para minimizar este problema, incialmente foram eliminadas as opções
com moneyness menores do que 0,85 e maiores do que 1,15. Após este primeiro
filtro, foram eliminadas as opções dos strikes abaixo às puts que apresentaram o
primeiro valor de R$ 0,01, e os strikes posteriores às calls que apresentaram o
mesmo valor de prêmio. Desta forma eliminam-se possíveis distorções causadas
pelas volatilidades das opções que não possuíam valor no mercado e que
consequentemente não teriam negociação.
6
Ver mais em Ederington e Guan (2000).
7
Ver “THE CBOE VOLATILITY INDEX® - VIX” em www.cboe.com.
18
Para replicar o VIX para as opções de dólar foram considerados os dois
vencimentos mais próximos (as opções que vencem no mês seguinte e no mês
subsequente), criando assim uma opção com maturidade constante de um mês.
Como utilizado na metodologia do VIX original, as opções são roladas para os
vencimentos seguintes faltando cinco dias de pregão para o vencimento a fim de
minimizar as distorções que ocorrem na volatilidade implícita próximas ao
vencimento. Esse período foi definido de acordo com a liquidez dos vencimentos
subsequentes, pois foi constatado que há uma semana para o vencimento, os
agentes de mercado já começavam a negociar os vencimentos mais longos.
Para as opções de juros (IDI) foram utilizadas as opções com vencimento de seis
meses e um ano à frente, criando assim uma opção com maturidade constante de
seis meses. Dada a peculiaridade deste mercado, não foi possível utilizar as opções
com vencimentos mais próximos, já que na base de dados nem sempre existiam
opções mais curtas e que tivessem liquidez para todo o período analisado. Além
disso, foi constatado que a rolagem das opções ocorria faltando aproximadamente
vinte dias de pregão para o vencimento. Porém, utilizando tal periodicidade foram
encontrados diversos períodos com variância negativa8. Alguns testes foram feitos a
fim de encontrar o melhor período de rolagem, chegando assim ao período de cinco
dias de negociação para o vencimento. Ainda assim foram obtidos cinco dias com
variância negativa. Para corrigir tal problema foi calculada a média dos cinco dias
anteriores ao período com variância negativa.
8
Esta ocorrência se deve ao fato de que pela metodologia do VIX, ao realizar a rolagem o vencimento mais
curto tem a sua variância extrapolada, i.e o peso no calculo da variância final é maior do que 1. Porém mesmo
sendo extrapolada, esta variância era menor do que a variância do segundo vencimento, fazendo com que a
variância final ficasse negativa.
19
4. Resultados
Nesta seção serão apresentados os resultados dos testes realizados dos

modelos conforme descritos na seção anterior. Outros resultados podem ser
encontrados no Apêndice. Inicialmente serão apresentados os resultados com todos
os testes realizados para as opções de IDI e posteriormente os resultados com os
testes para as opções de dólar. Vale lembrar que as regressões foram feitas pelo
método de mínimos quadrados, com exceção para os testes com o chamado Kit
Brasil e com as intervenções do Banco Central no mercado de câmbio que foram
estimados pelo método ARCH.
4.1. Mudanças nas Expectativas do Mercado de Juros
Inicialmente foram utilizadas todas as variáveis macroeconômicas descritas na

metodologia relacionadas à equação (1). Pela análise do correlograma dos resíduos
foi necessário a inclusão de um termo autorregressivo de ordem 1 (AR(1)) no
modelo. Analisando as variáveis individualmente, apenas a produção industrial se
mostrou estaticamente significativa.
O coeficiente negativo deste teste inicial mostra que uma surpresa acima do
esperado pelo mercado faz com que os agentes ajustem a volatilidade implícita para
baixo. Porém analisando a estatística-F do modelo, as variáveis em conjunto não
têm impacto sobre a volatilidade implícita. Posteriormente, outros testes foram
realizados, pois se espera que quando o mercado erra a projeção de um índice de
inflação para um dado mês, ele tende a errar para os outros índices também.
Outro fato que pode ter tornado este teste insignificante de uma forma geral é que
algumas variáveis podem estar interferindo no resultado. Na Tabela 1 encontram-se
os resultados do modelo final, o qual também foi incluído um termo AR (1) devido à
autocorrelação nos resíduos, com os dados que apresentaram os melhores
resultados. Neste caso a produção industrial continua estatisticamente significativa
ao nível de 5% e com o sinal negativo as variáveis em conjunto também explicam as
mudanças nas expectativas.
20
Tabela 1: Impacto das surpresas macroeconômicas na volatilidade das opções de
IDI
ANÚNCIO MACROECONÔMICO ESTIMATIVA ESTATÍSTICA – T
Produção Industrial -0.006370** -2.196442

IPCA -0.005475 -0.930033
Taxa Desemprego 0.004901 1.223992
C -0.004635 -1.138329
R² ajustado 0.011944
Estatística – F 2.483848**
***, ** e * denotam a significância aos níveis de 0,01, 0,05 e 0,10 respectivamente.
O fato do coeficiente da produção industrial ser negativa demonstra que os

agentes de mercado ajustam a volatilidade implícita para baixo, indicando que as
incertezas futuras diminuem. Porém não se pode afirmar que o modelo explica as
variações nas expectativas já que o R² ajustado é muito baixo indicando que não
possui boa aderência. Estes resultados estão em linha com o trabalho de Vahämaa
(2009) e Vähämaa, Watzka, e Äijö, (2005), onde em sua maioria os R² ajustados
também se mostram bastante baixo. É preciso destacar também que em alguns
momentos, por mais que o dado divulgado tenha sido acima ou abaixo da
expectativa do mercado, este não é necessariamente uma nova informação
suficiente para alterar as expectativas futuras. Na verdade existe um limiar superior e
inferior em relação ao valor esperado do dado macroeconômico e que é considerado
ainda “dentro da expectativa” pelo mercado. Talvez se fossem considerados como
surpresas somente as divulgações que foram muito acima ou muito abaixo dos
valores esperados, os testes descritos acima tivessem resultados um pouco
diferentes.
Existem outras variáveis, além das surpresas macroeconômicas, que também

alteram as expectativas futuras. A Tabela 2 apresenta o resultado da regressão com
as projeções para o fim de mês do IPCA e IPC-FIPE do relatório FOCUS do Banco
Central (os demais testes encontram-se no Apêndice), seguindo a equação (3)
apresentada na metodologia. Neste teste foi encontrada autocorrelação entre os
resíduos do modelo e com isso um termo ARMA (2,1) foi incluído.
21
Como é possível observar, essas projeções em conjunto impactam as
expectativas de longo prazo no mercado de juros (a hipótese nula da estatística-F do
modelo é rejeitada ao nível de 1%), apesar de individualmente não terem nenhum
destaque, mesmo quando todos os índices de inflação são utilizados, os resultados
são muito parecidos.
Tabela 2: Impacto das mudanças das projeções para fim de mês do relatório
FOCUS do Banco Central na volatilidade das opções de IDI
DADO PROJETADO ESTIMATIVA ESTATÍSTICA – T
IPC - FIPE 6.552842 0.821246

IPCA 0.598155 0.046223
C 0.006251* 1.786716
Estatística – F 4.199905***
Uma possível explicação para estes resultados é que essas mudanças nas
projeções de curto prazo provavelmente alteram também as projeções de longo
prazo e com isso impactam indiretamente as expectativas de longo prazo, já que a
variável dependente deste modelo é a expectativa de longo prazo para o mercado
de juros.
Nas Tabelas 3 encontra-se o resultado com as projeções de 12 meses à frente

suavizadas para o IPCA e. Assim como nos testes com as projeções de fim de mês,
foi encontrada autocorrelação nos resíduos e um termo ARMA (2,1) foi incluído no
modelo.
Tabela 3: Impacto das mudanças das projeções de 12 meses à frente do relatório

IPCA 0.120390 1.419697

IPC - FIPE 0.079231 1.151123
C 0.006767** 2.212354
22
Apesar de serem projeções de longo prazo, os resultados finais foram muito
parecidos com os encontrados nos testes realizados para as projeções de fim de
mês. Todos os índices de inflação analisados foram insignificantes individualmente,
porém quando analisados em conjunto aparecem significativa ao nível de 1%.
Isso leva a crer que os agentes de mercado não analisam somente um ou outro
índice de inflação especificamente para alterarem as suas expectativas. Quando a
correlação entre as variáveis é analisada na Tabela 4, é possível inferir que a
relação entre as variáveis independentes é positiva entre si, demonstrando uma
multicolinearidade entre elas. Estes resultados valem tanto para as projeções de fim
de mês quanto para as de 12 meses à frente. Talvez pelo fato de terem
metodologias de apuração9 diferentes entre si, estes índices de inflação precisam
ser avaliados em conjunto para que possam passar uma melhor informação sobre o
estado real da economia, pois se analisadas individualmente podem ter uma
observação outlier que levaria os investidores a terem conclusões erradas.
Tabela 4: Correlação entre as variáveis independentes do teste com as projeções

de 12 meses à frente do Relatório FOCUS do Banco Central
IPCA IPC - FIPE IGP - M IGP – DI

IPCA 1.000000 - - -
IPC – FIPE 0.213867 1.000000 - -
IGP - M 0.279585 0.169983 1.000000 -
IGP - DI 0.444450 0.169162 0.490326 1.000000
Esses testes com projeções de inflações apresentados nas Tabelas de 2 e 3 se

assemelham com os testes da relação de Fisher. Esta teoria sugere que a taxa de
juros nominal é a soma da taxa de juros real e da expectativa de inflação conforme a
equação abaixo e que a relação entre a taxa de juros e a expectativa da inflação
deve ser de 1 para 1, ou seja, uma mudança na expectativa deve alterar a taxa de
juros nominal no mesmo valor e direção conforme a equação abaixo:
ℯ
= + (6)
9
O IPCA, por exemplo, mede a variação do custo dos gastos das famílias que ganham até quarenta salários
mínimos enquanto o IPC-FIPE mede a variação dos preços para o consumidor que ganha até vinte salários na
cidade de São Paulo.
23
Onde o termo i é a taxa de juros nominal e πℯ é a expectativa da inflação para o
período. Pozas (2008) analisa esta relação para diferentes tipos de taxa de juros no
Brasil e concluíram que existe uma fraca evidência para a presença da relação de
Fisher, ou seja, o β da equção (6) é menor do que 1. Porém para as opções de
juros, esta relação não se mostrou válida, pois o β dos índices de inflação foram
todos estatisticamente insignificantes mesmo com uma relação para as taxas de
juros.
A seguir estão os testes da equação (3) com as projeções do relatório FOCUS

para o fim do ano. Para este caso os resultados são mais expressivos, como pode
ser observado na Tabela 5. Assim como nos testes anteriores com as projeções
FOCUS, também foi necessária a inclusão de um termo ARMA (2,1) devido ao
problema de autocorrelação.
Nos resultados iniciais, nos quais foram utilizadas todas as variáveis, além da
estatística-F do modelo ter sido significativa ao nível de 1%, as projeções da SELIC
ao nível de 1%, IPCA e IPC-FIPE ao nível de 5% se mostraram significativas. Como
é possível observar, um aumento na projeção da taxa SELIC possui um impacto
negativo na volatilidade implícita das opções. Normalmente esse movimento na taxa
de juros está ligado ao aquecimento da economia local. Este resultado vai à mesma
direção do encontrado na Tabela 1 deste capítulo, onde a produção industrial que
está diretamente ligada ao nível de atividade do país possui também um impacto
negativo na expectativa de mercado.
Tabela 5: Impacto das mudanças das projeções para fim de período do relatório
SELIC -14.95762*** -5.026239

IPCA 26.93084*** 5.471131
IPC-FIPE 5.358156* -1.775511
C 0.003635 7.087802
24
No caso das projeções do IPCA e do IPC-FIPE, os coeficientes positivos indicam
que estes aumentam as incertezas sobre o futuro da economia. Talvez este fato
ocorra pelo receio de que se perca o controle sobre a inflação, já que o Brasil
enfrentou períodos com alto índice de preços e que deterioraram a economia.
Quando algumas variáveis são retiradas, existe uma melhora em relação ao teste
inicial. De acordo com as estimativas da Tabela 5, a produção industrial passa ser
significativa ao nível de 5% e com o mesmo sinal das projeções da SELIC. As outras
variáveis já se mostraram significativas no teste anterior, não havendo grandes
alterações nos resultados finais, chegando às mesmas conclusões mencionadas
anteriormente.
4.2. Mudanças nas Expectativas do Mercado de Câmbio
A seguir serão discutidos os resultados dos testes de mudanças nas expectativas

no mercado de câmbio quando há novas informações no mercado. Assim como foi
realizado para o mercado de juros, foram utilizadas as surpresas macroeconômicas
e as projeções dos relatórios FOCUS do Banco Central para analisar se existe
alguma influência dessas variáveis nas expectativas dos agentes.
Inicialmente encontra-se na Tabela 6 o resultado do teste realizado com as

surpresas macroeconômicas. Devido ao problema de heterocedasticidade
apresentado, os coeficientes foram estimados com a matriz de White robusta a
heterocedasticidade.
Analisando os resultados é possível inferir que nenhuma das variáveis estudadas

possui impacto sobre as expectativas do dólar no curto prazo. Além de serem
insignificantes individualmente, as varáveis em conjunto também se mostram
insignificante, ou seja, a hipótese nula da estatística-F não é rejeitada em qualquer
dos níveis estatísticos usuais de 1%, 5% e 10%.
25
Dólar
ANÚNCIO MACROECONÔMICO ESTIMATIVA ESTATÍSTICA - T
Balança Comercial 0.006920 1.457286

IPCA -0.001833 -0.542373
Importações 0.000681 0.127739
Investimento Estrangeiro Direto -0.002502 -0.785984
Exportações -0.004728 -1.102347
Conta Corrente 0.003520 1.904683
C -0.000315 -0.091324
Estatística – F 1.212519
Posteriormente algumas variáveis foram retiradas do modelo, mas mesmo assim

os resultados continuaram muito similares. Para todas as variáveis não foi rejeitada
a hipótese nula de os coeficientes serem estatisticamente igual a zero. Apesar de ter
havido uma melhora em do R² ajustado e da estatística-F do teste em relação ao
teste inicial, os resultados finais ainda indicam que as variáveis em conjunto também
não têm significância.
Mesmo quando são utilizadas as projeções para fim de período do relatório

FOCUS, as variáveis macroeconômicas continuam estatisticamente insignificantes.
Na tabela 7, encontram-se os resultados iniciais dos testes com as projeções da
balança comercial, IPCA, investimento estrangeiro direto, conta-corrente e do
câmbio. Devido ao problema de heterocedasticidade, os termos a seguir também
foram estimados com a matriz robusta de White.
Mesmo a retirada de varáveis do modelo não faz com que os resultados mudem.
Analisando os resultados dos outros testes é possível observar que as estatísticas
dos coeficientes mudam marginalmente, mas a sua insignificância continua tanto
individualmente quanto em conjunto.
Os resultados dos testes realizados com as surpresas macroeconômicas e as

mudanças nas projeções para fim de período do relatório FOCUS mostram que as
expectativas dos agentes de mercado em relação ao mercado de câmbio não são
impactadas por nenhuma das variáveis.
26
FOCUS do Banco Central na volatilidade das opções de Dólar
DADO PROJETADO ESTIMATIVA ESTATÍSTICA - T

IPCA -0.000986 -0.564330
Investimento Estrangeiro Direto 0.073959 0.278447
Câmbio 0.393118 0.709477
C -0.004201 -0.953208
R² ajustado -0.011626
Isso remete ao fato de que o mercado de câmbio no Brasil é influenciado pelo

fluxo de entrada e saída de moeda. Os rumores de uma crise externa e as
intervenções do Banco Central no mercado de câmbio acabam por impactar a
volatilidade implícita das opções de câmbio. Esta questão fica mais esclarecida
analisando os resultados apresentados na Tabela 8. Vale lembrar de que se
tratando de série financeira com dados diários, os parâmetros foram estimados
através da metodologia ARCH, conforme descrito no capítulo 3 deste trabalho.
Tabela 8: Impacto das intervenções no mercado do Banco Central na volatilidade

das opções de Dólar
DADO PROJETADO ESTIMATIVA ESTATÍSTICA – Z
Swap 1.63E-12*** 7.137549

Interv 1.58E-13 0.309248
C -0.000219 -1.663144
R² ajustado -0,011655
Apesar de na literatura ser utilizado um modelo E-GARCH, pois através deste

método é possível analisar os efeitos de compra e venda de câmbio separadamente,
neste trabalho foi utilizado um modelo GARCH (1,1), já que o intuito aqui é descobrir
se essas intervenções possuem impacto na volatilidade implícita, independente se é
uma intervenção de compra ou de venda.
27
Em posse dos dados da Tabela 8, é possível observar que as intervenções feitas
através de swaps cambiais possuem um impacto com sinal positivo, o que indica
que tais instrumentos aumentam a volatilidade condicional das opções. Tais
resultados são similares aos encontrados na literatura como em Nascimento e Plaga
(2011) e Araújo (2004), apesar de tais estudos focarem na volatilidade do câmbio e
não na volatilidade das opções. Vale destacar aqui que o Banco Central realizou
grandes intervenções via leilões de swaps cambiais no período entre outubro e
novembro de 2008 (momento em que a crise do subprime foi mais acentuada)
vendendo moeda estrangeira no mercado. Exatamente neste mesmo período houve
um aumento acentuado na volatilidade implícita das opções de câmbio devido ao
aumento também na aversão a risco dos investidores. Sendo assim, tais resultados
aqui encontrados parecem ter o mesmo problema de endogeneidade encontrado por
Araújo (2004) em seu estudo, no qual foi verificado que as intervenções diminuíram
a volatilidade do câmbio.
Outro resultado importante é apesar de em Nascimento e Plaga (2011) as

intervenções no mercado à vista terem apresentado significância no período de crise
entre janeiro e junho de 1999 (neste período o Brasil passou a utilizar o regime de
câmbio flutuante), no estudo aqui realizado os mesmos se mostraram insignificantes.
Isto talvez possa ser explicado pelo fato de que no período aqui estudado (entre
janeiro de 2006 e novembro de 2010) o regime cambial foi um apenas, além de o
Banco Central ter comprado dólar regularmente por grandes períodos o que não
influenciou as expectativas do mercado, já que essas operações eram realizadas no
intuito de compor as reservas de moeda.
4.3. Mudanças nas Volatilidades através de Variáveis Negociáveis
Como pode ser visto até aqui, existem diversas variáveis no mercado que alteram
as expectativas futuras do mercado. No caso do mercado de juros, os dados
macroeconômicos e as projeções dos relatórios FOCUS do Banco Central de uma
forma geral alteram a volatilidade implícita das opções, enquanto que no dólar os
resultados mostraram uma dinâmica diferente, mostrando que é influenciado por
fluxo de moeda e não por divulgação de novos dados macroeconômicos.
28
Porém Woo, Vicente e Barbedo (2009) concluíram que para o mercado de dólar
especificamente, além de variáveis transacionáveis, existem outras variáveis não
transacionáveis que explicam as mudanças na curva de volatilidade implícita. Os
autores chegaram a esta conclusão, analisando a relação da volatilidade implícita
com as variações diárias do dólar à vista, do IBOVESPA e do vértice de 12 meses à
frente da curva de juros e encontrando R² ajustados muito baixos.
Nesta subseção será feita uma análise muito similar para os mercados de juros e
de dólar. Os resultados a seguir foram obtidos através do modelo GARCH (1,1),
como já foi mencionado no capítulo 3 deste trabalho. Além disso, foram encontradas
mudanças estruturais nas séries através da realização do teste de estabilidade de
Quandt Andrews. Para corrigir tal problema foram incluídas dummies com valores
iguais a 1 (um) nas observações onde o teste apontou e 0 (zero) para as outras
observações. Na Tabela 9 encontram-se os resultados do teste realizado para o
mercado de juros.
Tabela 9: Impacto das variáveis transacionadas na volatilidade das opções de IDI
C -0.004897 -1.589032
Dólar à vista 0.076884 0.338023
Ibovespa -0.105222 -0.776819
Pré – 252 6.248206** 2.090417
Como é possível observar na tabela acima, a única variável que parece explicar a
variação de parte da variância condicional da série é a taxa Pré-252, com sinal
positivo como já era esperado e significante ao nível de 5%. Outro fato importante é
que o R² ajustado é muito baixo, sendo um resultado muito similar aos encontrados
com os testes realizados anteriormente. Este resultado, assim como já mencionado
anteriormente mostra que o poder explicativo dos testes é muito baixo, ou seja, não
é possível replicar a volatilidade implícita através de variáveis transacionáveis
somente. Parecem existir outras variáveis como, por exemplo, a divulgação de atas
do COPOM, discursos do presidente do Banco Central ou medidas macro
prudenciais que alteram as expectativas do mercado. A ocorrência desses eventos
29
pode dar sinais de como será a trajetória da política monetária no futuro mesmo que
os dados macroeconômicos ou outras informações extraídas dos preços dos ativos
no mercado indiquem um caminho diferente. Além desses fatores aqui citadas,
existe também dados da economia mundial que de certa forma também podem
impactar nas mudanças da política interna.
Tabela 10: Impacto das variáveis transacionadas na volatilidade das opções de

dólar
Pré – 252 1.126179 0.253584

Ibovespa -0.119544 -0.980971
Dólar à vista 0.992938** 1.978962
C 0.003352 2.068354
Analisando os resultados deste mesmo teste para o mercado de dólar, as

conclusões são praticamente as mesmas. De acordo com a Tabela 10, os resultados
são bem similares aos encontrados por Woo, Vicente e Barbedo (2009), com a
diferença de que aqui somente a variação do dólar à vista parece significativa ao
nível de 5%, mas com o sinal esperado.
A diferença em relação aos resultados com o mercado de juros é que no mercado

de dólar as expectativas se demonstraram ser impactadas por fluxo de moeda e não
por dados macroeconômicos ou projeções do relatório FOCUS. O fato de tais
expectativas em relação ao mercado de câmbio ser impactada por variáveis não
transacionáveis, fica mais claro quando são analisados os resultados dos testes com
as intervenções do Banco Central, como demonstrados na subseção anterior deste
capítulo e que também foram sugeridas como objeto de estudo por Woo, Vicente e
Barbedo (2009). Os autores sugeriram tal estudo justamente por terem encontrado
que variáveis não transacionáveis deveriam explicar parte da variação da
volatilidade implícita.
Cabe ressaltar que neste trabalho foram estudados apenas impactos de dados
domésticos e seria necessário o estudo de informações advindas dos mercados no
exterior para entender melhor a dinâmica dessas expectativas.
30
5. Conclusão
Na tentativa de analisar a importância de um índice de volatilidade brasileiro, este

trabalho analisou se diferentes fontes de informações possuem impacto na
volatilidade implícita das opções de IDI (Índice de Depósitos Interfinanceiros de um
dia) e das opções de dólar. Como variáveis explicativas foram utilizadas surpresas –
que é a diferença entre o dado real e a sua expectativa - das divulgações mensais
do Índice Nacional de Preços ao Consumidor Amplo - IPCA, Índice de Preços ao
Consumidor divulgado pela Fundação Instituto de Pesquisas Econômicas – IPC
FIPE, Índice Geral de Preços do Mercado – IGP M, Índice Geral de Preços
"Disponibilidade Interna" – IGP DI, Produção Industrial, Taxa de Desemprego
divulgado pelo CAGED e Vendas no Varejo, além das divulgações semanais das
projeções do relatório FOCUS do Banco Central. Foi verificado também se era
possível explicar as variações das volatilidades a partir das variações do chamado
Kit Brasil (dólar à vista, Ibovespa e a taxa Pré-252). Por fim foi analisado se as
intervenções do Banco Central impactam de alguma forma as expectativas no
mercado de câmbio.
Os resultados demonstraram que para a volatilidade implícita das opções de

juros, os dados macroeconômicos impactam as expectativas do mercado com
destaque para as surpresas da produção industrial que se mostraram
estatisticamente significantes. Além dessas surpresas, as mudanças nas projeções
para fim de mês, 12 meses à frente e para fim de período parecem impactar a
volatilidade das opções. Vale destacar também o impacto das projeções para fim de
ano do IPCA, do IPC-FIPE, da Produção Industrial e da taxa SELIC que se
mostraram significantes.
No caso das opções de dólar, a volatilidade implícita não se demonstrou ser

impactada pela divulgação de nenhuma surpresa macroeconômica e nem pelas
alterações nas projeções do relatório FOCUS. Estes resultados sugerem que o
mercado de câmbio analisa mais o fluxo de entrada e saída de moeda estrangeira
do que as divulgações de dados macroeconômicos. Porém foi verificado que as
31
intervenções de do Banco Central via swap impacta a volatilidade implícita das
opções, adicionando mais volatilidade à variância condicional.
Por fim foi constatado, assim com em Woo, Vicente e Barbedo (2009), que
existem variáveis não transacionáveis que impactam a volatilidade implícita das
opções, pois em todos os testes o R² ajustado é muito baixo indicando que nenhum
modelo possui boa aderência. Os fatos de os swaps se mostrarem estatisticamente
significativos é um exemplo de que não são apenas variáveis transacionadas no
mercado que alteram as expectativas futuras do mercado.
Estes resultados demonstram a importância de se criar um índice de volatilidade

para os mercados, pois não foi possível replicar a volatilidade implícita das opções a
partir de dados do mercado. Apesar disso, os índices aqui criados tiveram algum
impacto, seja através da divulgação de dados macroeconômicos no caso das
opções de juros ou através de intervenções do Banco Central no mercado de
câmbio. Sendo assim, os índices de volatilidade possuem um conteúdo
informacional bastante vasto, podendo ajudar os investidores nas suas tomadas de
decisão.
Para se ter uma melhor análise sobre a questão apresentada, este trabalho
sugere que sejam feitos novos testes com metodologia que captem somente as
grandes surpresas, já que o fato de um dado macroeconômico não ter sido
exatamente igual à expectativa do mercado não indica informação nova para o
mercado. Além disso, a realização de trabalhos que considerem divulgações de
informações no exterior poderia ajudar a entender a dinâmica de mudanças de
volatilidade implícita. Por último, este trabalho sugere que seja utilizado um modelo
E-GARCH para verificar qual é o real impacto dos swaps na volatilidade das opções.
32
Bibliografia
ALMEIDA A.; GOODHART C.; PAYNE R. (1998) “The Effects of Macroeconomics News on High
Frequency Exchange Rate Behavior” Journal of Finance and Quantitative Analysis, 33, 383 – 408.
ARAÚJO, J. D. P. “Suavizando movimentos da taxa de câmbio ou adicionando volatilidade? Um

estudo empírico sobre intervenções do Banco Central no mercado de câmbio”. Dissertação de
mestrado, Pontifícia Universidade Católica do Rio de Janeiro (PUC - Rio).
BALDUZZI; PIERLUIGI; ELTON E.; GREEN C. (1996) “Economic News and the Yield Curve: Evidence
from the U.S. Treasury Market” New York University Stern School of Business Finance Department
Working Paper Series.
BEBER, A.; BRANDT, M. W. “The Effect of Macroeconomic News on Beliefs and Preferences:
Evidence from de options Market”, Journal of Monetary Economics, 63, 8, 1997-2039.
BOLLERSLEV, T. (1986), “Generalized Autoregressive Conditional Heteroskedasticity”, Journal of

Econometrics, 31:307–327.
Brandi, Vinicius Ratton , Mendes, Beatriz Vaz de Melo , Gomes, Frederico Pechir and Santos, Marcelo
Bittencourt Coelho dos(2007) “Foreign Exchange Volatility and Trading Volume of Derivatives
Instruments: Evidence from the Brazilian Market”, Latin American Business Review, 8: 1, 65 — 82
CLARE A.; COURTENAY R. (2001) “Assessing the Impact of Macroeconomics news Announcements
on Securities Prices under Different Monetary Policy Regimes”, Bank of England Working Paper
Series.
EDERINGTON L.; LEE J. (1996) “The Creation and Resolution of Market Uncertainty: The Impact of
Information Releases on Implied Volatility”, Journal of Finance and Quantitative Analysis, 31, 513 –
539.
EDERINGTON L.; GUAN, W. “Measuring Implied Volatility: Is an Average Better? Which Average?”
Journal of Futures Markets, 22: 811–837.
ENGLE, R. R. (1982) “Autoregressive conditional heterocedasticity with estimates of the variance of

United Kingdom inflation”, Econometrica, 50(4):987–1007.
GALATI, G., MELICK, W. (2002). “Central bank intervention and market expectations”,BIS Papers,
No. 10.
GALATI, G.; MELICK, W.; MICU, M. (2005) “Foreign exchange market intervention and expectations:
an empirical study of the yen/dollar exchange rate”, Journal of International Money and Finance,
24, 6, 982-1011.
33
GLOSTEN, LAWRENCE R., and PAUL R. MILGROM, (1985), “Bid, ask and transaction prices in a
specialist market with heterogeneously informed traders”, Journal of Financial Economics 14, 71-
100.
GREEN T. (2004) “Economic News and the Impact on Bond Prices”, Journal of Finance, 59, 1201 –
1233.
OLIVEIRA, F. N.; PLAGA, A. (2011) “Eficácia das Intervenções do Banco Central do Brasil sobre a
Volatilidade Condicional da Taxa de Câmbio Nominal”, Revista Brasileira de Economia, 65, 1, 71-92.
PATELL, J and WOLFSON, M (1984), “The intraday speed of adjustment of stock prices to earnings
and dividend announcements”, Journal of Financial Economics, 13, 223-52.
POZAS, D. A (2008), “Testando a hipótese de Fisher no Brasil”, Dissertação de mestrado, IBMEC São
Paulo.
VAHÄMAA, S., WATZKA, S. and ÄIJÖ, J. (2005) “What Moves Option-Implied Bond Market
Expectations?” Journal of Futures Markets, 25, 817–43.
VAHÄMAA, S. (2005) “Option-Implied Asymmetries in Bond Market Expectations Around Monetary

Policy Actions of the ECB”, Journal of Economics and Business 57 (2005) 23–38.
VAHÄMAA, S. (2009) “A Note on the Impact of Scheduled Macroeconomic News Announcements

on Implied Volatility”, Applied Economics Letters, 16, 18, 1783-1789.
WHITE, H. (1980) “A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test

for Heteroskedasticity”, Econometrica, 48:817–838.
WOO, R. K.; VICENTE, J. V. M.; BARBEDO, C. H. (2009) “É Possível Replicar a Volatilidade da Taxa de
Câmbio com Instrumentos Transacionados no Mercado?”, Revista Brasileira de Finanças 7 (2009), 4,
485-501.
34
Apêndice
Resultados dos testes realizados

IDI
Vendas Varejo 0.002301 0.822586

IPCA-15 0.002486 0.636003
IPCA -0.006326 -1.094988
IPC-FIPE 0.001339 0.422908
IGP-M 0.005323 1.003026
IGP-DI -0.000376 -0.067454
IGP-10 8.96E-05 0.014997
Dívida / PIB (%) 0.003929 0.776782
Taxa Desemprego 0.005838 1.300945
C -0.005207 -1.225715
IPCA 4.831987 0.354246

IPC-FIPE 5.770130 1.138926
IGP-M 4.305030 0.843342
IGP-DI 6.989993 1.328095
C 0.006512* 1.828457
35
IPC - FIPE 7.066886 0.985663

IGP - M 1.186217 0.344900
C 0.006077* 1.795628
Tabela 4: Impacto das mudanças das projeções de 12 meses à frente do relatório

IPCA 0.133280 1.884819

IPC - FIPE 0.081676 0.908235
IGP - M 0.006097 0.174789
IGP - DI 0.018357 0.392205
C 0.006733** 2.089378
SELIC -12.05233*** -3.097218

Produção Industrial -2.789880 -1.227895
PIB -2.118183 -0.418509
IPCA 17.27368** 2.394220
IPC-FIPE 5.705032** 2.049575
IGP-M 0.143187 0.352803
IGP-DI 0.930287 0.544092
Dívida / PIB (%) -1.577105 -1.144718
C 0.003601** 2.053653
36
Dólar

Investimento Estrangeiro Direto -0.002158 -0.664658
FOCUS do Banco Central na volatilidade das opções de Dólar
DADO PROJETADO ESTIMATIVA ESTATÍSTICA - T
Câmbio 0.374577 0.678487

C -0.003695 -0.826732
R² ajustado -0.001478
37

Importancia de Um Indice de Volatilidade

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Importancia de Um Indice de Volatilidade

Enviado por

Direitos autorais:

Formatos disponíveis

FUNDAÇÃO GETÚLIO VARGAS

ESCOLA DE PÓS GRADUAÇÃO EM ECONOMIA

MESTRADO EM FINANÇAS E ECONOMIA EMPRESARIAL

GUSTAVO TORRES CURSINO DE MOURA

A IMPORTÂNCIA DE UM ÍNDICE DE VOLATILIDADE PARA O MERCADO

A IMPORTÂNCIA DE UM ÍNDICE DE VOLATILIDADE

Dissertação apresentada como requisito parcial para a

Orientador: Claudio Henrique da Silveira Barbedo

Rio de Janeiro, maio de 2011

A IMPORTÂNCIA DE UM ÍNDICE DE VOLATILIDADE

Dissertação apresentada como requisito parcial para a

Prof. Claudio Henrique da Silveira Barbedo

Prof. Marcelo Verdini Maia

Prof. Pedro Cavalcanti Ferreira

Rio de Janeiro, 20 de maio de 2011

Ao meu orientador Claudio Barbedo, que foi essencial para a elaboração da

Aos funcionários da EPGE por terem sido sempre solícitos.

Este trabalho objetiva analisar a importância de um índice de volatilidade implícita

Palavras-Chave: volatilidade implícita, expectativas, dados macroeconômicos,

Key words: implied volatility, expectations, macroeconomic data, interest rate

Tabela 1: Impacto das surpresas macroeconômicas na volatilidade das opções de IDI.......................21

Tabela 4: Correlação entre as variáveis independentes do teste com as projeções de 12 meses à

Tabela 6: Impacto das surpresas macroeconômicas na volatilidade das opções de Dólar.................26

Tabela 9: Impacto das variáveis transacionadas na volatilidade das opções de IDI...........................29

A volatilidade implícita é entendida como uma medida das expectativas futuras

Além disso, a volatilidade também é impactada pela aversão a risco dos

Figura 1 – Série Histórica do VIX americano de Janeiro de 2006 a Novembro de 2010

O objetivo principal deste trabalho é analisar a importância da criação de um

Para alcançar o objetivo proposto é necessário encontrar a relação entre a

A análise neste estudo focará na superfície de volatilidade das opções sobre

A literatura aponta diversos estudos, como os realizados por Patell e Wolfson

Este tipo de análise ajuda a entender a dinâmica dos mercados e como os

Embora diversos estudos, como os mencionados acima, terem sido realizados

Ederington e Lee (1996) realizaram um estudo do impacto de dados agendados e

Apesar desses resultados, o conteúdo dessas novas informações é importante

Inicialmente o artigo supracitado realiza teste similar ao utilizado por Ederington e

Posteriormente, a dummy é trocada por um coeficiente que mede a surpresa do

Esses resultados mostram que o mercado altera as suas expectativas visando às

Ainda citando Vahämaa (2005), o autor conclui que em períodos de aperto

Assim como as reuniões de política monetária são importantes indicativas para as

Ainda sobre as intervenções no mercado de câmbio, Galati e Melick (2002)

3.1. Base de Dados

Para a realização deste estudo, serão utilizados os dados diários entre 2 de

Devido à particularidade de cada mercado a ser analisado, nem todas as

Ainda em relação às opções cambiais, será realizado o teste com as intervenções

3.2.1. Descrição da Metodologia

Para avaliar os impactos das informações da divulgação dos dados da economia,

ln( / )=α+ ∑ , + , (1)

ln( / )=α+ ∑ , + , (2)

O termo x , é a surpresa do dado divulgado, a qual é mensurada pela diferença

Onde zi,t é a diferença entre o dado e sua expectativa e é o desvio-padrão da

ln( / )=α+ ∑ , + , (4)

ln( / )=α+ . ó + . + . (5)

Por serem dados diários de séries financeiras e o resultado do teste de

Por fim, será analisado o impacto das intervenções do Banco Central na

ln( / )=α+ . + . (6)

Onde o termo Interv indica as operações de realizadas no mercado spot e o termo

Existem diversas metodologias para calcular a média da volatilidade para um

Independente da metodologia utilizada, a inclusão de todas as opções contidas na

Nesta seção serão apresentados os resultados dos testes realizados dos

4.1. Mudanças nas Expectativas do Mercado de Juros

Inicialmente foram utilizadas todas as variáveis macroeconômicas descritas na

ANÚNCIO MACROECONÔMICO ESTIMATIVA ESTATÍSTICA – T