Modelando A Volatilidade Da Taxa de Câmbio

universidade estadual de maringá
marcos aurelio rodrigues
modelando a volatilidade da taxa de câmbio

brl/usd: evidências às razões e efetividades de hedge
Maringá
2010

Dissertação submetida ao Programa de Pós-

graduação em Ciências Econômicas da Universi-
dade Estadual de Maringá, como parte dos re-
quisitos necessários para obtenção do título de
Mestre em Economia.
Orientador:
Prof. Dr. Alexandre Florindo Alves
Maringá
2010
Dados Internacionais de Catalogação -na -Publicação (CIP)
(Biblioteca Central - UEM, Maringá – PR., Brasil)
Rodrigues, Marcos Aurelio.
R696m Modelando a volatilidade da taxa de câmbio
BRL/USD: evidências às razões e efetividades de
hedge / Marcos Aurelio Rodrigues. - Maringá, 2010.
65 f. : figs., tabs.
Orientador: Prof. Dr. Alexandre Florindo

Alves.
Dissertação (mestrado) - Universidade Estadual
de Maringá, Programa de Pós-graduação em Ciências
Econômicas, 2010.
1. Razão ótima de hedge. 2. Efetividade de

hedge. 3. Taxa de câmbio. 4. Hedge. I. Alves,
Alexandre Florindo, orient. II. Universidade
Estadual de Maringá. Programa de Pós-graduação em
Ciências Econômicas. III. Título.
CDD 22. ed. 332.64524


Dissertação apresentada como requisito parcial

para obtenção do título de Mestre em Econo-
mia, do Programa de Pós-graduação em Ciências
Econômicas, da Universidade Estadual de Ma-
ringá, sob apreciação da seguinte banca exami-
nadora:
Aprovada em 23 de agosto de 2010
Prof. Dr. Alexandre Florindo Alves

Departamento de Economia - Universidade Estadual de Maringá
Orientador
Prof. Dr. José Luiz Parré

Departamento de Economia - Universidade Estadual de Maringá
Prof. Dr. Edinaldo Tebaldi

Department of Economics - Bryant University
Por lutarem a vida inteira para
que eu tivesse as chances que
nunca tiveram — aos meus pais.
Agradecimentos
Expresso minha gratidão ao meu orientador Alexandre Florindo Alves por suas
contribuições, compreensão, confiança depositada e que sempre esteve disposto a colabo-
rar com tudo que fosse possível. Agradeço aos membros da banca, Edinaldo Tebaldi, seus
comentários e atenciosidade neste estudo foram muito apreciados, e José Luiz Parré, que
além disso, em diversas ocasiões sempre pude contar com sua solicitude e ensinamentos.
Agradeço também aos professores; Amalia Maria Goldberg Godoy, Antonio Carlos de
Campos, Antonio Fernando Zanatta, Claudemir Gonçalves Liberal, Marina Silva da Cu-
nha, Ricardo Luis Lopes; e a secretária do PCE, Denise Harumi Saito Becca. Sou grato ao
professor Jacob Lebensztayn pela revisão ortográfica, assim como aos inúmeros pesquisa-
dores “spamizados” que auxiliaram no entendimento das particularidades presentes nesta
dissertação. Ao meu irmão Luiz e minha grande amiga Karina. O meu apreço à Waleska
— companheirismo e amizade do Alysson, Anderson, Bruno, Florian, Marcelo, Paulo,
Rodrigo, além do Celso, Cláudia, Francieli, Henrique, João, Keila, Kelly, Nelito, Ricardo
e Thaís — que tornaram Maringá um lugar agradável. Aos bons sons de post-rock que
serviram como trilha sonora neste percurso. À CAPES pelo apoio financeiro concedido
durante o mestrado.
godspeed
Resumo
As taxas de câmbio BRL/USD à vista e futuras foram utilizadas para estimar as razões
e efetividades do hedge cambial. Realizados testes nessas variáveis, encontraram-se evi-
dências de efeitos ARCH, distribuições não Gaussianas, vetor cointegrante igual à “base”
e correlações condicionais não constantes. Dessas evidências, as séries foram modeladas
por GARCH multivariados com termo de correção de erro igual à “base” defasada e distri-
buição Studentizada. Os resultados demonstraram efetividade do hedge superior, dentro
(48%) e fora da amostra (66%), obtida com o modelo DCC GJR sob distribuição t.
Palavras-chave: Efetividade. Razão ótima de Hedge. Taxa de câmbio.
Abstract
Spot and future BRL/USD exchange rates were used to estimate the optimal hedge ra-
tio and hedging effectiveness. The tests show evidence of ARCH effects, non-Gaussian
distributions, a cointegrating vector equal to the “basis”, and non-constant conditional cor-
relations. Thus the series were modeled using multivariate GARCH with error-correction
term equal to the lagged “basis” and a Studentized distribution. The results point out
superior hedge effectiveness, in sample (48%) and out of sample (66%), for the DCC GJR
model under a t distribution.
Key words: Effectiveness. Optimal hedge ratio. Exchange rate.
Lista de Figuras
2.1 Relação entre os preços à vista e futuros no tempo . . . . . . . . . . . . . . 17
2.2 Comportamento das razões de hedge estáticas e dinâmicas . . . . . . . . . 19
4.1 Razões de hedge - modelo BEKK escalar . . . . . . . . . . . . . . . . . . . 55
4.2 Razões de hedge - modelo BEKK diagonal . . . . . . . . . . . . . . . . . . 55
4.3 Razões de hedge - modelo DCC . . . . . . . . . . . . . . . . . . . . . . . . 56

Lista de Tabelas
2.1 Compêndio da literatura sobre hedge no Brasil . . . . . . . . . . . . . . . . 39
4.1 Estatísticas descritivas, testes de normalidade, autocorrelação e efeitos ARCH 49
4.2 Testes de raiz unitária e cointegração . . . . . . . . . . . . . . . . . . . . . 50
4.3 Testes de correlação condicional constante . . . . . . . . . . . . . . . . . . 51
4.4 Parâmetros estimados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.5 Efetividade do hedge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

Sumário
1 Introdução 12
2 Efetividade e razão ótima de hedge: um survey 16
2.1 A mensuração da razão ótima de hedge na literatura internacional . . . . . 20
2.2 O empirismo brasileiro sobre efetividade e razão ótima de hedge . . . . . . 24
2.2.1 Estudos empíricos brasileiros com base em Ederington (1979) . . . . 24
2.2.2 Estudos empíricos brasileiros com base em Myers e Thompson (1989) 27
2.2.3 Estudos empíricos brasileiros com razões de hedge dinâmicas . . . . 32
2.2.4 Ponderações a respeito dos ensaios brasileiros . . . . . . . . . . . . 37
3 Metodologia à mensuração do hedge dinâmico cambial BRL/USD 40
3.1 Definições dos modelos multivariados GARCH . . . . . . . . . . . . . . . . 41
3.2 Alvo na variância . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3 Estimações dos modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.4 Testes de correlação condicional constante . . . . . . . . . . . . . . . . . . 46
4 Resultados e discussões 48
4.1 A base de dados em análise . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2 Estimativas dos modelos multivariados GARCH . . . . . . . . . . . . . . . 52
4.3 Razões e efetividade do hedge . . . . . . . . . . . . . . . . . . . . . . . . . 54
5 Considerações finais 58
Referências 59
12
1 Introdução
É evidente o interesse dos acadêmicos e profissionais de finanças em estudar a

efetividade e razões de hedge. Firmas e agentes defrontam incessantes riscos de preços.
Trata-se de um problema real enfrentado e que coloca à prova o arsenal estatístico sobre
séries temporais, no intento de deslindá-lo. A existência de comovimentação dos retornos,
em resposta às notícias e antecipações futuras, demonstra não independência. Logo,
errôneo será negligenciar a volatilidade na formação dos portfólios. A questão central
na gestão de risco ótimo situa-se em antecipar as variâncias e covariâncias dos retornos.
Estes variam no tempo, portanto não são constantes.
Inclina-se a problemática deste estudo a deslindar a efetividade do hedge cambial,

que ocorre se, e somente se, os retornos à vista e futuros possuírem correlação elevada,
aos agentes econômicos avessos aos riscos intrínsecos às volatilidades da taxa de câmbio.
As operações de entrada e saída de moeda estrangeira por importadores, expor-

tadores e empresas, que captam ou enviam recursos ao exterior, devem ser realizadas no
mercado primário de câmbio, mercado à vista. Os fluxos de caixa das empresas que, de
forma indireta ou direta, importam ou exportam produtos e serviços ao exterior, possuem
exposição cambial; assim, torna-se uma variável de risco às empresas. Evidências empí-
ricas a respeito dessa exposição cambial, em empresas brasileiras, não financeiras, foram
dispostas nos estudos de Tavares e Sheng (2007), Merlotto et al. (2008) e Rossi Júnior
(2009). Esses estudos mostraram sensibilidades, positivas e negativas, estatisticamente
significantes, às variações na taxa de câmbio. Por conseguinte, exerceram impacto nos re-
tornos. Em particular, Rossi Júnior (2009) demonstrou que existem relações não lineares
à exposição cambial das empresas.
Expostas a esse risco, torna-se razoável mitigá-lo. Uma das possíveis formas ad-
vém do uso de derivativos cambiais disponíveis em bolsas, como na Bolsa de Valores,
Mercadorias e Futuros (BM&FBOVESPA). Esses podem ser utilizados para fazer hedge,
com a finalidade de atenuar o risco cambial dos fluxos de caixa. Levantamentos por ques-
13
tionários realizados com empresas não financeiras demonstraram que dentre as exposições
em risco, a cambial foi a mais gerenciada. Na pesquisa realizada em 2004 por Saito e
Schiozer (2007), 56% dos respondentes valeram-se de derivativos e, desses, 97,6% utiliza-
ram derivativos de câmbio, 83,3% de taxas de juros e 35,7% de commodities. Gimenes
(2008) evidenciou uso de derivativos em cooperativas agropecuárias. Ao realizar questi-
onários com seus gestores financeiros em 2007, 59% dos respondentes utilizaram-nos, e,
entre esses, 94,1% fizeram uso de derivativos cambiais, 82,4% de taxa de juros e 64,7% de
commodities.
Com o intuito de verificar as características das empresas que auferem proveito

dos derivativos, Rossi Júnior (2008), Berrospide et al. (2008) e Schiozer e Saito (2009) es-
tudaram seu uso em empresas brasileiras não financeiras. Indicaram que dívidas atreladas
a moeda estrangeira, tamanho da firma, custos de financial distress 1 e grau de alavanca-
gem foram determinantes. Além disso, mostraram-se capazes de manter investimentos,
mesmo durante períodos de turbulências, mais lucrativas e com valor de mercado supe-
rior, se comparadas às que não o fizeram. Segundo Gimenes (2008), os fatores que mais
influenciam os resultados das organizações agroindustriais relacionam-se às volatilidades
dos mercados à vista e futuros de seus produtos. Logo, há necessidade de gerenciar seus
riscos em busca de uma estratégia adequada de hedge.
A volatilidade na taxa de câmbio gera incertezas nos fluxos de caixa das empresas
expostas ao risco cambial. Controlá-lo é crucial à viabilidade financeira das empresas.
Contudo, devido ao desconhecimento sobre o momento central das taxas de câmbio à vista
e futuro, agentes econômicos fazem hedge de forma ingênua, isto é, negociam contratos
futuros na mesma proporção que sua exposição no mercado à vista. Caso não seja feito
hedge, ou, ainda, realizado de forma incorreta, podem aumentar o risco, comprometendo
a situação financeira, e, até mesmo, levá-las à insolvência.
De acordo com a pesquisa de Saito e Schiozer (2007), os gestores brasileiros utili-

zaram derivativos, principalmente com o propósito de proteger a empresa de riscos e não
com fins especulativos. Entretanto, a crise ocorrida em 2008 provocou deterioração finan-
ceira em grandes empresas brasileiras. A Sadia, Aracruz Celulose, o Grupo Votorantim e a
Santelisa Vale sofreram grandes prejuízos, decorrentes de operações com derivativos cam-
biais, pois montaram estratégias de hedge equivocadas. Deveriam valer-se dos derivativos
cambiais como aliados, na busca por proteção dos fluxos de caixa. O observado, porém,
foi justamente o oposto, apresentaram indícios de especulação (VERVLOET; GARCIA,
1
Custos relacionados a problemas/dificuldades financeiras.
14
2009). Portanto, a má gestão do risco reforça a importância de estudar as razões e efeti-

vidades do hedge.
Para que sejam bem sucedidas as operações de hedge, torna-se necessário o

estudo da razão ótima de hedge. No Brasil, os derivativos financeiros ofertados na
BM&FBOVESPA foram considerados por poucos autores. Dentre eles, o estudo de Bueno
e Alves (2001) avaliou a taxa de câmbio e Monteiro e Bueno (2009) que, além do hedge
cambial, também considerou o contrato futuro do Índice Bovespa (IBOV). Exemplos de
estudos que testaram a eficiência das operações de hedge para ativos agropecuários foram:
Silveira e Ferreira Filho (2003) e Bitencourt et al. (2006) para o hedge do boi gordo —
Nogueira et al. (2002) e Müller et al. (2008) examinaram a proteção auferida no contrato
futuro de café — Tonin et al. (2009) verificaram a redução do risco de preços do milho —
Silva et al. (2003) e Martins e Aguiar (2004) fizeram-no para a cadeia soja.
A maioria dos trabalhos realizados no Brasil derivou das propostas de hedge

estático, feitas por Ederington (1979) e Myers e Thompson (1989). Estes obtiveram
a relação ótima entre exposição no mercado à vista e futuro por Mínimos Quadrados
Ordinários (MQO) e processos Autorregressivos (AR). Entretanto, outros consideraram o
hedge dinâmico, seguindo Baillie e Myers (1991) e Kroner e Sultan (1993), ao estimarem a
razão ótima de hedge por métodos Generalizados Autorregressivos de Heterocedasticidade
Condicional (GARCH) multivariados.
Os estudos na área seguiram, com certa defasagem, a evolução das metodologias

de séries temporais. No princípio, a razão ótima de hedge era estimada por meio de MQO
e séries de preços em nível. Após a difusão de alguns princípios de séries temporais,
como estacionariedade, alcançada na maioria das séries financeiras ao calcular a primeira
diferença, e defasagens nas séries, para que os resíduos não fossem autocorrelacionados,
consideraram os modelos de hedge propostos por Myers e Thompson (1989). Melhoraram
as inferências obtidas e diminuíram a possibilidade de regressão espúria. No entanto,
desconsideraram a dinâmica das variâncias e covariâncias. Como é trivial apresentarem
heterocedasticidade, o uso dos modelos GARCH multivariados acomoda este problema e
a relação ótima de hedge passa a ser dinâmica.
Entretanto, não basta saber a proporção a ser operacionalizada no mercado fu-

turo, mas também se ocorre redução do risco, em detrimento de não efetuar o hedge. O
cômputo da efetividade predominante nos estudos foi associado à minimização da vari-
ância e adotaram a proposta de Ederington (1979). Incomuns foram os que observaram
agentes não infinitamente avessos a risco.
15
O objetivo primário deste estudo foi identificar um procedimento apropriado que

possa prover hedge efetivo à volatilidade da taxa de câmbio BRL/USD. Em particular,
pretendeu-se avançar a literatura sobre hedge cambial brasileiro nos seguintes aspectos:
a) Realizar teste de cointegração às séries à vista e futura cambiais BRL/USD, que

possibilite verificar a adição da “base”, diferença entre os preços à vista e futuro,
como termo de correção de erro, por razão de verossimilhança com respeito ao
vetor cointegrante. Validar a combinação estatisticamente igual à “base”, entre
essas séries, adicionando-a às modelagens, propicia estimações informacional-
mente adequadas às razões de hedge;
b) Examinar se a estrutura condicional das correlações entre os retornos dessas séries

é constante. Evidenciar correlações variantes no tempo viabiliza o uso de modelos
apropriados, que variam no tempo, superiores aos constantes, não apenas por
hipótese, pois desconsiderar esse comportamento leva à má especificação nas
modelagens e enviesa as estimativas;
c) As especificações da matriz de covariância Ht diferem dos demais estudos cor-

relatos sobre hedge da taxa de câmbio BRL/USD. Seguem a proposta escalar
e diagonal multivariada do modelo GARCH, apresentadas por Engle e Kroner
(1995), sujeitas a alvo na variância, de Engle e Mezrich (1996), assim como as
sugestões de combinações não lineares de modelos univariados GARCH e GRJ,
propostas por Engle (2002);
d) Mensurar a redução do risco auferida às estratégias de hedge formuladas por

diferentes especificações multivariadas GARCH, sob distribuições Gaussianas e
Studentizadas, dentro e fora da amostra.
16
2 Efetividade e razão ótima de

hedge: um survey
O contrato futuro é um compromisso estabelecido em uma bolsa organizada, en-

tre duas partes, comprador e vendedor. Têm a obrigação de comprar ou vender uma
mercadoria ou ativo financeiro padronizados, estipulados no contrato, numa data especí-
fica, previamente acordada. A obrigação pode deixar de existir, caso ocorra a liquidação
da posição antes do seu vencimento. Seu uso é trivial em operações de hedge. Pode ser
definido como uma operação de proteção contra variações nos preços, efetuada em dois
mercados: à vista, onde o agente possui o risco que pretende proteger; e futuro, onde
fará operação oposta à sua exposição. As perdas (ganhos) ao transacionar produtos no
mercado à vista são compensadas pelos ganhos (perdas) ao serem realizadas transações
opostas no mercado futuro.
A proteção proporcionada está relacionada à hipótese de variações similares entre

os preços à vista e futuro. Caso a suposição seja inválida, o agente pode aumentar seu
risco, pois os ganhos (perdas) no mercado futuro podem não contrabalancear, portanto
implicam perdas (ganhos) maiores ao fazer hedge do que não fazê-lo. O amparo adquirido
através deste instrumento ocorre com a troca do risco de preço pelo risco de “base”, definido
por Alexander (2008) como a diferença entre os preços futuro e à vista
B (t, T ) = s (t) − f (t, T ) , (2.1)
onde B é a “base”, t o período inicial, T o período final, s o preço à vista e f o preço

futuro. O risco de “base” pode ocasionar uma melhora ou piora para o hedger. Suponha
um hedger vendido, comprado no mercado à vista e vendido no mercado futuro. Se a
“base” fortalece, diminuição do spread, sua posição melhora e se a “base” enfraquece, sua
posição piora. Ao supor um hedger comprado, os argumentos são válidos, mas inversos.
Em um caso hipotético, a perfeição do hedge ocorre se, e somente se, o spread for igual
a zero. Porém, situação razoável unicamente no último dia de negociação do contrato
17
futuro. De acordo com Alexander (2008), o comportamento da “base” sofre influência de

três componentes:
a) dias restantes para o vencimento do contrato futuro – não representam risco,

pois são previsíveis;
b) taxas de juros, custo de carregamento e retorno – apresentam risco menor sobre

o comportamento da “base” nos derivativos de câmbio, ações e títulos;
c) flutuações dos preços futuros – componente que exerce a maior influência no risco
de “base”.
P
r
e
ç
o
Preço Futuro
Vencimento
do Contrato
Futuro
Preço à Vista
t T
Figura 2.1 – Relação entre os preços à vista e futuros no tempo
Fonte: Elaboração própria
A Figura 2.1 ilustra pontos cruciais a respeito da teoria. As variações entre

os preços à vista e futuro são similares, portanto existe alta correlação1 . A área com
hachuras em cinza representa a “base”, a qual se altera ao longo do tempo, donde as
setas com hachuras em branco demonstrarem o fortalecimento e enfraquecimento ao longo
do tempo, logo existe risco de “base”. A hipótese de convergência dos preços na data
em que o contrato futuro expira, implica “base” igual ou próxima a zero. Com uma
simples ilustração, fatos importantes clarificam a teoria ao visualizar como o mercado
normalmente reage.
Holbrook Working foi um dos mais influentes autores que tratou do tema hedge na
metade do século XX. Seus estudos Working (1953a, 1953b, 1953c, 1962) pavimentaram
1
O grau de correlação varia de mercado para mercado e, no caso particular dos agropecuários, de região
para região.
18
os conceitos e características para que Johnson (1960) e Stein (1961) formalizassem ma-
tematicamente os princípios sobre a razão ótima de hedge, proporção de contratos futuros
utilizados em relação à exposição em risco a ser protegida, sintetizados por Ederington
(1979). Sejam s0 , s1 , f0 e f1 os preços à vista e futuros de compra e de ajuste, respecti-
vamente. Suponha um hedger comprado em uma unidade no mercado à vista e vendido
em h unidades no mercado futuro. O retorno do seu portfólio r é
r = S − hF, (2.2)
tal que S e F são os retornos à vista e futuros. Presuma seu defronto com uma função de
utilidade esperada média-variância,
EU (r) = E (r) − γV ar (r) , (2.3)
onde γ denota o grau de aversão ao risco (γ > 0). O hedger escolherá o valor de h a
maximizar sua utilidade esperada,
max EU (r) = max {E [S − hF ] − γV ar (S − hF )}

h h
(2.4)
= max E [S] − hE [F ] − γ σS2 + h2 σF2 − 2hσSF ,

h
aplica-se a condição de primeira ordem em relação a h,

E (F ) + 2γσSF
h∗ = , (2.5)
2γσF2
e se os preços futuros possuem a propriedade martingal (E {f1 } = f0 ) chega-se a:

σSF
h∗ = . (2.6)
σF2
Kroner e Sultan (1993) estendem o caso anterior, ao assumirem a distribuição

conjunta dos preços à vista e futuros variantes no tempo. Sejam St = (st − st0 ) e Ft =
0
(ft − ft0 ) os retornos à vista e futuros nos instantes t e t . Denote ht0 como a proporção
0
tomada no mercado futuro no instante t . O retorno do portfólio “hedgeado” passa a ser
definido como:
0
rt = St − ht0 Ft ; t < t. (2.7)
O hedger escolhe sua razão ótima em cada período t, ao maximizar a função de utilidade
esperada,
Et [U (rt+1 )] = Et [rt+1 ] − γV art (rt+1 ) , (2.8)
onde os subscritos t enfatizam o cômputo com a informação disponível no instante t.

19
Assim, passa a escolher o valor de ht a maximizar sua utilidade esperada,
max Et [U (rt+1 )] = max {Et [rt+1 ] − γV art (rt+1 )} , (2.9)

ht ht
tal que a solução para a razão ótima h∗t em t é:
Et (Ft+1 ) + 2γσt (St+1 , Ft+1 )

h∗t = . (2.10)
2γσt2 (Ft+1 )
Caso os preços futuros sigam um processo martingal (E {ft+1 } = ft ) chega-se a:
σt (St+1 , Ft+1 )
h∗t = . (2.11)
σt2 (Ft+1 )
Correlata à solução anterior, salvo os momentos dependentes do tempo. Logo, a minimiza-
ção do risco implica razões de hedge variantes no tempo, à medida que novas informações
chegam ao mercado.
h*
100%
Hedge Ingênuo
Hedge Estático
80%
Hedge Dinâmico
Sem Hedge
0%
Tempo
Figura 2.2 – Comportamento das razões de hedge estáticas e dinâmicas
Fonte: Elaboração própria
A Figura 2.2 ilustra o comportamento das razões de hedge estimadas pelas es-
tratégias condicionais e incondicionais no tempo, isto é, dinâmicas e estáticas, apenas
como efeito hipotético. Para o agente que não faz a proteção no mercado futuro, esta
proporção é igual a zero. Caso ele opte por fazê-la de forma ingênua, esta relação perma-
nece constante ao longo do tempo, e igual a 100%. O hedger que estima sua razão ótima
através de modelos estáticos, também permanece constante, mas em um valor diferente
de um. Neste exemplo, é dado como 80%. O agente que realizar sua proteção à exposição
de forma dinâmica, terá uma razão que varia ao longo do tempo, em certos momentos
maiores que um e em outros próximos a zero. Esta situação é razoável, pois as flutuações
nos mercados passam por períodos mais voláteis.
20
Após a estimação da razão ótima por métodos estáticos e dinâmicos, é razoável

verificar quais estratégias, formadas com estas razões, proporcionam as maiores diminui-
ções na variância da carteira “hedgeada”. Neste sentido Johnson (1960) e Stein (1961)
propuseram o cálculo da efetividade do hedge,
V arSH − V arH
ef = (2.12)
V arSH
tal que H = S − h∗ F ou Ht = St − h∗t Ft é a carteira “hedgeada” e SH = S ou SHt = St
a carteira sem hedge. Método usualmente aceito na maioria dos estudos desde então.
2.1 A mensuração da razão ótima de hedge na litera-

tura internacional
No contexto de variância mínima proposto por Ederington (1979), a razão ótima

no modelo de hedge é estimada por mínimos quadrados,
st − st−1 = α + β (ft − ft−1 ) + εt (2.13)
onde o lado esquerdo representa o retorno da posição no mercado à vista, α o intercepto,

β a razão de hedge multiplicada pelo retorno no mercado futuro e εt o erro ∼ iid (0, σ 2 ).
De acordo com Myers e Thompson (1989), a abordagem anterior não é apropriada

caso os resíduos sejam autocorrelacionados. Estimando-a com preços em diferença, implica
passeio aleatório das séries, com possível drift. Se obtida em retornos, requer preços à
vista e futuros iguais na data de liquidação do contrato futuro. Acreditam serem restrições
fortes, portanto formulam modelos que consideram variáveis defasadas, em nível e em
primeira diferença. Os modelos generalizados de hedge sugeridos são descritos por:
n p w
X X X
st = α0 + δft + βi ft−i + γi st−i + ϕi κt−i + ut ; {n, p, w ∈ N} (2.14)
i=1 i=1 i=1
e
n p w
X X X
∆st = α0 + δ∆ft + βi ∆ft−i + γi ∆st−i + ϕi ∆κt−i + ut ; {n, p, w ∈ N} (2.15)
i=1 i=1 i=1
onde s e f são os preços à vista e futuros, ∆ representa o operador diferença, δ é a razão

ótima de hedge e ut erros i.i.d. ∼ (0, σ 2 ). Dessa forma, as covariâncias e variâncias, antes
tratadas como incondicionais, passam a ser condicionais. Além de considerarem os preços
21
à vista e futuros, sugerem a adição de um novo termo que poderia ter origem na teoria
econômica, dado como κ, mas não o fazem.
Até o advento das estimações GARCH multivariadas, as variâncias e covariâncias

condicionais eram tratadas como constantes. A sequência natural a partir deste progresso
são estimativas dinâmicas para as razões de hedge. O intuito dos estudos subsequentes foi
testar inúmeras metodologias nestas estimações, com a intenção de encontrar um modelo
que ofereça o melhor ajustamento dentro da amostra e, por sua vez, proporcione melhor
predição do segundo momento.
Os principais estudos empíricos dinâmicos que influenciaram a literatura brasi-

leira foram Baillie e Myers (1991), Kroner e Sultan (1993), Bera et al. (1997), além de
Lien et al. (2002), Brooks et al. (2002) e Yang e Allen (2004), que aplicaram as modela-
gens multivariadas GARCH propostas por Bollerslev et al. (1988), Bollerslev (1990), como
também Engle e Kroner (1995) e Engle (2002). A seguir são sintetizados os principais
resultados e as formalizações dos modelos aplicados.
Baillie e Myers (1991) modelaram os movimentos dos retornos diários de commo-

dities em logaritmo, para estimarem a razão de hedge de forma dinâmica, com a estrutura
multivariada GARCH proposta por Bollerslev et al. (1988),
∆yt = µ + t
t |Ωt−1 ∼ N (0, Ht ) (2.16)
0

vech (Ht ) = C + A vech t−1 t−1 + B vech (Ht−1 )
0
tal que yt = (St , Ft ) é um vetor (2 × 1) dos preços à vista e futuro, Ht é a matriz de
covariância condicional (2 × 2), C o vetor dos parâmetros (3 × 1), A e B são as matrizes de
parâmetros (3 × 3) e vech o operador vech. A restrição diagonal imposta nas matrizes A e
B oferece maior parcimônia ao modelo completo de Bollerslev et al. (1988). Baillie e Myers
(1991) inferem raiz unitária em nível mas não nos retornos em logaritmo. Comparam as
estratégias sem e com hedge. Nesta última, a razão de hedge foi estimada por duas
metodologias: (a) constante – por mínimos quadrados, (b) dinâmica – com o modelo
diagonal vech. As estimativas da razão variaram no tempo e os resultados obtidos foram
favoráveis à dinâmica, tanto dentro como fora da amostra. Portanto, a suposição constante
no tempo foi inapropriada.
Kroner e Sultan (1993) propuseram um modelo bivariado de correção de erro com

22
a estrutura GARCH de Bollerslev (1990),
st = α0s + α1s (St−1 − δFt−1 ) + st

(2.17)
ft = α0f + α1f (St−1 − δFt−1 ) + f t
tal que,
" #
st
ψt−1 ∼ N (0, Ht ) (2.18a)
f t
" # " #" #" #
hss,t hsf,t hs,t 0 1 ρ hs,t 0
Ht = = (2.18b)
hsf,t hf f,t 0 hf,t ρ 1 0 hf,t
h2s,t = cs + αs 2s,t−1 + βs h2s,t−1 (2.18c)
h2f,t = cf + αf 2f,t−1 + βf h2f,t−1 , (2.18d)
sendo ψt−1 o conjunto de informações em t − 1 e o termo de correção de erro igual à “base”

em t − 1, pois Kroner e Sultan (1993) impuseram δ = 1 em (St−1 − δFt−1 ). Suas análises
foram efetuadas para taxas cambiais semanais, à vista e futuras em logaritmo. Apontam
estacionariedade nos retornos assim como cointegração entre as taxas em nível. As estra-
tégias com estimações para a razão de hedge modeladas por mínimos quadrados, correção
de erro vetorial, CCC e ingênua comparadas, revelam a superioridade da metodologia
proposta, dentro e fora da amostra. Em relação às demais, obteve maior efetividade.
Lien et al. (2002) utilizaram o mesmo método de Bollerslev (1990) para estimarem as
razões de hedge, porém, sem o termo de correção de erro sugerido por Kroner e Sultan
(1993). Das dez séries bivariadas de taxas cambiais, commodities e índices acionários,
duas violaram a hipótese de correlação constante GARCH, testada por meio da proposta
de Tse (2000). Segundo os autores, para uma comparação justa entre as estratégias, a es-
tática foi estimada por rolling OLS. Desta forma as dinâmicas falharam em prover maior
efetividade.
Bera et al. (1997) consideram em suas análises os modelos propostos por Bollerslev
et al. (1988), Bollerslev (1990), entretanto, sem o termo de correção de erro sugerido por
Kroner e Sultan (1993), e a parametrização definida positiva de Engle e Kroner (1995)
23
para Ht em (2.16), que passa a ser escrita como:

" # " #0 " #" #
css csf γss γsf ss,t−1 s,t−1 f,t−1 γss γsf
Ht = +
cf s cf f γf s γf f f,t−1 s,t−1 ss,t−1 γf s γf f
" #0 " # (2.19)
δss δsf δss δsf
+ Ht−1
δf s δf f δf s δf f
Os diagnósticos preliminares, nas séries diárias de commodities em logaritmo, rejeitaram a

hipótese de raiz unitária sobre os retornos. Chegam à conclusão que a estratégia modelada
por vech diagonal proporcionou maior redução de risco, dentro e fora da amostra, se
comparada às outras, estimadas por metodologias estáticas e dinâmicas.
Brooks et al. (2002) estenderam o modelo BEKK2 ao contemplarem respostas

assimétricas nos retornos de índices acionários diários em logaritmo. A modelagem passa
a ser
" # " #0 " #" #
css csf γss γsf ss,t−1 s,t−1 f,t−1 γss γsf
Ht = +
cf s cf f γf s γf f f,t−1 s,t−1 ss,t−1 γf s γf f
" #0 " #
δss δsf δss δsf
+ Ht−1 (2.20)
δf s δf f δf s δf f
" #0 " #" #
ιss ιsf ξss,t−1 ξs,t−1 ξf,t−1 ιss ιsf
+
ιf s ιf f ξf,t−1 ξs,t−1 ξss,t−1 ιf s ιf f
tal que ξs,f,t = min {t , 0} e a equação (2.19) torna-se um caso especial para ιs,f = 0. A
estacionariedade dos retornos foi atendida, bem como os testes de cointegração aponta-
ram para um vetor de cointegração próximo à “base”. A adição do novo termo indicou
presença assimétrica estatisticamente significativa na matriz de variância e covariância.
Os resultados das estratégias dinâmicas geraram reduções de riscos maiores que a ingê-
nua. Quando comparadas, a modelagem assimétrica propiciou maior redução dentro da
amostra e a simétrica fora da amostra.
Além desses estudos que aplicaram as generalizações multivariadas dos processos

GARCH às estimativas das razões de hedge, outros ensaios como Alizadeh et al. (2004),
Malo e Kanto (2006), Ku et al. (2007), Lien e Yang (2008) e Alexander e Barbosa (2008)
aplicam-nos de forma similar aos sumarizados, com a mesma intuição.
2
Este trabalho começou com uma síntese em vários aspectos dos modelos multivariados ARCH das teses
de doutorado de Yoshi Baba, Dennis Kraft e Kenneth Kroner, orientados por Robert Engle. Uma versão
preliminar foi escrita pelos quatro autores, levando o acrônimo BEKK para o modelo. Yoshi Baba e
Dennis Kraft deixaram o estudo, mas o acrônimo permaneceu (ENGLE; KRONER, 1995).
24
2.2 O empirismo brasileiro sobre efetividade e razão

ótima de hedge
As estimações estáticas para as razões ótimas de hedge, sugeridas por Ederington

(1979) e Myers e Thompson (1989), assim como as estimações dinâmicas por processos
GARCH multivariados, propostas por Bollerslev et al. (1988), Bollerslev (1990), Engle e
Kroner (1995) e Engle (2002), foram as mais aplicadas nos estudos empíricos brasileiros. A
seguir esses estudos são descritos com ênfase nos ativos selecionados, razões e efetividades
de hedge.
2.2.1 Estudos empíricos brasileiros com base em Ederington (1979)
Fileni et al. (1999) avaliaram o hedge como redutor dos riscos de preços para o
agronegócio do café em Minas Gerais, no período de janeiro de 1995 a dezembro de 1998.
Os preços diários à vista e futuros em nível foram regredidos por MQO, mas quando
apresentaram correlação serial, reestimou-a por Cochrane e Orcutt (1949).
A efetividade do hedge acompanhou os aumentos de risco de preço à vista e de

“base”. Estas elevações atraíram agentes do mercado de café para fazerem hedge, o que
contribuiu a uma maior efetividade do hedge nos anos de 1997 e 1998, se comparados aos
dois anos anteriores. A proporção a ser protegida no mercado futuro foi diferente da ex-
posição do agente no mercado físico. Dos 184 vencimentos analisados, 72% apresentaram
valores estatisticamente significativos diferentes da posição à vista do agente. Portanto,
o hedge ingênuo foi rejeitado como opção na redução do risco.
Apesar de os seus cálculos serem realizados para 184 vencimentos, apresentou

resultados concisos das efetividades e razões ótimas de hedge em médias anuais para as
regiões analisadas. A efetividade variou de 42% a 74% no Triângulo Mineiro ao utilizar
as razões ótimas de hedge estimadas, que variaram entre 59% a 98%. Na região do Alto
Parnaíba as efetividades foram de 45% a 80% com razões de 69% a 100%. A região Sul
de Minas Gerais apresentou efetividade de 46% a 74% ao serem utilizadas as proporções
de hedge entre 64% a 102%. A efetividade só foi próxima a zero para três vencimentos,
todos na Zona da Mata, entretanto a média para os anos esteve entre 19% a 71% com
razões ótimas de hedge de 43% a 87%.
Pacheco (2000) comparou as reduções de riscos de preços proporcionadas aos

25
hedgers brasileiros nos mercados futuros de café da BM&F e CSCE3 . Assim como Fileni
et al. (1999) estimou as razões de hedge por MQO, mas minimizou os problemas de
autocorrelação pelo método de Hildreth e Lu (1960).
As séries dos preços futuros iniciaram-se em datas diferentes, em janeiro de 1990,

para a BM&F e em agosto de 1991, para a CSCE. Obteve preços à vista para cinco tipos
diferentes de café4 : CFA, CFB, CFC, CFD e CFE. Todas terminaram em julho de 1997.
Gerou séries de preços com duas extensões: 4 e 6 meses antecedentes ao vencimento, pois
os tipos de café considerados não são passíveis de entrega nas bolsas. Apesar de não
explicitar, dadas as diferentes especificações dos contratos negociados nestes mercados,
diferentes tipos de cafés, estas operações podem ser consideradas como cross hedge, pois
tratou de ativos diferentes no mercado físico e futuro.
Para o período de 4 meses de hedge, dentre os cinco tipos de cafés estudados, o

CFD apresentou razão de hedge mais elevada, com média de 54% baseada na BM&F, valor
50% maior se comparado à CSCE. As demais qualidades apresentaram diferença positiva
média de 35,4% favorável à BM&F. Resultado semelhante foi encontrado no período de
6 meses de hedge. Na média, as razões ótimas de hedge foram 30% superiores na BM&F
se comparadas à CSCE e para o caso específico do CFD, 52%. Para ambos os períodos
de hedge e ambas as bolsas a redução de risco situa-se num intervalo entre 70% e 100%.
Na média, os valores obtidos para a BM&F foram ligeiramente superiores aos obtidos na
CSCE.
Portanto, os melhores resultados para a razão de hedge e efetividade foram obtidos

na bolsa de futuros brasileira, logo, maior capacidade de reduzir os riscos dos agentes
brasileiros se comparadas às operações na CSCE. As efetividades e razões ótimas de
hedge foram superiores quando considerado o café com a característica CFD, pois segundo
o autor possui maior semelhança ao negociado nas bolsas de futuros.
Fontes et al. (2003a) e Fontes et al. (2003b) utilizaram o mesmo procedimento

de Fileni et al. (1999), isto é, razão ótima de hedge estimada por MQO e correção de
Cochrane e Orcutt (1949) no caso de autocorrelação. A diferença foi o período e ativos
de análise, café e milho.
Por meio de MQO e preços em nível, Martins e Aguiar (2004) determinaram em

quais épocas do ano as operações de hedge na CBOT5 proporcionam maior proteção contra
3
Coffee, Sugar and Cocoa Exchange, incorporada à New York Board of Trade (NYBOT) em 1998.
4
CFA: Café Tipo 6; CFB: Café Tipo 7; CFC: Café Conillon; CFD: Café Santos 4; CFE: Café Tipo 8
COB.
5
Chicago Board of Trade (CBOT).
26
o risco de preço, para as microrregiões produtoras de soja: Barreiras (BA), Cascavel,

Ponta Grossa e Campo Mourão (PR), Sorriso, Cuiabá e Rondonópolis (MT), Passo Fundo
(RS), Uberlândia (MG), Rio Verde (Goiás), Dourados (MS), Cândido Mota e Orlândia
(SP) e Balsas (Maranhão).
Consideraram séries de preços diárias, tanto para os preços à vista como para
os preços de fechamento no mercado futuro, entre 10/09/2000 e 10/03/2004, separadas
em períodos de quatro meses antes do vencimento de cada contrato. Justificaram esta
separação, pois as frequências de comercialização nos mercados físicos e futuros não são as
mesmas, o que reflete em informações diferentes nas séries. Os resultados foram analisados
por vencimento, anualmente, em cada região e com as médias de cada contrato.
As regiões que apresentaram efetividade média superiores a 50%, via de regra,

estiveram próximas aos portos de embarque de soja para exportação. As quebras das
safras norte-americanas, em 2000 e 2003, aumentaram a efetividade do hedge para os
agentes da soja no Brasil. Os contratos do segundo semestre apresentaram os melhores
resultados, pois possuíram maior correlação com os preços à vista nas regiões brasileiras,
sendo que os de vencimento em julho e agosto exibiram menor variabilidade entre os anos
e maior efetividade. Estes marcam o pico da entressafra americana e, consequentemente,
maior correlação entre os preços à vista nas regiões brasileiras e os preços futuros da
CBOT, pois aumentou a procura por produtos do hemisfério sul. Os resultados sugeriram
que os sojicultores brasileiros possuem maior proteção contra o risco de preço com os
contratos do segundo semestre, período em que a efetividade média foi de 60%. As
estratégias de hedge que utilizaram contratos futuros no primeiro semestre foram pouco
interessantes aos produtores brasileiros. Apresentaram efetividade média de 35%.
Os estudos de Chiodi et al. (2005) e Santos et al. (2008) estimaram a razão

ótima de hedge por meio do modelo MQO, mas, diferente dos outros estudos, tomaram a
primeira diferença de preços.
Chiodi et al. (2005) compararam as efetividades do hedge nos mercados futuros da

BM&F e CBOT para a soja nos municípios de Cascavel (PR) e Sorriso (MT), no intuito
de verificar se os agentes que fazem hedge fora do país realmente conseguem minimizar os
riscos de preços dos seus portfólios. Foram utilizados os três últimos meses anteriores ao
vencimento do contrato de março e novembro de 2003 e 2004. Estes vencimentos foram
escolhidos, pois se referem aos períodos de safra e entressafra no Brasil e nos EUA.
O contrato futuro de soja da BM&F foi mais efetivo na região de Cascavel se

comparado à CBOT, tanto para os contratos de março como de novembro. Com o contrato
27
de março a redução do risco foi de 88,70% com razão de 82,90% e para o contrato de
novembro 68% com razão de 118,50%. Já para o caso da região de Sorriso o hedge foi
mais efetivo na CBOT para os dois contratos. Nos contratos de março houve redução
de 60,7% com razão ótima de hedge igual a 79,50% e para os de novembro redução de
52,80% com razão de 75,20%. Portanto, existiu diferença nas correlações de preços à
vista e futuro para as duas regiões. Os preços de Cascavel seguiram mais os contratos da
BM&F e os de Sorriso a CBOT.
Santos et al. (2008) estudaram a efetividade e razão ótima de hedge para a soja
na região Centro-Oeste do Brasil. Os dados utilizados foram preços médios mensais ao
produtor no estado de Goiás e os preços de fechamento dos contratos de soja negociados na
BM&F. O período de análise foi de outubro de 2002 a dezembro de 2005. Seus resultados
mostram uma razão ótima de hedge de 44% que gera uma efetividade do hedge de 35%.
2.2.2 Estudos empíricos brasileiros com base em Myers e Thomp-

son (1989)
Pinto e Silva (2001) procuraram analisar e comparar a eficiência das operações de

hedge de café com contratos futuros na BM&F, NYBOT6 e LIFFE7 . Utilizaram os valores
de ajuste diário para os preços futuros no período entre janeiro de 1994 e novembro de
2000. Foram considerados os preços à vista para o café arábica nos municípios paulistas
de Garça e Santos, e preços à vista para o café conillon no município de Vitória, no estado
do Espírito Santo.
Consideraram séries de preços para cada mês de vencimento dos contratos fu-
turos, nos quatro meses que antecedem cada vencimento, excluindo o próprio mês de
vencimento. A justificativa dos autores para a exclusão foi que existe uma tendência
natural de convergência dos preços à vista e futuro no mês de vencimento. Este fato é
comprovado por diversos estudos empíricos e ilustrado na Figura 2.1, e deveria ser utili-
zado. Quanto maior for a correlação entre os preços, maior será a efetividade do hedge.
Entretanto, Pinto e Silva (2001) preferiram não utilizar a convergência, sendo que esta
favorece maior efetividade.
Os resultados encontrados apontam para maior efetividade do hedge na BM&F

seguida pela NYBOT, nas regiões produtoras de café do tipo arábica, pois os contratos
6
New York Board of Trade (NYBOT).
7
London International Financial Futures and Options Exchange (LIFFE), renomeada para Euronext.life,
após sua aquisição em 2002 pela Euronext.
28
negociados nas duas bolsas são para o café do tipo arábica. A bolsa LIFFE, que negocia
o café do tipo conillon, propiciou maior efetividade somente quando considerada a região
produtora de café deste tipo, Vitória. Portanto, os resultados indicam que os contratos
com características mais próximas do mercado à vista propiciam maiores reduções nos
riscos de preços.
Nogueira et al. (2002) examinaram a efetividade e a razão ótima de hedge para

o mercado de café arábica nos dois principais estados produtores, Minas Gerais, regiões
do Cerrado e Sul de Minas, e São Paulo, regiões da Mogiana e Alta Paulista, no período
de setembro de 1996 a outubro de 2000. Além disso, verificou em qual das duas bolsas,
BM&F e CSCE, o hedge foi mais efetivo aos agentes da cadeia produtiva.
A base de dados constituiu-se em séries diárias de preços à vista, e preços diários

nos mercados futuros, preço da última negociação na BM&F, e de fechamento na CSCE,
ambos para o contrato mais próximo do vencimento. Além das séries diárias, construí-
ram séries semanais, centradas nas quartas-feiras, e quinzenais para verificar como se
comportam as efetividades e razões ótimas de hedge em períodos distintos.
Por meio do teste de raiz unitária proposto por Dickey e Fuller (1979, 1981)
encontraram não estacionariedade em nível e sim estacionariedade em primeira diferença,
logo, integradas de ordem 1. A partir desta informação, seguiram os modelos com preços
em diferença e diferença defasados sugeridos por Myers e Thompson (1989), para estimar
as razões ótimas de hedge.
Indicaram necessidade de os agentes da cadeia agroindustrial do café arábica

posicionarem-se em quantidades menores às suas exposições no mercado à vista, a fim
de minimizarem a variância dos portfólios, pois todos os valores encontrados nas razões
de hedge foram menores do que um. Ao tratarem da periodicidade, quanto maior foi
o período, maior foram as efetividades e razões ótimas de hedge. Com período diário,
a efetividade situou-se em torno de 54% a 59%. Quando utilizado o período semanal,
subiu para valores entre 68% a 71%. Para o período quinzenal os valores foram ainda
maiores, situados entre 72% a 93%. As operações de hedge efetuadas na BM&F foram mais
eficientes comparadas à CSCE, diferença em torno de 5% ao considerar as séries diárias,
e 20% ao considerar as quinzenais. As regiões de Minas Gerais, por serem os maiores
produtores nacionais de café, apresentaram efetividades maiores na BM&F que as de São
Paulo. Justificou esta eficiência devido à proximidade geográfica e disponibilidade de
contratos futuros mais adequados.
Ao agregarem as séries de preços, houve aumento da correlação entre os preços

29
à vista e futuros em detrimento da diminuição do tamanho amostral, o que propiciou

aumento da efetividade. Este fato estilizado é conhecido na literatura como efeito epps:
as correlações decrescem com o aumento da frequência amostral.
Com a finalidade de observar se os agentes envolvidos na atividade pecuária

bovina de corte possuem instrumentos eficientes na gestão dos preços, tanto do boi gordo
como do bezerro, Silveira e Ferreira Filho (2003) analisaram as operações de cross hedge
do bezerro e de hedge do boi gordo, para as regiões de Araçatuba (SP), Bauru/Marília
(SP), São José do Rio Preto (SP), Presidente Prudente (SP), Três Lagoas (MG), Triângulo
Mineiro (MG), Campo Grande (MS) e Noroeste do Paraná, no mercado futuro da BM&F.
Assim como Nogueira et al. (2002) a periodicidade semanal foi utilizada no côm-
puto das estimações. No entanto, as médias aritméticas semanais em logaritmos foram
utilizadas no cômputo das estimações. A justificativa dada pelos autores foi o problema
de autocorrelação serial e maior estabilidade da variância das séries. Além de considerar
todo o período, setembro de 1995 a fevereiro de 2001, verificaram a sazonalidade das
razões de hedge nas safras e entressafras.
Os testes sugeridos por Dickey e Fuller (1979, 1981) indicaram que as séries de
preços de bezerro e boi gordo foram estacionárias na primeira diferença e não em nível,
logo, optaram pelos modelos de diferença defasados sugeridos por Myers e Thompson
(1989), com os critérios de Akaike (1974) e Schwarz (1978) para a escolha do número de
defasagens.
As operações tiveram maior efetividade no período da safra. Sua explicação se

deve ao maior número de informações que o mercado possui no período, o que contribui
para um menor risco de “base” em relação ao período da entressafra. O mesmo aspecto
não apresentou diferenças significativas no cross hedge.
As razões ótimas de hedge para o boi gordo variaram entre 55,84% a 62,22% e
a efetividade entre 41,83% a 51,50%. Para o caso do cross hedge dos preços de bezerro,
as razões foram menores, entre 37,41% a 48,27%, e a efetividade entre 0,66% a 3,13%.
Verificaram que o cross hedge dos preços do bezerro teve risco de “base” aproximadamente
80% superior, comparado ao hedge do boi gordo, e eficiência em torno de 1,5%. Logo, tal
operação não pôde ser considerada eficiente na proteção dos riscos de preços.
Guimarães (2005) aplicou o modelo de Myers e Thompson (1989) para o caso do

boi gordo brasileiro, ao estimar a razão ótima de hedge, entre outubro de 2000 a outubro
de 2005. A série de preços à vista utilizada foi o Indicador de Preços do Boi Gordo
30
ESALQ/BM&F e para os preços futuros, o ajuste diário do contrato do boi gordo na

BM&F.
Analisou os preços diários e, assim como Nogueira et al. (2002), preços semanais
centrados nas quartas-feiras. Contudo, com contratos do primeiro e quarto vencimento.
Sua justificativa, para considerar um contrato mais longo do que o usual nos demais
estudos, reside em um hedge mais adequado aos pecuaristas e intermediários da cadeia
produtiva, com obrigações maiores que 30 dias, como a atividade de engorda, que pode
levar 120 dias entre a compra do boi magro e a venda do boi gordo.
Os testes de Dickey e Fuller (1979, 1981) demonstraram que as séries à vista e

futuro do boi gordo não foram estacionárias em nível e sim em sua primeira diferença. A
partir desta informação, executou o teste de cointegração, que apontou cointegração de
primeira ordem. Sendo assim, estimou a razão ótima de hedge com termo de correção
de erros. A seleção dos melhores modelos seguiu o menor valor do critério informacional
Akaike (1974).
As razões ótimas de hedge foram de 8,38% e 5,91% para as séries diárias dos
primeiros e quartos vencimentos. As séries semanais demonstraram ser mais apropriadas,
ao diminuir os problemas de autocorrelação serial. Suas razões ótimas foram de 35,20%
para o primeiro vencimento e 19,27% para o quarto vencimento. De fato, mais uma
evidência do efeito epps, isto é, as correlações com dados de baixa frequência são maiores
se comparadas às de alta frequência.
O hedge do açúcar brasileiro foi comparado nas bolsas BM&F, Bolsa de Londres e
na Bolsa de Nova York por Raabe et al. (2006), no período de janeiro de 2000 a setembro
de 2003. A partir de médias semanais dos preços, verificaram com testes de raiz unitária de
Dickey e Fuller (1979, 1981), a não estacionariedade em nível e sim em primeira diferença.
Os critérios informacionais, Akaike (1974) e Schwarz (1978), apontaram a parcimônia no
modelo descrito por preços em diferença, sendo que os à vista defasados até a terceira
ordem.
A variância do portfólio sem hedge foi de 3,42, utilizado na comparação aos de-
mais portfólios. O “hedgeado” na BM&F apresentou variância de 1,15, efetividade de
66,39% e razão ótima de hedge de 52,15%. O “hedgeado” na Bolsa de Londres obteve va-
riância de 3,34, efetividade de 2,38% e razão ótima de hedge de 29,4%. O “hedgeado” na
Bolsa de Nova York apresentou variância de 5,93, efetividade de 6,06% e razão ótima de
hedge de 6,06%. Vale ressaltar que as razões ótimas de hedge não foram estatisticamente
significativas nas bolsas estrangeiras. Justificaram tal diferença devido às diferentes es-
31
pecificidades dos tipos de açúcar negociados e disparidade nos meses de vencimento entre
os contratos das três bolsas de futuros.
Oliveira Neto et al. (2009) estudaram a existência de diferentes razões ótimas

de hedge entre os períodos de safra e entressafra, nas operações de hedge do milho, no
mercado futuro da BM&F, para o Estado de Goiás, mais especificamente no município
de Rio Verde. O período da pesquisa foi de outubro de 2002 a maio de 2007.
No intuito de verificar a estacionariedade das séries foi aplicado o teste Aumentado

de Dickey e Fuller (1979, 1981). Demonstraram que as séries não foram estacionárias em
nível. Para corrigir este problema, adicionaram uma constante, uma tendência e passaram
a considerar as séries com defasagem. A adição de variáveis dummy possibilitou verificar
a existência de diferentes razões de hedge entre os períodos de safra e entressafra. A
partir dos critérios informacionais de Akaike (1974) e Schwarz (1978), concluíram que o
melhor modelo considera uma razão de hedge no período de safra de 85,09% e de 80,97%
na entressafra. Com estas razões, foi possível diminuir em 70,36% o risco de preços da
carteira “hedgeada”.
Tonin et al. (2009) verificaram a efetividade e a razão ótima de hedge do milho

para a região de Maringá (PR) na BM&F. A base de dados foi construída com séries se-
manais refentes aos preços de fechamento do contrato futuro às quartas-feiras, no período
entre dezembro de 1996 a novembro de 2007. Apesar da mudança no contrato de milho
no período de análise, que passou a ser negociado em reais e não em dólares, constataram
que não houve quebra estrutural na série.
Utilizaram os testes de raiz unitária propostos por Dickey e Fuller (1979, 1981)
e Phillips e Perron (1988), para verificar se as séries são estacionárias. Demonstraram
que não foram estacionárias em nível e sim em primeira diferença. Dada a integração
de primeira ordem nas séries, os modelos em primeira diferença e em primeira diferença
defasados, sugeridos por Myers e Thompson (1989), foram utilizados para estimar a razão
ótima de hedge.
Os critérios informacionais de Akaike (1974) e Schwarz (1978), considerados para

selecionar o número de defasagens, indicaram uma defasagem para os preços à vista e três
para os preços futuros. Ao ser analisado todo o período, houve efetividade de 29,16% com
uma razão de hedge ótima de 12,34%. Ao separarem os períodos quando eram negociados
os contratos em dólar, apresentou efetividade de 28,31% com razão de hedge de 9.84% e
em reais com efetividade de 29,97% com razão de 12,83%.
32
2.2.3 Estudos empíricos brasileiros com razões de hedge dinâmi-

cas
Acredita-se que o primeiro estudo sobre hedge condicional e dependente no tempo,

executado com ativo brasileiro, foi realizado por Guillén (1996). Comparou as técnicas de
estimação da razão ótima de hedge por mínimos quadrados ordinários, com e sem termo
de correção de erro, e Correlação Condicional Constante de Bollerslev (1990), acrescido
do termo de correção de erro, assim como Kroner e Sultan (1993).
Dividiu o período de análise dentro da amostra em: antes do Plano Real, entre
13/07/90 e 10/04/95, e a partir da sua implantação, entre 09/06/94 e 14/12/95. No intuito
de simulação, também observou dados fora da amostra, entre 03/11/94 e 14/12/95. Suas
estimativas partiram dos preços diários de fechamento do IBOVESPA à vista e ajuste
do mercado futuro, vencimento mais próximo, ambos em logaritmo e deflacionados com
o IGP-DI centrado em dias corridos. Uma semana antes do vencimento mudou para
o contrato seguinte. Segundo o autor, tentou-se evitar flutuações bruscas que ocorrem
próximo aos vencimentos. Como o estudo tratou sobre índice de ações, os efeitos sobre
os dividendos foram considerados. Descontou-se 2% do preço à vista na quarta-feira mais
próxima do dia 25 do mês de maio de cada ano.
Os testes de diagnóstico nas séries apresentaram não normalidade, autocorrelação

serial, estacionariedade na primeira diferença, por meio dos testes de Dickey e Fuller (1979,
1981), existência de cointegração, bem como efeitos ARCH, verificados por Multiplicador
de Lagrange. Vale salientar a distribuição assumida na modelagem como normal bivariada,
mesmo as séries não a indicando na estatística descritiva.
No período antes do Plano Real, o hedge condicional obteve redução da variância

amostral. Entretanto, o contrário ocorreu após o plano. Para Guillén (1996), uma das
razões deve ser creditada à pouca volatilidade dos preços após o referido plano econômico.
A comparação efetuada fora da amostra indicou uma melhora do hedge condicional, mas
não superior aos convencionais, estimados por mínimos quadrados ordinários, com e sem
termo de correção de erro.
Bueno e Alves (2001) iniciam o estudo da efetividade do hedge cambial no Brasil

de forma dinâmica. A metodologia GARCH multivariada escolhida foi a vech, assim como
Baillie e Myers (1991). Além desta, como usual na literatura, mantêm as estimativas
estáticas, através de MQO e ingênua para comparação. Entretanto, examinam-nas para o
período fora da amostra, portanto as estimativas estáticas passam a variar, uma vez que
33
as razões de hedge são previstas com um passo à frente. A análise partiu de dados para
o câmbio à vista, ptax, e futuro, valor do ajuste diário dos contratos mais próximos do
vencimento, no período de 1995 a 1998, dividido em dentro e fora da amostra, esta, 42
observações.
Sugerem que a distribuição normal não é adequada às séries, pois apresentaram

padrões de obliquidade positiva e leptocurtose. Para acomodá-los, os resultados empíricos
seguiram uma distribuição t de Student. Os testes de Ljung-Box, assim como o Multipli-
cador de Lagrange ARCH, revelaram a existência de heterocedasticidade condicional nas
séries, estacionárias na primeira diferença, mediante teste de Phillips e Perron (1988).
Chegaram à conclusão de que a metodologia dinâmica foi mais eficiente para

reduzir o risco da exposição cambial, em torno de 13,3%, comparada com as estáticas. No
entanto, a razão ótima de hedge condicional chegou a atingir valores negativos.
O segundo estudo encontrado na literatura brasileira sobre hedge dinâmico cam-

bial foi feito por Tanaka (2005). Os dados diários, utilizados tanto para o dólar à vista,
valor de venda da PTAX800, como para o dólar futuro, cotação dos contratos de maior li-
quidez negociados na BM&F, foram de 1995 a 2004. Além do período completo, dividiu-o
em uma sub amostra, após a mudança do regime cambial.
Com a finalidade de garantir a estacionariedade das séries, utilizou os retornos

em logaritmo. Estes apresentaram comportamento leptocúrtico. A metodologia imple-
mentada foi semelhante à de Bueno e Alves (2001), porém escolheu a estimação dinâmica
BEKK diagonal para a razão de hedge. Em ambas as amostras, a redução do risco para
a carteira “hedgeada” foi maior pelo método dinâmico que para as estáticas e sem hedge.
Portanto, considerar as novas informações existentes no mercado, dentro do modelo, con-
tinuou favorável, mesmo com aumento do período estudado.
O modelo tradicional de estimação da razão ótima de hedge, via MQO, considera

o risco no mercado à vista e futuro como independentes do tempo. Com a finalidade de
superar esta limitação, uma vez que novas informações chegam a cada pregão para os
agentes, Bitencourt et al. (2006) afirmaram que seria realista e desejável a existência de
uma razão ótima de hedge dinâmica, que varia diariamente. Averiguaram e compararam
a efetividade bem como a razão ótima de hedge, obtidas por meio dos modelos MQO
e GARCH BEKK bivariado. O indicador ESALQ/BM&F foi considerado como a série
de preços à vista, e os preços de fechamento dos contratos do boi gordo, na BM&F,
mais próximos ao vencimento, como preços futuros. O período de abrangência foi de
30/10/2001 a 25/10/2004 e os retornos definidos como a variação dos preços diários em
34
logaritmo.
O teste de Ljung-Box detectou autocorrelação e o teste de White heterocedasti-

cidade. Portanto, a razão ótima de hedge estimada por MQO, de 74% com efetividade de
73% não foi apropriada. Para contornar estes problemas, estimaram via GARCH BEKK
bivariado (1,1). Os resultados ressaltaram a hipótese que a razão ótima de hedge varia
no tempo, além disso, apresentou dependência temporal. Concluem que, caso os agentes
desconsiderem o dinamismo das razões ótimas de hedge, ao estimá-las via MQO, gera ine-
ficiência na gestão de risco. Quando as superestima, podem ocasionar maiores custos aos
agentes que buscam proteção. Ao subestimá-las, uma menor posição no mercado futuro
não protege de forma ótima dos riscos de preços.
A análise de Araújo et al. (2007) sobre hedge cambial partiu do pressuposto que
houve uma quebra estrutural no ano de 1999, pois o Banco Central do Brasil permitiu
que a taxa de câmbio fosse livre, ao deixar para trás o modelo anterior de intervenção
permanente. Contemplaram o período após a adoção do regime cambial flutuante, até
setembro de 2004. Diferente dos demais estudos, a base de dados foi construída com
os valores diários de abertura da taxa de câmbio à vista e futuro. A rolagem destes foi
definida segundo dois critérios: o primeiro, sete dias antes do encerramento; o segundo,
com vinte e oito dias antes do vencimento.
Confrontam o risco do agente que não faz hedge com os agentes que o fazem. En-
tretanto, inovaram ao transformar os métodos estáticos em dinâmicos. Pois computaram
novas razões de hedge de forma periódica, rolling betas com janelamentos, no intuito de
melhor comparação da efetividade estimada pelos modelos. Os escolhidos para estimar a
razão ótima de hedge foram: rolling MQO, rolling VEC e BEKK diagonal com termo de
correção de erro.
Conforme esperado, a estatística descritiva apontou para médias próximas a zero,

distribuição leptocúrtica e assimetria positiva, portanto não apresentaram uma distribui-
ção normal, confirmada pelo teste de Jarque-Bera. Após os testes de raiz unitária de
Dickey e Fuller (1979, 1981) e Kwiatkowski et al. (1992), os quais sugeriram maior ade-
quação dos retornos em logaritmos à estacionariedade, utilizaram-nos nas estimativas.
Conforme apresentaram integração de primeira ordem, a cointegração foi identificada por
meio do teste de Engle e Granger (1987) e a escolha do número de defasagens feita medi-
ante o critério informacional de Schwarz (1978), para a modelagem VEC.
A existência de heterocedasticidade condicional, identificada pelo teste Multipli-

cador de Lagrange ARCH, reforça o uso da modelagem GARCH bivariada. No entanto,
35
concluem que o método BEKK diagonal foi superior ao tradicional rolling MQO e rolling
VEC somente em períodos de maior volatilidade cambial. Creditam o processo de rolagem
em janelas como crucial a esta configuração dos resultados, pois permitiu incorporar as
novas informações diárias aos modelos lineares.
O trabalho de Müller et al. (2008) teve como objeto de estudo o hedge do café
arábica no Brasil. Compararam estratégias estáticas (hedge ingênuo e modelagem Vetorial
de Correção de Erro) e dinâmicas de hedge (BEKK completo e diagonal, com distribuições
normal e t de Student). A construção da base de dados foi efetuada com médias semanais
em logaritmos do indicador ESALQ, como preços à vista, bem como os ajustes no mercado
futuro da BM&F, no período entre 2000 a 2006. Todavia, a efetividade do hedge foi
calculada apenas para os contratos de 2005, dentro da amostra, e 2006, fora da amostra.
Os testes Dickey e Fuller (1979, 1981) e Phillips e Perron (1988) indicaram esta-
cionariedade das séries em sua primeira diferença. Após esta constatação, concluíram a
existência de um vetor de cointegração, a partir dos testes do traço e máximo autovalor. A
presença de volatilidade condicional foi confirmada com o resultado do teste Multiplicador
de Lagrange para heterocedasticidade de até cinco defasagens.
A escolha do número de defasagem na modelagem estática foi obtida pelos crité-

rios informacionais de Akaike (1974), Schwarz (1978) e Hannan e Quinn (1979). Indicaram
quatro defasagens na modelagem VAR, por conseguinte, três na VEC. Esta foi utilizada
para o cômputo da razão ótima de hedge estática de 84%. A parcimônia do modelo BEKK
completo (1,1), com distribuição t de Student, apresentou o melhor ajuste, logo, seleci-
onado na comparação. Concluem a superioridade da estratégia dinâmica na redução de
riscos dentro e fora da amostra, todavia, diminuta.
Dana (2008) apresentou um modelo no tempo discreto, que maximiza a utilidade

da riqueza e ainda considera as chamadas de margem. A razão ótima foi estimada por
diferentes métodos: Correlação Condicional Dinâmica (DCC), BEKK completo, rolling
MQO e ingênuo. Para analisar a eficiência, a volatilidade da riqueza foi utilizada como pa-
râmetro. Este procedimento tomou uma função utilidade diferente da dos demais estudos
empíricos realizados no Brasil: U (Wt ) = bWt − 2c [Wt − E(Wt )]2 , com b = 4 e c = 1.
A amostra diária dos preços à vista e futuros começou em setembro de 2001 e

terminou em fevereiro de 2006. Desta, 127 observações foram deixadas fora da amostra
para efeitos de previsão. No intuito de encadear os preços futuros dos diferentes contratos,
compôs uma série sintética para os dois contratos de dólar futuro mais próximos do
vencimento, negociados na BM&F, por combinação linear ponderada, dependente dos
36
dias úteis remanescentes às expirações.
Os parâmetros dos modelos DCC(1,1) e BEKK(1,1) foram estimados para toda

a amostra e dentro da amostra, com a finalidade de verificar sua estabilidade em períodos
distintos. Sugeriu que a estimação DCC foi mais estável, pois os parâmetros não mudaram
tanto quanto na modelagem BEKK, portanto mais confiável. Nos períodos de maior
stress nos mercados, as razões de hedge alcançaram valores superiores a um e até mesmo
negativos. Justificou como fenômeno psicológico dos agentes, que tendem a maior sobre
reação, no curto prazo, nos mercados à vista do que nos futuros.
As variâncias das riquezas, mensuradas em diferentes horizontes fora da amostra,

de um a seis meses, com mudança nos parâmetros da utilidade b = 0, 5, b = 2 e b = 4,
bem como a eficiência das estratégias, confrontadas com a ingênua, demonstraram como
melhor performance a estratégia DCC, seguida da MQO, a qual superou a BEKK. Ainda
que consideradas as margens, os resultados foram semelhantes.
O estudo de Monteiro e Bueno (2009) averiguou se um modelo bivariado com

mudança de regime em dois estados na equação de correlação condicional das séries, pode
melhorar a estimação do hedge ótimo. Suas análises foram efetuadas com retornos em
logaritmo, compostos por preços à vista e futuros, contratos mais próximos do vencimento,
do Índice Bovespa, bem como a taxa de câmbio brasileira, no período de 03/01/2000 a
15/02/2006.
A relação de cointegração entre as séries foi considerada ao adicionarem um termo

de correção de erro, representado pela “base”, conforme Fama e French (1987). O primeiro
estágio na estimação do modelo DCC foi implementado com a modelagem Glosten et al.
(1993). Para evitar problemas causados por quebras estruturais, seu modelo permitiu
a possibilidade de dois estados para a Correlação Condicional Dinâmica. Portanto, o
modelo de Correlação Condicional Dinâmica bivariado com mudança de regime markovi-
ano captura os fatos estilizados de cluster, heterocedasticidade condicional e assimetria.
Comparou-o ao mensurar a performance do hedge por redução na variância e utilidade
quadrática, assim como em Kroner e Sultan (1993), às estratégias computadas por Míni-
mos Quadrados Ordinários, Vetorial de Correção de Erro e ingênua.
A análise descritiva dos dados permitiu verificarem excesso de curtose e assime-

tria, tanto para os preços em nível como em primeira diferença, portanto, razoável o uso do
modelo GJR. Os resultados para raiz unitária apontaram a estacionariedade em primeira
diferença mas não em nível, por meio de quatro testes, Dickey e Fuller (1979, 1981), Phil-
lips e Perron (1988), Kwiatkowski et al. (1992) e Elliott et al. (1996). Aplicado o teste de
37
cointegração de Johansen nas séries em nível, demonstraram a existência de cointegração,

logo, a adição do termo para correção de erro foi justificada. Os valores dos parâmetros
estimados como vetor de correção de erro foram significativos aos níveis convencionais de
significância e próximos a um. Os autores sugerem, portanto, que a “base” de fato pode
ser usada como proxy do termo de correção de erro.
A redução do risco proporcionada pela modelagem que considera a mudança

de regime markoviano foi superior às demais. Para o Índice Bovespa, próxima a 90%,
mas com valores semelhantes entre as estratégias. Em contraste, a efetividade do hedge
dinâmico cambial foi menor, em torno de 40%, valor próximo ao estimado por MQO. Em
todos os casos, a pior redução foi obtida com o modelo Vetorial de Correção de Erro. A
ordenação das melhores estratégias manteve-se da mesma forma ao considerar a utilidade.
2.2.4 Ponderações a respeito dos ensaios brasileiros
Avaliados os ensaios brasileiros sobre razão e efetividade do hedge, distinguiram-

se padrões evolutivos nos procedimentos metodológicos. Procedem experimentos sobre
hedgers infinitamente avessos ao risco, que defrontam a maximização de uma função de
utilidade esperada média-variância, sujeitos à propriedade martingal dos preços futuros.
Regredidos preços e retornos à vista e futuros, por mínimos quadrados ordinários e proces-
sos autorregressivos, solucionam o problema de maneira estática no tempo. À medida que
novas modelagens multivariadas GARCH foram desenvolvidas, suas aplicações empíricas
nas estimações se consolidaram. Passam a assumir distribuições conjuntas variantes e de-
pendentes no tempo. Implicam solução para a maximização da utilidade, por conseguinte,
minimização do risco, com razões de hedge dinâmicas, variantes no tempo, à medida que
novas informações chegam ao mercado. Dada a complexidade do modelo completo mul-
tivariado GARCH, diferenciaram-se quanto às restrições impostas: definidas positivas,
diagonais ou constantes. Os efeitos assimétricos passaram a ser considerados nas mo-
delagens em dois estágios, bem como quebras estruturais comportadas em dois regimes.
Após estimarem as razões estáticas e dinâmicas, certificam as performances do hedge por
redução do risco auferido no portfólio “hedgeado”, em detrimento de não fazê-lo. Destoam
as escassas evidências sujeitas a diferentes aversões ao risco.
As séries dos ativos agropecuários foram alvo da maioria dos estudos, mas apenas
um, de forma específica o cross hedge. Dentre os ativos financeiros, ressalta-se a ausência
do DI, contrato mais negociado na BM&FBOVESPA. Para manter a continuidade das
séries, é realizada a rolagem com os contratos mais próximos do vencimento. A mudança
38
trivial ocorre de duas formas: quando o contrato subsequente torna-se mais líquido ou
no próprio dia de expiração do contrato utilizado. Nota-se que a frequência interfere nos
resultados obtidos. Quanto maior, menor a covariância entre as séries. A escolha por
frequências diárias resulta em razões e efetividades menores, se comparadas às semanais.
Este caso é relacionado ao efeito epps. Por vezes utilizado a favor da pesquisa, proporciona
efetividades maiores. Contraposto o hedge dos ativos entre bolsas internacionais e a
brasileira, esta proveu maior efetividade, exceto em um caso particular. O hedge ingênuo
foi rejeitado como estratégia por todos que o consideraram. Comparadas as estratégias
estáticas e dinâmicas, não foi observado consenso na literatura nacional. Ainda que não
expressivas em certos estudos, indicaram redução do risco de preços.
A evolução da literatura teórica e empírica econométrica propiciou melhor com-

preensão das propriedades estatísticas sobre o comportamento das séries temporais finan-
ceiras. Consolidou procedimentos que se tornaram básicos nas pesquisas como: i) tratar
as séries de preços em logaritmo; ii) tomar a sua primeira diferença, também chamada de
retorno, pois são estacionárias; iii) considerar a cointegração entre os preços, seja com a
adição da “base” em t − 1 ou vetor de correção de erros, para garantir a relação de longo
prazo; iv) mudar a razão de hedge com o tempo é essencial, uma vez que as correlações
e variâncias não são constantes; v) considerar distribuições não normais, que acomodem
os excessos de curtose e assimetria, pois as séries não possuem distribuições normais. As
evidências enunciadas indicam mal especificações nas modelagens caso não sejam consi-
deradas. Apesar da falta de consenso metodológico nas estimativas das razões de hedge, é
preferível considerá-las no intento de robustez nas análises preditivas e dentro da amostra.
A Tabela 2.1 apresenta o compêndio da literatura sobre razão ótima e efetividade do hedge
no Brasil.
Tabela 2.1 – Compêndio da literatura sobre hedge no Brasil
Autores Mercados Ativos Períodos Periodicidade Metodologias para ROH Cômputo da Tratamento das
Efetividade variáveis
Guillén (1996) BM&F IBOV 07/1990 a 04/1995 (D) MQO, VEC e CCC (VM) ∆ em log
Fileni et al. (1999) BM&F Café 01/1995 a 12/1998 (D) Ederington (1979) (VM) Séries em nível
Pacheco (2000) BM&F e CSCE Café 01/1990 a 07/1997 (D) Ederington (1979) (VM) Séries em nível
Pinto e Silva (2001) BM&F, NY- Café 01/1994 a 11/2000 (D) Myers e Thompson (1989) (VM) Séries em nível
BOT e LIFFE
Bueno e Alves (2001) BM&F Dólar 01/1995 a 10/1998 (D) Ingênuo, MQO e vech di- (VM) ∆
agonal
Nogueira et al. (2002) BM&F e CSCE Café 09/1996 a 10/2000 (D), (S) e Myers e Thompson (1989) (VM) ∆
(Q)
Silveira e Ferreira Filho BM&F Boi 09/1995 a 02/2001 (S) Myers e Thompson (1989) (VM) ∆
(2003) Gordo e
Bezerro
Fontes et al. (2003a) BM&F Café 07/1994 a 07/2001 (D) Ederington (1979) (VM) Séries em nível
Fontes et al. (2003b) BM&F Milho 10/2001 a 04/2004 (D) Ederington (1979) (VM) Séries em nível
Martins e Aguiar (2004) CBOT Soja 09/2000 a 03/2004 (D) Ederington (1979) (VM) Séries em nível
Guimarães (2005) BM&F Boi 10/2000 a 10/2005 (D) e (S) Myers e Thompson (1989) – ∆
Gordo
Tanaka (2005) BM&F Dólar 04/1995 a 03/2004 (D) MQO e BEKK diagonal (VM) ∆ em log
Chiodi et al. (2005) BM&F e CBOT Soja 2003 e 2004 (D) Ederington (1979) (VM) ∆
Raabe et al. (2006) BM&F, Londres Açúcar 01/2000 a 09/2003 (S) Myers e Thompson (1989) (VM) ∆
e Nova York
Bitencourt et al. (2006) BM&F Boi 10/2001 a 10/2004 (S) MQO e BEKK – ∆ em log
Gordo
Araújo et al. (2007) BM&F Dólar 01/1999 a 09/2000 (D) Ingênuo, MQO e VEC (VM) ∆ em log
(rolling) , BEKK com
termo de correção de erros
Müller et al. (2008) BM&F Café 2000 a 2006 (S) Ingênuo, VEC, BEKK (VM) ∆ em log
completo e diagonal
Dana (2008) BM&F Dólar 07/2001 a 02/2006 (D) Ingenuo, MQO (rolling), Utilidade ∆
DCC e BEKK
Santos et al. (2008) BM&F Soja 08/2002 a 12/2005 (M) Ederington (1979) (VM) ∆
Oliveira Neto et al. (2009) BM&F Milho 08/2002 a 05/2007 Myers e Thompson (1989) (VM) ∆
Tonin et al. (2009) BM&F Milho 11/1996 a 11/2007 (S) Myers e Thompson (1989) (VM) ∆
Monteiro e Bueno (2009) BM&F Dólar e 01/2000 a 02/2006 (D) Ingênuo, OLS, VEC e (VM) e Utili- ∆ em log
IBOV MSDC dade
39
Fonte: Copilação do autor.

Nota: (D), (S), (Q) e (M) denotam as periodicidades diárias, semanais, quinzenais e mensais. ∆ representa a primeira diferença.
40
3 Metodologia à mensuração do
hedge dinâmico cambial
BRL/USD
Comumente os estudos sobre razão de hedge cambial brasileiro assumem uma

distribuição normal multivariada. Entretanto, reportaram leptocurtose nos retornos à
vista e futuros e, mesmo se fossem controlados os efeitos de cluster nas volatilidades,
poderiam não seguir distribuições normais. Segundo Fiorentini et al. (2003) e Bauwens
et al. (2006) duas abordagens podem ser adotadas. A primeira utiliza uma estimação
robusta por pseudo máxima verossimilhança Gaussiana. Permanece consistente para as
médias e variâncias condicionais, mesmo se a suposição de normalidade condicional for
violada. A segunda alternativa, à distribuição multivariada Gaussiana, é especificar uma
distribuição paramétrica leptocúrtica, tal como uma distribuição t de Student. Adiciona-
se um parâmetro escalar, com grau de liberdade denotado por ν, que indica a ordem de
existência dos momentos. Esses dois procedimentos foram adotados nas estimações do
modelo descrito a seguir:
St = a1S + b1S (st−1 − δft−1 ) + S,t (3.1a)

Ft = a1F + b1F (st−1 − δft−1 ) + F,t (3.1b)
" #
St
It−1 ∼ D (0, Ht ) , (3.1c)
F t
tal que S e F são os retornos à vista e futuros, a o coeficiente da constante, b o coefi-

ciente da “base”, It−1 denota o conjunto de informações disponíveis em t − 1, D (.) uma
densidade multivariada N (0, Ht ) ou t (0, Ht , ν) e Ht a matriz de covariância condicional,
sobre diferentes especificações GARCH multivariadas adotadas. Note-se que o primeiro
momento dos dados não foi modelado, pois o foco deste estudo centra-se nos efeitos das
variâncias e covariâncias, tão somente adicionada a “base” como média condicional.
41
Para Silvennoinen e Teräsvirta (2009), as especificações dos modelos GARCH

multivariados devem ser flexíveis o suficiente para representarem as dinâmicas das vari-
âncias e covariâncias condicionais — parcimoniosas para efetuar as estimações — uma
vez que as otimizações das funções de verossimilhaça podem ser difíceis. As otimizações
numéricas podem requerer inversões das matrizes de covariância condicional em cada ite-
ração. Portanto, evitar excessivas inversões de matrizes é crucial na escolha dos modelos.
As especificações de Ht seguem a proposta multivariada do modelo GARCH, de Bollerslev
(1986), apresentada por Engle e Kroner (1995) e as sugestões de combinações não lineares
de modelos univariados GARCH e GRJ, propostas por Bollerslev (1990) e Engle (2002).
3.1 Definições dos modelos multivariados GARCH
O modelo BEKK, publicado por Engle e Kroner (1995), possui a propriedade

da matriz de covariância condicional definida positiva por construção. Desenvolvem uma
forma quadrática geral para a matriz dada por:
q p
K
! K
!
0 0 0 0
X X X X
Ht = C C + Aik t−i t−i Aik + Bjk Ht−j Bjk , (3.2)
i=1 k=1 j=1 k=1
em que Aik e Bjk são matrizes de parâmetros N × N , C triangular, e o limite K do

somatório determina a generalidade do processo. Como o segundo e terceiro termos são
expressos em forma quadrática, garantem definibilidade positiva à matriz de covariância
condicional, mas com grande quantidade de parâmetros a serem estimados (KRONER;
NG, 1998). Segundo Silvennoinen e Teräsvirta (2009), obter a convergência pode ser
difícil, pois os parâmetros de (3.2) não são lineares. Devido à usual dificuldade numérica
em estimá-lo, é frequente assumir q = p = K = 1. A vantagem dessa estrutura é a
garantia de Ht definida positiva, portanto não precisa ser imposta em separado.
Para elucidar as propriedades e sugestões dos autores, sem perda de generalidade,

suponha K = 1. O modelo BEKK(p, q, 1) pode ser reescrito como:
q p
0 0 0 0
X X
Ht = C C + Ai t−i t−i Ai + Bj Ht−j Bj . (3.3)
i=1 j=1
Engle e Kroner (1995) demonstraram que certas restrições devem ser impostas nas ma-
trizes dos coeficientes, para assegurarem uma única parametrização. No caso especial
(3.3), com as matrizes de parâmetros A = (Aij )N N
i,j=1 ,B = (Bij )i,j=1 é obtida, desde que
todos os elementos da diagonal de C sejam positivos, bem como A11 , B11 > 0. Essas
42
condições podem ser estendidas para o caso geral com p, q > 1. Os autores também
mostram a estacionariedade de (3.3) se, e somente se, todos os autovalores da matriz
Pq 0 Pj 0
i=1 Ai ⊗ Ai + p=1 Bj ⊗ Bj forem menores que um, em módulo.
De forma a reduzir o número de parâmetros estimados, Engle e Kroner (1995)

sugeriram as simplificações diagonal e escalar em A e B, e, por esse motivo, foram
utilizadas em detrimento da versão completa (3.3). A versão diagonal,
q p
0 0 0 0
X X
Ht = C C + Ãi t−i t−i Ãi + B̃j Ht−j B̃j , (3.4)
i=1 j=1
onde Ãi e B̃j são matrizes de parâmetros diagonais, supõe que os parâmetros das equações
de covariância sejam produtos dos parâmetros das equações de variância. A versão escalar,
q p
0 0
X X
Ht = C C + at−i t−i + bHt−j , (3.5)
i=1 j=1
é obtida ao trocar cada elemento de Ai e Bj em (3.3) por aI e bI, onde a e b são escalares.
Bollerslev (1990) deu início a outra classe de modelo multivariado GARCH, como
combinação não linear de modelos univariados GARCH, possibilitando modelar em sepa-
rado as variâncias e correlações. A matriz de covariância condicional Ht é especificada
em dois passos. Primeiro, escolhe-se um modelo univariado GARCH para cada variância
condicional individual Hii,t , i = 1, . . . , N . Segundo, com base nas variâncias condicionais
individuais, especifica-se a matriz de correlação condicional. O modelo de Correlação
Condicional Constante (CCC), proposto por Bollerslev (1990), assume correlações condi-
cionais como sendo constantes, e a matriz de covariância condicional definida como:
p N
Ht = Dt RDt = ρij Hii,t , Hjj,t , (3.6)
i,j=1
p p
onde Dt := diag H11,t , . . . , HN N,t com variações condicionais ao longo da diagonal,
R := (ρij )N
i,j=1 é a matriz de correlação condicional definida positiva com ρij = 1∀i, e
Hii,t , que pode ser especificada por algum processo univariado GARCH. Dessa forma,
escolhe-se que cada elemento diagonal em Dt segue um processo GARCH (p, q),
qi pi
X X
Hii,t = ωi + αiq 2i,t−q + βip Hii,t−p , (3.7)
q=1 p=1
com as restrições, ωi > 0, αiq ≥ 0, βip ≥ 0, ∀i = 1, . . . , N , ∀q = 1, . . . , qi , ∀p = 1, . . . , pi e

Pqi Ppi
q=1 α iq + p=1 βiq < 1, para não negatividade e estacionariedade, ou um processo GJR
43
(p, q), de Glosten et al. (1993),

qi pi
X X
Hii,t = ωi + {αiq + γiq I (i,t−q > 0)} 2i,t−q + βip Hii,t−p , (3.8)
q=1 p=1
onde a indicatriz I (i,t−q > 0) assume valor um quando o argumento for verdadeiro, ou
zero em caso contrário, e sujeito às restrições de ωi > 0, αiq ≥ 0, αiq + γiq ≥ 0, βip ≥ 0,
∀i = 1, . . . , N , ∀q = 1, . . . , qi , ∀p = 1, . . . , pi e qq=1 (αiq + γiq /2)+ pp=1
Pi Pi
βiq < 1, para não
negatividade e estacionariedade. Assim, as correlações condicionais cruzadas são invari-
antes no tempo, e as covariâncias condicionais, proporcionais ao produto correspondente
dos desvios estandardizados condicionais. Segundo Baur (2006), Bauwens et al. (2006) e
Silvennoinen e Teräsvirta (2009), a modelagem é parcimoniosa, mas restrita, pois as co-
variâncias condicionais devem mover-se o suficiente para que as correlações permaneçam
constantes, o que, por outro lado, facilita sua estimação. Como correlações condicio-
nais constantes podem ser irreais, modelos mais flexíveis, com correlações condicionais
variantes no tempo, são necessários.
Nesse sentido, Engle (2002) estendeu o modelo CCC com a finalidade de torná-
lo mais flexível e propôs o modelo de Correlação Condicional Dinâmico (DCC). Assim
como no modelo CCC, especifica-se a matriz de covariância condicional Ht em dois pas-
sos. Primeiro, escolhe-se um modelo GARCH univariado para cada variância condicional
Hii,t , i = 1, . . . , N . Segundo, a matriz de correlação condicional é especificada dadas as
variâncias condicionais individuais, assim, impõe-se positividade definida. O modelo DCC
(p, q) para a matriz de covariância condicional Ht é definido como:
Ht = Dt Rt Dt , (3.9)
p p
com Dt := diag H11,t , . . . , HN N,t . Os elementos de Dt são definidos como modelos
GARCH univariados,
qi pi
X X
Hii,t = ωi + αiq 2i,t−q + βip Hii,t−p , (3.10)
q=1 p=1
ou um processo GJR,
qi pi
X X
Hii,t = ωi + {αiq + γiq I (i,t−q > 0)} 2i,t−q + βip Hii,t−p . (3.11)
q=1 p=1
44
A estrutura de correlação dinâmica é dada por:

M N
! M N
X X X 0
X
Qt = 1 − αm − βn Q̄ + αm ut−m ut−m + βn Qt−n , (3.12)
m=1 n=1 m=1 n=1
p p −1 p p −1
Rt = diag Q11,t , . . . , QN N,t Qt diag Q11,t , . . . , QN N,t (3.13)
onde ut := Dt−1 t , Q̄ a matriz de covariância não condicional de ut , α e β escalares,

assim, as correlações condicionais obedecem à mesma dinâmica e a condição para que Rt
seja definida positiva para ∀t é satisfeita (BAUWENS et al., 2006).
3.2 Alvo na variância
Segundo Engle (2009), a parte mais difícil nessas estimações é a matriz do inter-
cepto, pois, se os autovalores da matriz de parâmetros somam um valor próximo a um, o
do intercepto será diminuto. Engle e Mezrich (1996) propuseram a estimação da matriz
do intercepto por um estimador auxiliar, H̄ (.), também chamado de alvo na variância,
que força a matriz de covariância tomar um valor particular e plausível. A motivação para
seu uso foi aliviar as dificuldades numéricas nas estimações dos parâmetros ao reduzir sua
dimensionalidade.
Ainda que parcimoniosos, o número de parâmetros nos modelos descritos pode

ser controlado por alvo na variância, quando possível, pois Aielli (2008) demonstrou que
as estimações em dois passos, nos modelos DCC, com alvo, são inconsistentes e, segundo
Caporin e McAleer (2010), todas as supostas provas para os modelos com alvo, apresen-
tadas em Engle e Sheppard (2001) e Engle (2002), devem ser reconsideradas. Por esse
motivo, o alvo só foi aplicado nos modelos BEKK diagonal (3.4) e escalar (3.5), reescritos
como:
q p q p
!
0 0 0 0 0 0
X X X X
Ht = H̄ In In − Ãi Ãi − B̃j B̃j + Ãi t−i t−i Ãi + B̃j Ht−j B̃j , (3.14)
i=1 j=1 i=1 j=1
PT 0
onde H̄ := T −1 t=1 t t é a matriz de covariância amostral, e
q p
0
X X
Ht = H̄ (1 − a − b) + at−i t−i + bHt−j . (3.15)
i=1 j=1
45
3.3 Estimações dos modelos
Uma vez definidos os modelos adotados, o procedimento de estimação é breve-

mente discutido. No caso do modelo BEKK, foi realizada por um estimador de máxima
verossimilhança. Assuma uma amostra de tamanho t = 1, . . . , T . A função log verossimi-
lhança é dada por:
T
1 X 0 −1

L (θ) = − N ln (2π) + ln |Ht (θ)| + t Ht (θ) t , (3.16)
2 t=1
onde θ := vec (C, A1 , . . . , Aq , B1 , . . . , Bp ) e contém todos os parâmetros GARCH des-

conhecidos. A função de verossimilhança foi maximizada com respeito a θ ao usar o
algorítimo MaxSQP. Devido à não lineariedade da função de verossimilhança não existe
necessariamente uma forma fechada de solução.
De acordo com Engle e Sheppard (2001), o modelo DCC foi construído para
permitir procedimentos de estimação em dois estágios. Sugerem decompor o vetor de
parâmetro θ em duas partes disjuntas, uma para a volatilidade condicional individual e
outra para as correlações condicionais. Assim, no primeiro estágio, os modelos GARCH
univariados foram estimados para cada componente de t = (1t , . . . , N t ). No segundo
estágio, usando os resultados dos resíduos estandardizados transformados do primeiro
estágio, um estimador para as correlações condicionais foi derivado. Como Ht = Dt Rt Dt
no modelo DCC correspondente a (3.9), a função de verissimilhança em (3.16) pode ser
reescrita como:
T
1 X 0 −1 −1 −1

L (θ) = − N ln (2π) + ln |Dt Rt Dt | + t Dt Rt Dt t
2 t=1
T
1 X 0 0 0

=− N ln (2π) + 2 ln |Dt | + t Dt−1 Dt−1 t − ut ut + ln |Rt | + ut Rt−1 ut
2 t=1
(3.17)
Seja θ = (θ1 , |θ2 ) denote os parâmetros das volatilidades e correlações condicionais, como
dados em (3.9)-(3.10) e (3.12)-(3.13), respectivamente. A verossimilhança em (3.17) foi
decomposta em duas partes disjuntas:
L (θ) = L (θ1 , θ2 ) = LV (θ1 ) + LC (θ2 ) ,
com a parte pertencente aos componentes da volatilidade

T
1 X 0 −1 −1

LV (θ1 ) := − N ln (2π) + 2 ln |Dt | + t Dt Dt t
2 t=1
46
e a parte pertencente aos componentes da correlação

T
1 X 0 0

LC (θ2 ) := − −ut ut + ln |Rt | + ut Rt−1 ut .
2 t=1
Então, a parte da volatilidade corresponde à soma das funções de verossimilhança dos N

modelos univariados GARCH
T N
2it

1 XX
LV (θ1 ) := − ln (2π) + (Hii,t ) + .
2 t=1 i=1 Hii,t
Dessa forma, encontra-se a solução para θ̂1 = argmax LV (θ1 ), e então, subsequentemente,

θ̂2 = argmax LC θ̂1 , θ2 .
3.4 Testes de correlação condicional constante
Certificar se a correlação entre os retornos à vista e futuros não é constante no

tempo é essencial na escolha das modelagens apropriadas. Segundo Engle (2009), em cer-
tos períodos podem ser constantes, entretanto não pode ser feita essa suposição a priori.
Essa suposição pode ser verificada com os testes de Tse (2000) e Engle e Sheppard (2001).
Para testar a suposição de correlação condicional constante, Tse (2000) propôs uma es-
tatística dos multiplicadores de Lagrange que requer estimativas por modelagem CCC.
0
Assuma que a variância da série multivariada yt = (y1t , . . . , yKt ) para t = 1, . . . , T com K
elementos sejam condicionais, variantes no tempo e segue um processo GARCH(1,1), mas
com correlações constantes conforme o modelo de Bollerslev (1990). Denote os elementos
da diagonal da matriz de variância e covariância Ht por
2 2 2
σi,t = ωi + αi σi,t−1 + βi yi,t−1 , i = 1, . . . , K (3.18)
e fora da diagonal
σi,j,t = ρi,j σi,t σj, t, 1 ≤ i < j ≤ K. (3.19)
A hipótese de correlação constante pode ser testada ao examinar H0 : δij = 0, para

1 ≤ i < j ≤ N , ao permitir a seguinte especificação para correlações variantes no tempo:
ρi,j,t = ρi,j + δi,j yi,t−1 yj, t − 1, (3.20)
onde δi,j , para 1 ≤ i < j ≤ N , são parâmetros adicionais. Assim, ao aplicar a estatística
do multiplicador de Lagrange às restrições, define-se apenas um modelo CCC antes do
teste, sem uma estimativa multivariada com correlações condicionais variantes no tempo.
47
A estatística dos multiplicadores de Lagrange, para testar a hipótese nula, pode ser com-
putada como:
0
0 −1 0
LM C = ι Ŝ Ŝ Ŝ Ŝ ι, (3.21)
tal que ι é um vetor coluna de 1’s T × 1, Ŝ é S estimado em θ̂, estimador de máxima

0
verossimilhança de θ := (ω1 , α1 , β1 , ω2 , . . . , βK , ρ12 , ρ13 , . . . , ρK−1 , K, δ12 , . . . , δK−1,K ) para
0
H0 , S uma matriz T × N com as derivadas parciais ∂ιt /∂θ nas linhas para t = 1, . . . , T .
A estatística LMC é assintoticamente distribuída como uma χ2M , M = K (K − 1) /2.
O procedimento proposto por Engle e Sheppard (2001) requer uma estimativa da

correlação condicional constante e pode ser implementado por vetores autorregressivos.
O interesse é testar a hipótese nula de correlação constante H0 : Rt = R̄ contra a alter-

nativa de correlação condicional dinâmica Ha : vech (Rt ) := vech R̄ + β1 vech (Rt−1 ) +
β2 vech (Rt−2 ) + · · · + βp vech (Rt−p ). Para realizar o teste estima-se um processo GARCH
univariado com resíduos e sua correlação estandardizados. Padroniza-se o vetor de resí-
duos univariados conjuntamente por uma decomposição da raiz quadrada simétrica de R̄.
Sob a hipótese nula de correlação constante, os erros devem ser independentes e identica-
mente distribuídos com uma matriz de covariâncias Ik . A regressão é dada pelos produtos
externos dos resíduos nos produtos externos da constante e termos defasados. O vetor
autorregressivo definido por:
Yt = α + β1 Yt−1 + β2 Yt−2 + · · · + βs Yt−s + ηt (3.22)

h 0 i
onde Yt := vechu R̄−1/2 Dt−1 t R̄−1/2 Dt−1 t Ik , vechu é um vech modificado que

seleta apenas os elementos acima da diagonal, R̄1/2 Dt1 t um vetor k × 1 de resíduos con-
juntamente padronizados sob a nula, em que o intercepto e todos os parâmetros defasados
são zero.
48
4 Resultados e discussões
A base de dados foi composta pelas taxas de câmbio BRL/USD à vista e futura.
A série à vista referenciou-se à PTAX 8001 , obtida no Banco Central do Brasil. O contrato
futuro mais próximo do vencimento à série futura, provido no sistema de recuperação de
dados da BM&FBOVESPA. A escolha deveu-se à liquidez do contrato e correlação à série
à vista, sendo feita a rolagem com o contrato subsequente no dia anterior ao vencimento.
Contempladas as observações diárias no período de 2000 a 2010, essas foram divididas em
duas partes. As estimações e testes de especificação, dentro da amostra, realizadas entre
03 de janeiro de 2000 a 30 de dezembro de 2009, com 2476 observações na totalidade.
As predições fora da amostra, para validação, de 04 de janeiro de 2010 a 30 de junho de
2010, perfizeram 122 observações.
Sejam s̊ e f˚ os preços à vista e futuros, s e f os respectivos log-preços, define-se

o retorno à vista St por
St = log (s̊t ) − log (s̊t−1 ) = st − st−1 , (4.1)
futuro Ft

Ft = log f˚t − log f˚t−1 = ft − ft−1 , (4.2)
e a “base” no período t por bt = st − ft .
4.1 A base de dados em análise
Os procedimentos, adotados nessa análise da base de dados preliminar, não foram

pormenorizados, pois as estatísticas descritivas, testes de normalidade, autocorrelação,
efeitos ARCH, raiz unitária e cointegração, consideram-se sabidos por uso trivial, e a
literatura os consagrou. Apesar de serem utilizados períodos diferentes, os testes e técnicas
são similares, e, assim, comparados aos ensaios realizados sobre hedge da taxa de câmbio
1
Média das taxas efetivas transacionadas no mercado interbancário, ponderadas pelo volume de transa-
ções.
49
BRL/USD.
Tabela 4.1 – Estatísticas descritivas, testes de normalidade, autocorrelação e

efeitos ARCH
Séries
s f b S F
Observações 2476 2476 2476 2475 2475
Mínimo 7,3520 7,3532 -0,0599 -0,0936 -0,1396
Média 7,7401 7,7442 -0,0042 -1,4000E-05 -2,1000E-05
Máximo 8,2828 8,2844 1,0965E-01 8,9172E-02 6,1572E-02
Variância 4,5195E-02 4,5259E-02 5,3000E-05 1,0900E-04 1,3300E-04
Desvio Padrão 2,1259E-01 2,1274E-01 7,2630E-03 1,0449E-02 1,1546E-02
Assimetria 0,3170 0,2923 2,0079 0,0594 -0,4354
Curtose -0,7545 -0,8076 31,9643 11,5534 13,8025
Correlação 0,9994 0,6972
Jarque-Bera 99,9703∗ 102,2957∗ 107259,5298∗ 13794,7059∗ 19763,3730∗
∗
Q(8) 19536,4903 19533,5946∗ 903,1175∗ 29,1675 ∗
24,5101∗
∗
ML - ARCH(8) 2462,0584 2460,6785∗ 181,7030∗ 678,9382 ∗
321,3384∗
MLM - ARCH(8) 13,0040∗ 10,4316 ∗
Fonte: Dados da Pesquisa.

Nota: O subscrito ∗ denota significância estatística a 1%. s representa o preço à vista em log, f o preço
futuro em log, b a “base” (s − f ), S o retorno à vista e F o retorno futuro.
O coeficiente de correlação próximo a um entre os preços à vista e futuros, bem

como a correlação de 0,7 entre os retornos, reportados na Tabela 4.1, revelam o compor-
tamento similar das séries, crucial para que a proteção proporcionada ao fazer hedge seja
válida.
As séries de preços em nível apresentaram platicurtose, e os retornos, bem como

a “base”, leptocurtose. A alta estatística Jarque-Bera reflete a forte característica assi-
métrica e curtótica. Em consequência, rejeita a suposição de normalidade para as séries.
Embora estudos análogos a este tenham evidenciado distribuições não normais nas séries
de câmbio BRL/USD, apenas Bueno e Alves (2001) procuraram adequar este fato estili-
zado ao utilizarem a Student. Dessas evidências, utilizaram-se especificações nos modelos
que se diferenciaram quanto à distribuição assumida, bivariada Gaussiana e bivariada de
Student, pois a t possui caudas mais pesadas se comparada à normal.
De acordo com Tsay (2005), a seleção das defasagens pode afetar a estatística do
teste Q de Ljung e Box (1978), sendo a escolha que provê maior poder à estatística dada
por ≈ ln(T ). Seguido esse critério, as estatísticas de Ljung-Box Q (8) sugerem autocorre-
lação em todas as séries e menor nos retornos. Os testes dos multiplicadores de Lagrange
univariados de Engle (1982) M L − ARCH (8) para heterocedasticidade condicional su-
gerem existência de efeitos ARCH nas séries em nível, “base” e retornos. Para avaliar
a presença de efeitos ARCH entre os preços e retornos à vista e futuros, foi aplicado o
50
teste dos multiplicadores de Lagrange multivariados de Hacker e Hatemi-J (2005), que

estenderam o teste de Engle (1982) para casos multivariados. Os resultados reportados
evidenciam rejeição da hipótese nula de não presença de efeitos ARCH multivariados.
O conjunto de evidências reportadas na Tabela 4.1 indica uma estrutura variante no
tempo para os segundos momentos, portanto devem-se considerar modelos multivariados
GARCH nas estimativas das razões de hedge.
Tabela 4.2 – Testes de raiz unitária e cointegração

Painel A - Raiz unitária
Séries
s f b S F
∗ ∗
ERS-PO 17,9659 17,7951 0,7040 0,3938 0,3793∗
DF-GLS −0,8267 −0,8240 −4,7056∗ −6,3561∗ −6,5876∗
PP-M −0,8262 −0,8251 −4,5170∗ −5,8957∗ −5,9962∗
Painel B - Cointegração
Autovalor Traço Máximo Autovalor
Estatística Valores críticos Estatística Valores críticos
95% 99% 95% 99%
r=0 0,0788 203,9471 20,2618 25,0781 202,7802 15,8921 20,1612
r=1 0,0005 1,1669 9,1645 12,7608 1,1669 9,1645 12,7608
Painel C - Razão de Verossimilhança
H0 Estatística χ2 p-valor
0
β = (1, −1) 0,2413 0,6233
Fonte: Dados da Pesquisa
Nota: ∗ indica significância estatística a 1%. s representa o preço à vista em log, f o preço futuro em log, b
a “base” (s − f ), S o retorno à vista e F o retorno futuro. Os testes Dickey-Fuller por Mínimos Quadrados
Generalizados (DF-GLS) e Ponto Ótimo (ERS PO) sugeridos por Elliott et al. (1996), e a modificação do
teste Phillips-Perron proposto por Ng e Perron (2001), foram realizados com constante e sem tendência,
nos quais a hipótese nula é a existência de raiz unitária contra a alternativa de estacionariedade. Na
primeira linha dos testes do traço e máximo autovalor de Johansen (1988, 1995) referem-se a hipótese
nula de não cointegração e a segunda linha sob a nula de um vetor de cointegração. Seus valores críticos
foram obtidos em MacKinnon et al. (1999).
Para evitar resultados de regressões espúrias testou-se a presença de raiz unitária

nas séries e, às não estacionárias, cointegração. Os testes ERS PO, DF-GLS e PP-M dis-
postos na Tabela 4.2 foram aplicados às séries, à vista e futura, em logaritmos e retornos,
e na “base”. As estatísticas do painel A indicam raiz unitária em nível para os preços
à vista e futuros. Estatísticas significativas a 1% foram obtidas na primeira diferença,
implicando integração de primeira ordem e retornos estacionários, em conformidade aos
resultados evidenciados nos estudos de Bueno e Alves (2001), Araújo et al. (2007) e Mon-
teiro e Bueno (2009). Justifica-se, portanto, o uso dos retornos em (3.1). A “base” foi
estacionária em nível, condição para adicioná-la como média condicional nas modelagens
com o intuito de garantir a relação de longo prazo.
51
Identificados que os preços à vista e futuros foram I (1), os testes de cointegração

de Johansen (1988, 1995), presentes no Painel B, foram realizados para examinar a relação
de longo prazo entre essas séries. Conforme as estatísticas do traço e máximo autovalor,
a hipótese nula de não cointegração foi rejeitada a 1%. Entretanto, essas estatísticas
não rejeitam a nula de um vetor de cointegração. Esses resultados sugerem uma relação
cointegrada entre os preços à vista e futuros. Assim, para garantir a relação ao equilíbrio
de longo prazo, um termo de correção de erro deve ser incorporado na média condicional
das estimativas. Exemplos desse reconhecimento foram: Araújo et al. (2007) e Monteiro e
Bueno (2009). O primeiro impôs a restrição (1, −1) com respeito ao termo de correção de
erro e Monteiro e Bueno (2009) adicionaram o forward premium em t−1 como proxy para o
termo de correção de erro. Embora sejam suposições razoáveis, ambos as implementaram
sem testar a validade das restrições.
O teste da razão de verossimilhança, disposto no Painel C, foi feito com a finali-

dade de verificar se o vetor de cointegração restrito pode ser utilizado como mecanismo de
correção de erro. A hipótese nula do teste β 0 = (1, −1) implica que o vetor cointegrante
é a “base” defasada, isto é, st−1 − ft−1 . De acordo com a estatística χ2 não foi rejeitada
a nula que o vetor de cointegração é dado por (1, −1). Resultado consistente à escolha
especificacional da equação (3.1) com média cointegrada e, como a “base” foi estacionária,
tem-se que esse procedimento pode ser adotado nas estimações da razão de hedge.
Tabela 4.3 – Testes de correlação condicional constante

Modelos CCC LMC p-valor E-S(5) p-valor E-S(10) p-valor
GARCH ∼ N 35,2154 0,0000 36,2324 0,0000 45,4948 0,0000
GARCH ∼ T 51,4355 0,0000 36,2789 0,0000 45,5426 0,0000
GJR ∼ N 33,7921 0,0000 34,0781 0,0000 44,6811 0,0000
GJR ∼ T 51,0790 0,0000 34,0716 0,0015 44,6846 0,0011
Nota: LMC e E-S denotam os testes propostos por Tse (2000) e Engle e Sheppard (2001), respectivamente.
Para realizar os testes de Tse (2000) e Engle e Sheppard (2001) foram regredidos
os retornos à vista e futuros, com uma estrutura integrada igual à “base”, para as mode-
lagens dispostas na Tabela 4.3. Com base na estatística dos multiplicadores de Lagrange,
sugerida por Tse (2000), e χ2 de Engle e Sheppard (2001), foi encontrada evidência contra
a suposição de correlações condicionais constantes entre os retornos à vista e futuros, pois
os resultados indicaram a rejeição da hipótese nula de correlação constante, com 1% de
significância estatística. Portanto, apesar de usual na literatura, seria errôneo estimar as
razões de hedge por mínimos quadrados, correção de erro vetorial e correlação condicional
constante. Esses são sujeitos ao pressuposto de constância na correlação e poderiam levar
52
a inferências espúrias. Assim, os resultados dos testes dão suporte à escolha dos modelos
utilizados neste estudo pois se devem considerar modelagens que comportem correlações
variantes no tempo.
4.2 Estimativas dos modelos multivariados GARCH
A distribuição conjunta dos retornos à vista e futuros referenciada na equação

(3.1), sob diferentes especificações para a matriz de covariância condicional Ht — BEKK
escalar e diagonal, irrestritos e sujeitos a alvo na variância, além do DCC GARCH e
GJR — disposta na Tabela 4.4, permite inferências sobre o comportamento do mercado
cambial à vista e futuro.
Os coeficientes a1 estatisticamente não significativos aos níveis convencionais, na

equação dos retornos futuros, evidenciam que a esperança em manter contratos futuros
é igual a zero. Portanto, as estimativas para a razão ótima de hedge são consistentes
à maximização da utilidade esperada, consoante a solução de Kroner e Sultan (1993),
exposta nas equações (2.7) a (2.11).
O ajuste dos mercados à relação de longo prazo, mensurado pelos coeficientes b1 ,

foi significativo a 1% na equação à vista e insignificante aos níveis tradicionais na equação
do futuro, salvo nas estimações DCC GARCH, indicando que os efeitos dos desequilíbrios
entre preços possuem maior impacto no mercado à vista. De acordo com o mecanismo
de correção de erro estimado, os preços à vista decrescem para restaurar o equilíbrio em
resposta a um desvio positivo da relação de longo prazo.
Em ambos os mercados, os resultados das estimações dão suporte à existência

de heterocedasticidade condicional para os retornos. Os parâmetros das variâncias con-
dicionais α e β significantes a 1%, à exceção do termo ARCH no BEKK diagonal sob
distribuição Studentizada, implicam razões de hedge variantes no tempo e confirmam os
testes preliminares dos multiplicadores de Lagrange, univariados e multivariados, de Engle
(1982) e Hacker e Hatemi-J (2005), reportados na Tabela 4.1.
Tabela 4.4 – Parâmetros estimados
Modelos Parâmetros de S Parâmetros de F Parâmetros de SF ν Schwarz
a1 b1 ω1 α1 β1 γ1 a1 b1 ω1 α1 β1 γ1 ω12 θ1 θ2
Painel A - BEKK (1, 1)
Escalar ∼ N −0, 0027a −0, 5949a 0, 0007a 0, 3099a 0, 9508a −0, 0001 0, 0430 0, 0007a 0, 0006a −14, 5174
[0, 0002] [0, 0278] [0, 0002] [0, 0215] [0, 0086] [0, 0002] [0, 0440] [0, 0002] [0, 0002]
h0, 9999i
Escalar ∼ T −0, 0027a −0, 6054a 0, 0008a 0, 2826a 0, 9553a −0, 0003c 0, 0414 0, 0007a 0, 0007a 6, 7732a −14, 6914
[0, 0002] [0, 0279] [0, 0001] [0, 0179] [0, 0059] [0, 0002] [0, 0307] [0, 0001] [0, 0001] [0, 7090]
h0, 9925i
Escalar [vt] ∼ N −0, 0027a −0, 5985a 0, 2849a 0, 9543a −0, 0002 0, 0339 −14, 5160
[0, 0002] [0, 0281] [0, 0197] [0, 0070] [0, 0002] [0, 0481]
h0, 9918i
Escalar [vt] ∼ T −0, 0027a −0, 6045a 0, 2781a 0, 9561a −0, 0004c 0, 0406 6, 8292a −14, 7000
[0, 0002] [0, 0279] [0, 0158] [0, 0054] [0, 0002] [0, 0301] [0, 6150]
h0, 9915i
Diagonal ∼ N −0, 0031a −0, 6344a 0, 0048a 0, 1511a 0, 8337a −0, 0006c −0, 0140 0, 0000a −0, 1398b 0, 9032a 0, 0046a −14, 1370
[0, 0002] [0, 0434] [0, 0008] [0, 0557] [0, 0446] [0, 0003] [0, 0524] [0, 0000] [0, 0689] [0, 0277] [0, 0006]
h0, 7178i h0, 8353i
Diagonal ∼ T −0, 0030a −0, 6353a 0, 0053a 0, 0000 0, 7927a −0, 0007a −0, 0279 0, 0000 −0, 1978a 0, 9095a 0, 0040a 4, 0331a −14, 3960
[0, 0002] [0, 0388] [0, 0007] [0, 0167] [0, 0653] [0, 0002] [0, 0422] [0, 0000] [0, 0361] [0, 0295] [0, 0006] [0, 2590]
h0, 6283i h0, 8662i
Diagonal [vt] ∼ N −0, 0028a −0, 6060a 0, 3223a 0, 9390a −0, 0003 0, 0340 0, 2833a 0, 9539a −14, 5170
[0, 0002] [0, 0284] [0, 0478] [0, 0219] [0, 0003] [0, 0500] [0, 0233] [0, 0094]
h0, 9856i h0, 9902i
Diagonal [vt] ∼ T −0, 0027a −0, 6050a 0, 2796a 0, 9554a −0, 0004c 0, 0400 0, 2773a 0, 9566a 6, 8337a −14, 6938
[0, 0002] [0, 0278] [0, 0174] [0, 0060] [0, 0002] [0, 0302] [0, 0163] [0, 0054] [0, 6160]
h0, 9909i h0, 9919i
Painel B - DCC (1, 1)
GARCH ∼ N −0, 0028a −0, 5762a 0, 0125 0, 1866a 0, 8070a −0, 0001 0, 0527c 0, 0140a 0, 1581a 0, 8406a 0, 0135a 0, 9833a −14, 6492
[0, 0002] [0, 0367] [0, 0079] [0, 0667] [0, 0722] [0, 0002] [0, 0299] [0, 0052] [0, 0258] [0, 0241] [0, 0064] [0, 0094]
h0, 9935i h0, 9986i
GARCH ∼ T −0, 0028a −0, 5762a 0, 0125 0, 1866a 0, 8070a −0, 0001 0, 0527c 0, 0140a 0, 1581a 0, 8406a 0, 0215a 0, 9734a 9, 3531a −14, 7010
[0, 0002] [0, 0367] [0, 0079] [0, 0667] [0, 0722] [0, 0002] [0, 0299] [0, 0052] [0, 0258] [0, 0241] [0, 0074] [0, 0109] [0, 9683]
h0, 9935i h0, 9986i
GJR ∼ N −0, 0026a −0, 5919a 0, 0135a 0, 1703a 0, 8479a −0, 0791a −0, 0002 0, 0485 0, 0185a 0, 1428a 0, 8656a −0, 0566a 0, 0076a 0, 9913a −14, 6940
[0, 0002] [0, 0289] [0, 0036] [0, 0268] [0, 0209] [0, 0224] [0, 0002] [0, 0335] [0, 0054] [0, 0246] [0, 0204] [0, 0227] [0, 0032] [0, 0044]
h0, 8934i h0, 9086i
GJR ∼ T −0, 0027a −0, 5973a 0, 0108 0, 1419a 0, 8682a −0, 0529a −0, 0004c 0, 0307 0, 0147 0, 1164a 0, 8828a −0, 0337b 0, 0124c 0, 9863a 9, 1629a −14, 7370
[0, 0002] [0, 0294] [0, 0078] [0, 0298] [0, 0227] [0, 0181] [0, 0002] [0, 0466] [0, 0102] [0, 0250] [0, 0187] [0, 0171] [0, 0485] [0, 0680] [1, 0523]
53
h0, 9127i h0, 9241i

Fonte: Dados da Pesquisa.
Nota: Os subscritos a, b e c denotam significância estatística a 1%, 5% e 10%, respectivamente. Os valores entre [ ] representam o desvio padrão, entre h i os
termos a2 + b2 nas parametrizações BEKK escalar, α2 + β 2 nas BEKK diagonal, α + β nas DCC GARCH e α+γ 2 + β nas DCC GJR.
54
Em todos os modelos estimados, verifica-se que as condições à estacionariedade na

covariância foram satisfeitas. Nas parametrizações BEKK escalar a2 + b2 < 1, nas BEKK
diagonal α2 + β 2 < 1, nas DCC GARCH α + β < 1 e nas DCC GJR α+γ

2
+ β < 1.
Essas condições à estacionariedade menores, mas próximas a 1, indicam que as variâncias
e covariâncias são persistentes. Entretanto, a otimização numérica das parametrizações
BEKK diagonal, sem alvo na variância, resultou na negatividade do parâmetro ARCH,
assim como Dana (2008) encontrou termos ARCH negativos na parametrização completa
BEKK. Ainda que os sistemas BEKK diagonal, sem alvo na variância, sejam estacionários
na covariância, α2 + β 2 < 1, dada a negatividade, podem-se obter inferências espúrias a
partir dessas parametrizações.
As estimativas das correlações condicionais mensuradas pelos parâmetros θ1 e θ2

foram estatisticamente significativas, indicando que a suposição de correlações condicio-
nais constantes entre os retornos à vista e futuros não possui suporte empírico, e robora
os resultados reportados na Tabela 4.3. Ademais, θ1 + θ2 ≈ 1 implica que as correlações
entre os mercados são persistentes.
Os termos assimétricos −γ estatisticamente significativos a 5% indicam que im-

pactos negativos reduzem a variância. Portanto, movimentos de depreciação da taxa de
câmbio BRL/USD estão associados a aumento na volatilidade.
Os graus de liberdade estimados das distribuições t de Student, denotados por ν,

foram significativos a 1%. Sinalizam que o seu uso às distribuições dos erros foi apropriado
ao compará-las à Gaussiana, e, de acordo com o critério informacional de Schwarz, os
modelos estimados sob distribuições Studentizadas foram mais parcimoniosos, indicando
a estimativa por DCC GJR ∼ t como a de melhor ajuste aos dados.
4.3 Razões e efetividade do hedge
Seguidas as estimações dos modelos relacionados na Tabela 4.4, as variâncias e

covariâncias condicionais foram extraídas para computar as razões de hedge de acordo
com a equação (2.11). Os resultados dessas razões, plotadas nas Figuras 4.1, 4.2 e 4.3,
revelam as dinâmicas variantes no tempo em resposta às novas informações adicionais.
As variações das razões de hedge indicam que as proporções a serem operacionalizadas no
mercado futuro devem suceder revisões frequentes.
O comportamento dessas razões históricas, dentro da amostra, foram similares

mas em magnitudes diferentes. Proporções díspares ocorreram nas estimações por BEKK
55
diagonal, sem alvo na variância, devido à espuriedade levantada na análise da Tabela 4.4.
Entretanto, os hedgers posicionam-se ex ante, e a antecipação das variâncias e covariâncias
dos retornos, estimadas passos à frente, resulta em características preditivas diferentes às
razões de hedge.
1,0
0,64
BEKK Escalar ~ N
BEKK Escalar ~ N
0,8
0,62
0,6
0,60
0,4
0,58
0,2
0,56
1,0
0,9 0,660
BEKK Escalar ~ T
BEKK Escalar ~ T
0,8 0,655
0,7
0,650
0,6
0,5 0,645
Razões de Hedge
Razões de Hedge
0,4 0,640
0,3 0,635
1,0 BEKK Escalar VT ~N
BEKK Escalar VT ~ N
0,9
0,660
0,8
0,7
0,6 0,655
0,5
0,4 0,650
0,3
1,0
BEKK Escalar VT ~ T
BEKK.Escalar VT ~ T
0,9 0,665
0,8
0,7 0,660
0,6
0,655
0,5
0,4 0,650
0,3
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Jan−10 Fev−10 Mar−10 Abr−10 Mai−10 Jun−10 Jul−10
Período Período
(a) Dentro da amostra (b) Fora da amostra

Figura 4.1 – Razões de hedge - modelo BEKK escalar
0,70
BEKK Diagonal ~ N
BEKK Diagonal ~ N
0,6 0,69
0,4 0,68
0,67
0,2
0,66
0,0 0,65
−0,2 0,64
0,8 0,71
BEKK Diagonal ~ T
BEKK Diagonal ~ T
0,7 0,70
0,6 0,69
0,5 0,68
0,4 0,67
0,3 0,66
Razões de Hedge
Razões de Hedge
0,2 0,65
0,1
0,680
BEKK Diagonal VT ~ N
BEKK Diagonal VT ~ N
1,0 0,678
0,676
0,8
0,674
0,672
0,6
0,670
0,4 0,668
0,666
1,0
BEKK Diagonal VT ~ T
BEKK Diagonal VT ~ T
0,9
0,8 0,665
0,7
0,6 0,660
0,5
0,4
0,655
0,3
Período Período

Figura 4.2 – Razões de hedge - modelo BEKK diagonal
56
1,0 0,66
DCC GARCH ~ N
DCC GARCH ~ N
0,8 0,65
0,6 0,64
0,4 0,63
1,0 0,66
DCC GARCH ~ T
DCC GARCH ~ T
0,65
0,8
0,64
0,6
0,63
Razões de Hedge
Razões de Hedge
0,4
0,62
1,0
0,9 0,696
DCC GJR ~ N
DCC GJR ~ N
0,8
0,7 0,694
0,6
0,692
0,5
0,4
0,690
1,0
0,73
DCC GJR ~ T
DCC GJR ~ T
0,8 0,72
0,6 0,71
0,4 0,70
Período Período

Figura 4.3 – Razões de hedge - modelo DCC
Constituídos os portfólios “hedgeados” com base nas estimativas das razões de

hedge apresentadas, suas performances dentro e fora da amostra, computadas de acordo
com o critério de redução na variância — isto é, a efetividade do hedge formalizada na
equação (2.12) — dispõem-se na Tabela 4.5.
Tabela 4.5 – Efetividade do hedge

Estratégias Dentro da amostra Fora da amostra
Variância (E-05) Efetividade (%) Variância (E-05) Efetividade (%)
BEKK escalar ∼ N 5,87689 46,17 2,83603 64,45
BEKK escalar ∼ T 5,84743 46,44 2,70988 66,03
BEKK escalar [vt] ∼ N 5,85556 46,36 2,69757 66,18
BEKK escalar [vt] ∼ T 5,84151 46,49 2,69436 66,22
BEKK diagonal ∼ N 7,12908 34,70 2,73059 65,77
BEKK diagonal ∼ T 6,42819 41,12 2,71631 65,95
BEKK diagonal [vt] ∼ N 5,99665 45,07 2,66392 66,61
BEKK diagonal [vt] ∼ T 5,84662 46,45 2,68495 66,34
DCC GARCH ∼ N 5,75230 47,31 2,69109 66,27
DCC GARCH ∼ T 5,71085 47,69 2,69612 66,20
DCC GJR ∼ N 5,67181 48,05 2,64709 66,82
DCC GJR ∼ T 5,65357 48,21 2,64548 66,84
Os resultados das efetividades comparadas, dentro da amostra, indicaram que

todos os modelos proporcionaram redução da variância. Em particular, a modelagem
assimétrica para variâncias e covariâncias das taxas cambiais, DCC GJR, com distribuição
57
multivariada t de Student, pôde capturar melhor as flutuações dos retornos à vista e

futuros e, por conseguinte, a estratégia formulada a partir dela proveu maior efetividade
em relação às demais. As efetividades discrepantes das carteiras formadas por BEKK
diagonal, sem alvo na variância, podem ser creditadas aos coeficientes negativos α em F ,
dispostos na Tabela 4.4. Nota-se também que as simplificações na matriz do intercepto,
parametrizadas por BEKK, sujeitos a alvo na variância, refletiram em portfólios de menor
risco, comparados aos construídos por modelos da mesma classe, sem essa restrição.
Reportadas às adequabilidades estratégicas retrospectivas, avaliou-se a habilidade

redutiva do risco cambial das carteiras “hedgeadas” compostas pelas razões de hedge predi-
tas. Essas reduções na variância foram superiores à dentro da amostra, 66% para os dados
fora da amostra comparadas à efetividade aproximada de 48%. Isso pode ser resultante
de non-overfitting dos dados, assim como uma mudança na estrutura da volatilidade das
séries entre os dois períodos. As reduções de risco proporcionadas foram similares entre os
portfólios gerados pelos diferentes modelos, e a evidência superior da estratégia DCC GJR
∼ t dentro da amostra se verifica, ainda que diminuta, às alternativas fora da amostra.
As estratégias formuladas a partir dos modelos sob distribuições Studentizadas

obtiveram performance superior, comparadas às Gaussianas, dentro da amostra. A mesma
comparação, com respeito aos dados fora da amostra, não foi válida apenas para as es-
tratégias construídas por BEKK Diagonal com alvo na variância e DCC GARCH. Assim,
devido aos parâmetros de ν significativos, reportados na Tabela 4.4, a t adequa-se melhor
às distribuições dos erros, proporcionando maior redução na variância.
58
5 Considerações finais
Modeladas as volatilidades das taxas de câmbio BRL/USD à vista e futura, no

período de 2000 a 2009, por GARCH multivariados; das classes BEKK, escalar e diagonal,
sujeitas a alvo na variância; além da classe DCC, com combinações não lineares GARCH
e GJR; a significância estatística dos coeficientes, conteúdo informacional e o critério
de Schwarz indicaram a parametrização DCC GJR sob distribuição Studentizada como
a de melhor ajuste aos dados. Por conseguinte, obteve-se efetividade do hedge superior
dentre as estratégias construídas por essas parametrizações. Considerada sua performance
histórica, proveu efetividade do hedge de 48%, e a validação fora da amostra 66%. Valer-se
do portfólio formado por essa estratégia, DCC GJR ∼ t, para mitigar riscos de preços a
agentes avessos às volatilidades cambiais, resultou na maior capacidade redutiva do risco
à taxa de câmbio BRL/USD.
Realizado o teste da razão de verossimilhança ao vetor cointegrante estimado, a

validade da combinação entre as séries à vista e futura cambiais BRL/USD estatistica-
mente igual à “base” foi confirmada, e, identificada sua estacionariedade em nível, a “base”
defasada garante adequabilidade informacional à relação de longo prazo.
As estatísticas dos multiplicadores de Lagrange e χ2 , de Tse (2000) e Engle e

Sheppard (2001), indicaram rejeição de correlação constante entre os retornos à vista e
futuros a 1% de significância. Como implica estrutura condicional das correlações varian-
tes no tempo, justifica-se a escolha das modelagens GARCH multivariadas BEKK e DCC
às estimações das razões de hedge.
Como sugestão a pesquisas futuras, alguns aspectos podem ser implementados:

adicionar a “base” à matriz de covariância condicional, considerar termos assimétricos às
modelagens BEKK, verificar a hipótese do efeito epps por métodos das ondaletas.
59
Referências
AIELLI, G. P. Consistent estimation of large scale dynamic conditional correlations.

[S.l.]: Facoltà di Scienze Statistiche - Universita Degli Studi di Messina, 2008. (Working
paper, n. 47).
AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on

Automatic Control, v. 19, n. 6, p. 716–723, 1974.
ALEXANDER, C. Market risk analysis: pricing, hedging and trading financial

instruments. 1. ed. West Sussex: John Wiley & Sons, 2008.
ALEXANDER, C.; BARBOSA, A. Hedging index exchange traded funds. Journal of

Banking & Finance, v. 32, n. 2, p. 326–337, 2008.
ALIZADEH, A. H.; KAVUSSANOS, M. G.; MENACHOF, D. A. Hedging against bunker

price fluctuations using petroleum futures contracts: constant versus time-varying hedge
ratios. Applied Economics, v. 36, n. 12, p. 1337–1353, 2004.
ARAÚJO, D. L.; BRESSAN, A. A.; GOULART, C. P. Alternative hedging models for

the brazilian exchange market: a comparative analysis. The Icfai University Journal of
Applied Economics, v. 6, n. 5, p. 45–69, 2007.
BAILLIE, R. T.; MYERS, R. J. Bivariate GARCH estimation of the optimal commodity

futures hedge. Journal of Applied Econometrics, v. 6, n. 2, p. 109–124, 1991.
BAUR, D. A flexible dynamic correlation model. In: TERRELL, D.; FOMBY, T. B.

(Org.). Econometric analysis of financial and economic time series. Oxford: Elsevier,
2006.
BAUWENS, L.; LAURENT, S.; ROMBOUTS, J. V. K. Multivariate GARCH models: a

survey. Journal of Applied Econometrics, v. 21, n. 1, p. 79–109, 2006.
BERA, A. K.; GARCIA, P.; ROH, J. S. Estimation of time-varying hedge ratios for
corn and soybeans: BGARCH and random coefficient approaches. The Indian Journal of
Statistics, v. 59, n. 3, p. 346–368, 1997.
BERROSPIDE, J. M.; PURNANANDAM, A.; RAJAN, U. Corporate hedging,

investment and value. Washington: Federal Reserve Board, 2008. 45 p. (Finance and
Economics Discussion Series, n. 16).
BITENCOURT, W. A.; SILVA, W. S.; SÁFADI, T. Hedge dinâmicos: uma evidência

para os contratos futuros brasileiros. Organizações Rurais & Agroindustriais, v. 8, n. 1,
p. 71–78, 2006.
60
BOLLERSLEV, T. Generalized autoregressive conditional heteroskedasticity. Journal of

Econometrics, v. 31, n. 3, p. 307–327, 1986.
BOLLERSLEV, T. Modelling the coherence in short-run nominal exchange rates: a

multivariate generalized ARCH model. The Review of Economics and Statistics, v. 72,
n. 3, p. 498–505, 1990.
BOLLERSLEV, T.; ENGLE, R. F.; WOOLDRIDGE, J. M. A capital asset pricing model

with time-varying covariances. Journal of Political Economy, v. 96, n. 1, p. 116–131,
1988.
BROOKS, C.; HENRY, l. T.; PERSAND, G. The effect of asymmetries on optimal

hedge ratios. The Journal of Business, v. 75, n. 2, p. 333–352, 2002.
BUENO, R. L. S.; ALVES, D. C. O. Hedge: variância mínima. In: ENCONTRO

BRASILEIRO DE FINANÇAS, I., 2001, São Paulo. Anais... São Paulo: Sociedade
Brasileira de Finanças, 2001. p. 21.
CAPORIN, M.; MCALEER, M. Do we really need both BEKK and DCC? a tale of two
multivariate GARCH models. Tokyo: Center for International Research on the Japanese
Economy, 2010. 19 p. (F-Series, n. 713).
CHIODI, L. et al. Análise da efetividade de hedging com os contratos futuros de soja na

BM&F e CBOT. In: CONGRESSO BRASILEIRO DE ECONOMIA E SOCIOLOGIA
RURAL, XLIII., 2005, Ribeirão Preto. Anais... Ribeirão Preto: Sociedade Brasileira de
Economia, Administração e Sociologia Rural, 2005. p. 12.
COCHRANE, D.; ORCUTT, G. H. Application of least squares regression to

relationships containing auto-correlated error terms. Journal of the American Statistical
Association, v. 44, n. 245, p. 32–61, 1949.
DANA, S. Essays on dynamic finance. 105 p. Tese (Doutorado em Administração de

Empresas) — Escola de Administração de Empresas de São Paulo, Fundação Getúlio
Vargas, São Paulo, 2008.
DICKEY, D. A.; FULLER, W. A. Distribution of the estimators for autoregressive time

series with a unit root. Journal of the American Statistical Association, v. 74, n. 366, p.
427–431, 1979.
DICKEY, D. A.; FULLER, W. A. Likelihood ratio statistics for autoregressive time

series with a unit root. Econometrica, v. 49, n. 4, p. 1057–1072, 1981.
EDERINGTON, L. H. The hedging performance of the new futures markets. The

Journal of Finance, v. 34, n. 1, p. 157–170, 1979.
ELLIOTT, G.; ROTHENBERG, T. J.; STOCK, J. H. Efficient tests for an autoregressive

unit root. Econometrica, v. 64, n. 4, p. 813–836, 1996.
ENGLE, R. F. Autoregressive conditional heteroscedasticity with estimates of the

variance of united kingdom inflation. Econometrica, v. 50, n. 4, p. 987–1007, 1982.
ENGLE, R. F. Dynamic conditional correlation. Journal of Business and Economic

Statistics, v. 20, n. 3, p. 339–350, 2002.
61
ENGLE, R. F. Anticipating correlations: a new paradigm for risk management. 1. ed.

New Jersey: Princeton University Press, 2009.
ENGLE, R. F.; GRANGER, C. W. J. Co-integration and error correction: representation,

estimation, and testing. Econometrica, v. 55, n. 2, p. 251–276, 1987.
ENGLE, R. F.; KRONER, K. F. Multivariate simultaneous generalized ARCH.

Econometric Theory, v. 11, n. 1, p. 122–150, 1995.
ENGLE, R. F.; MEZRICH, J. GARCH for groups. Risk, v. 9, n. 8, p. 36–40, 1996.
ENGLE, R. F.; SHEPPARD, K. Theoretical and empirical properties of dynamic

conditional correlation multivariate GARCH. Cambridge: National Bureau of Economic
Research, 2001. 44 p. (Working Paper, n. 8554).
FAMA, E. F.; FRENCH, K. R. Commodity futures prices: some evidence on forecast

power, premiums, and the theory of storage. Journal of Business, v. 60, n. 1, p. 55–73,
1987.
FILENI, D. H.; MARQUES, P. V.; MACHADO, H. M. O risco de base e a efetividade

do hedge para o agronegócio do café em Minas Gerais. Organizações Rurais &
Agroindustriais, v. 1, n. 1, p. 42–50, 1999.
FIORENTINI, G.; SENTANA, E.; CALZOLARI, G. Maximum likelihood estimation

and inference in multivariate conditionally heteroscedastic dynamic regression models
with Student t innovations. Journal of Business & Economic Statistics, v. 21, n. 4, p.
532–546, 2003.
FONTES, R. E.; CASTRO JÚNIOR, L. G.; AZEVEDO, A. F. Efetividade e razão

ótima de hedge na cafeicultura em diversas localidades de Minas Gerais e São Paulo. In:
CONGRESSO BRASILEIRO DE ECONOMIA E SOCIOLOGIA RURAL, XLI., 2003,
Juiz de Fora. Anais... Juiz de Fora: Sociedade Brasileira de Economia, Administração e
Sociologia Rural, 2003. p. 9.
FONTES, R. E. et al. Efetividade e razão ótima de hedge da cultura do milho em

diversas localidades do Brasil. In: CONGRESSO INTERNACIONAL DE ECONOMIA
E GESTÃO DE REDES AGROALIMENTARES, IV., 2003, Ribeirão Preto. Anais...
Ribeirão Preto: PENSA, 2003. p. 13.
GIMENES, R. M. T. Gestão de risco: análise da utilização de derivativos financeiros

pelas cooperativas agropecuárias do estado do Paraná. Revista de Contabilidade e
Organizações, v. 2, n. 4, p. 23–39, 2008.
GLOSTEN, L. R.; JAGANNATHAN, R.; RUNKLE, D. E. On the relation between the

expected value and the volatility of the nominal excess return on stocks. The Journal of
Finance, v. 48, n. 5, p. 1779–1801, 1993.
GUILLÉN, O. T. C. Estimação da razão ótima de hedge para o IBOVESPA futuro, uma

aplicação do modelo GARCH bivariado. 72 p. Dissertação (Mestrado em Economia) —
Escola de Pós-Graduação em Economia, Fundação Getúlio Vargas, Rio de Janeiro, 1996.
62
GUIMARÃES, R. L. Razão ótima de hedge em função do horizonte de hedge e da

periodicidade dos dados: uma aplicação no mercado de boi gordo brasileiro. 88 p.
Dissertação (Mestrado em Finanças e Economia Empresarial) — Escola de Economia de
São Paulo, Fundação Getúlio Vargas, São Paulo, 2005.
HACKER, R. S.; HATEMI-J, A. A test for multivariate ARCH effects. Applied

Economics Letters, v. 12, n. 7, p. 411–417, 2005.
HANNAN, E. J.; QUINN, B. G. The determination of the order of an autoregression.

Journal of the Royal Statistical Society. Series B (Methodological), v. 41, n. 2, p. 190–195,
1979.
HILDRETH, C.; LU, J. Y. Demand relations with autocorrelated disturbances. East

Lansing: Michigan State University, 1960. (Technical Bulletin, n. 276).
JOHANSEN, S. Statistical analysis of cointegration vectors. Journal of Economic

Dynamics and Control, v. 12, n. 2-3, p. 231–254, 1988.
JOHANSEN, S. Likelihood-based inference in cointegrated vector autoregressive Models.

1. ed. Oxford: Oxford University Press, 1995.
JOHNSON, L. L. The theory of hedging and speculation in commodity futures. The

Review of Economic Studies, v. 27, n. 3, p. 139–151, 1960.
KRONER, K. F.; NG, V. K. Modeling asymmetric comovements of asset returns. Review

of Financial Studies, v. 11, n. 4, p. 817–844, 1998.
KRONER, K. F.; SULTAN, J. Time-varying distributions and dynamic hedging with

foreign currency futures. The Journal of Financial and Quantitative Analysis, v. 28, n. 4,
p. 535–551, 1993.
KU, Y. H.; CHEN, H.; CHEN, K. On the application of the dynamic conditional
correlation model in estimating optimal time-varying hedge ratios. Applied Economics
Letters, v. 14, n. 7, p. 503–509, 2007.
KWIATKOWSKI, D. et al. Testing the null hypothesis of stationarity against the

alternative of a unit root : how sure are we that economic time series have a unit root?
Journal of Econometrics, v. 54, n. 1-3, p. 159–178, 1992.
LIEN, D.; TSE, Y.; TSUI, A. Evaluating the hedging performance of the constant-
correlation GARCH model. Applied Financial Economics, v. 12, n. 11, p. 791–798,
2002.
LIEN, D.; YANG, L. Asymmetric effect of basis on dynamic futures hedging: Empirical
evidence from commodity markets. Journal of Banking & Finance, v. 32, n. 2, p. 187 –
198, 2008.
LJUNG, G. M.; BOX, G. E. P. On a measure of lack of fit in time series models.

Biometrika, v. 65, n. 2, p. 297–303, 1978.
MACKINNON, J. G.; HAUG, A. A.; MICHELIS, L. Numerical distribution functions of

likelihood ratio tests for cointegration. Journal of Applied Econometrics, v. 14, n. 5, p.
563–577, 1999.
63
MALO, P.; KANTO, A. Evaluating multivariate GARCH models in the nordic electricity
markets. Communications in Statistics – Simulation and Computation, v. 35, n. 1, p.
117–148, 2006.
MARTINS, A. G.; AGUIAR, D. R. D. Efetividade do hedge de soja em grão com

contratos futuros de diferentes vencimentos na Chicago Board of Trade. Revista de
Economia e Agronegócio, v. 2, n. 4, p. 449–472, 2004.
MERLOTTO, J.; PIMENTA JÚNIOR, T.; ROSIFINI JÚNIOR, V. A exposição ao risco

de câmbio e o valor das empresas: uma análise no mercado de ações brasileiro no período
de 1999 a 2003. Revista de Administração - eletrônica, v. 1, n. 1, p. 1–12, 2008.
MONTEIRO, W. O.; BUENO, R. L. S. Dynamic hedging in Markov regimes switching.

In: ENCONTRO NACIONAL DE ECONOMIA, XXXVII., 2009, Foz do Iguaçu. Anais...
Foz do Iguaçu: Associação Nacional dos Centros de Pós-Graduação em Economia, 2009.
p. 23.
MÜLLER, C. A. S.; MOURA, A. D.; LIMA, J. E. Análise comparativa entre estratégias

de hedge com base em modelos estáticos e dinâmicos para contratos futuros de café
arábica. In: CONGRESSO BRASILEIRO DE ECONOMIA E SOCIOLOGIA RURAL,
XLVI., 2008, Rio Branco. Anais... Rio Branco: Sociedade Brasileira de Economia,
Administração e Sociologia Rural, 2008. p. 21.
MYERS, R. J.; THOMPSON, S. R. Generalized optimal hedge ratio estimation.

American Journal of Agricultural Economics, v. 71, n. 4, p. 858–868, 1989.
NG, S.; PERRON, P. LAG length selection and the construction of unit root tests with
good size and power. Econometrica, v. 69, n. 6, p. 1519–1554, 2001.
NOGUEIRA, F. T. P.; AGUIAR, D. R. D.; LIMA, J. E. Efetividade do hedge no

mercado brasileiro de café arábica. Resenha BM&F, n. 150, p. 11, 2002.
OLIVEIRA NETO, O. J.; FIGUEIREDO, R. S.; MACHADO, A. G. Efetividade de

hedge e razão ótima de hedge para cultura do milho no estado de Goiás. Revista
Brasileira de Gestão e Desenvolvimento Regional, v. 5, n. 2, p. 115–138, 2009.
PACHECO, F. B. P. Análise das operações de hedging em mercados futuros: o caso

do café arábica no Brasil. 89 p. Dissertação (Mestrado em Economia Aplicada) —
Departamento de Economia, Administração e Sociologia, Escola Superior de Agricultura
Luiz de Queiroz, Piracicaba, 2000.
PHILLIPS, P. C. B.; PERRON, P. Testing for a unit root in time series regression.
Biometrika, v. 75, n. 2, p. 335–346, 1988.
PINTO, W. J.; SILVA, O. M. Efetividade do hedging em contratos de café no mercado

mundial. In: SIMPÓSIO DE PESQUISA DOS CAFÉS DO BRASIL, II., 2001, Vitória.
Anais... Vitória: Consórcio Brasileiro de Pesquisas e Desenvolvimento do Café, 2001.
p. 9.
RAABE, J. P.; STADUTO, J. A. R.; SHIKIDA, P. F. A. A efetividade de hedge do

mercado futuro de açúcar nos mercados de Nova York, Londres e da BM&F. Revista de
Economia e Administração, v. 5, n. 3, p. 338–357, 2006.
64
ROSSI JÚNIOR, J. L. A utilização de derivativos agrega valor à firma? um estudo do

caso brasileiro. Revista de Administração de Empresas, v. 48, n. 4, p. 94–106, 2008.
ROSSI JÚNIOR, J. L. Nonlinear foreign exchange exposure: evidence from brazilian

companies. In: ENCONTRO BRASILEIRO DE ECONOMETRIA, XXXI., 2009, Foz do
Iguaçu. Anais... Foz do Iguaçu: Sociedade Brasileira de Econometria, 2009. p. 19.
SAITO, R.; SCHIOZER, R. F. Uso de derivativos em empresas não-financeiras listadas

em bolsa no Brasil. Revista de Administração, v. 42, n. 1, p. 97–107, 2007.
SANTOS, M. P.; BOTELHO FILHO, F. B.; ROCHA, C. H. Hedge de mínima variância

na BM&F para soja em grãos no Centro-Oeste. Sociedade e Desenvolvimento Rural, v. 2,
n. 1, p. 203–212, 2008.
SCHIOZER, R. F.; SAITO, R. The determinants of currency risk management in latin

american nonfinancial firms. Emerging Markets Finance and Trade, v. 45, n. 1, p. 49–71,
2009.
SCHWARZ, G. Estimating the dimension of a model. The Annals of Statistics, v. 6, n. 2,

p. 461–464, 1978.
SILVA, A. R. O.; AGUIAR, D. R. D.; LIMA, J. E. Hedging with futures contracts in the
brazilian soybean complex: BM&F vs. CBOT. Revista de Economia e Sociologia Rural,
v. 41, n. 2, p. 383–405, 2003.
SILVEIRA, R. L. F.; FERREIRA FILHO, J. B. S. Análise das operações de cross hedge

do bezerro e do hedge do boi gordo no mercado futuro da BM&F. Revista de Economia
e Sociologia Rural, v. 41, n. 4, p. 881–899, 2003.
SILVENNOINEN, A.; TERÄSVIRTA, T. Multivariate GARCH models. In: ANDERSEN,

T. G. et al. (Org.). Handbook of Financial Time Series. Heidelberg: Springer, 2009. p.
201–229.
STEIN, J. L. The simultaneous determination of spot and futures prices. The American
Economic Review, v. 51, n. 5, p. 1012–1025, 1961.
TANAKA, Y. Estimação da razão ótima de hedge para o dólar futuro usando um

modelo MGARCH-BEKK-Diagonal. 50 p. Dissertação (Mestrado Profissionalizante em
Economia e Finanças) — Escola de Pós-Graduação em Economia, Fundação Getúlio
Vargas, Rio de Janeiro, 2005.
TAVARES, G. A.; SHENG, H. H. Estimando a exposição cambial de empresas da

Bovespa. In: ENCONTRO BRASILEIRO DE FINANÇAS, VIII., 2007, São Paulo.
Anais... São Paulo: Sociedade Brasileira de Finanças, 2007. p. 15.
TONIN, J. M.; BRAGA, M. J.; COELHO, A. B. Efetividade de hedge do milho com

contratos futuros da BM&F: uma aplicação para a região de Maringá, PR. Revista de
Economia, v. 35, n. 31, p. 115–140, 2009.
TSAY, R. S. Analysis of financial time series. 2. ed. New Jersey: John Wiley & Sons,
2005.
65
TSE, Y. K. A test for constant correlations in a multivariate GARCH model. Journal of

Econometrics, v. 98, n. 1, p. 107–127, 2000.
VERVLOET, W. T. F.; GARCIA, M. G. P. Incentivo perverso das reservas

internacionais: o caso das empresas exportadoras brasileiras. Rio de Janeiro:
Departamento de Economia da PUC-Rio, 2009. 23 p. (Texto para discussão, n. 564).
WORKING, H. Futures trading and hedging. The American Economic Review, v. 43,
n. 3, p. 314–343, 1953.
WORKING, H. Hedging reconsidered. Journal of Farm Economics, v. 35, n. 4, p.

544–561, 1953.
WORKING, H. Price supports and the effectiveness of hedging. Journal of Farm

Economics, v. 35, n. 5, p. 811–818, 1953.
WORKING, H. New concepts concerning futures markets and prices. The American
Economic Review, v. 52, n. 3, p. 431–459, 1962.
YANG, W.; ALLEN, D. E. Multivariate GARCH hedge ratios and hedging effectiveness
in australian futures markets. Accounting and Finance, v. 45, n. 2, p. 301–321, 2004.

Modelando A Volatilidade Da Taxa de Câmbio

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

Modelando A Volatilidade Da Taxa de Câmbio

Enviado por

Direitos autorais:

Formatos disponíveis

universidade estadual de maringá

marcos aurelio rodrigues

modelando a volatilidade da taxa de câmbio

modelando a volatilidade da taxa de câmbio

Dissertação submetida ao Programa de Pós-

Orientador: Prof. Dr. Alexandre Florindo

1. Razão ótima de hedge. 2. Efetividade de

CDD 22. ed. 332.64524

modelando a volatilidade da taxa de câmbio

Dissertação apresentada como requisito parcial

Aprovada em 23 de agosto de 2010

Prof. Dr. Alexandre Florindo Alves

Prof. Dr. José Luiz Parré

Prof. Dr. Edinaldo Tebaldi

2.1 Relação entre os preços à vista e futuros no tempo . . . . . . . . . . . . . . 17

2.2 Comportamento das razões de hedge estáticas e dinâmicas . . . . . . . . . 19

4.1 Razões de hedge - modelo BEKK escalar . . . . . . . . . . . . . . . . . . . 55

4.2 Razões de hedge - modelo BEKK diagonal . . . . . . . . . . . . . . . . . . 55

4.3 Razões de hedge - modelo DCC . . . . . . . . . . . . . . . . . . . . . . . . 56

2.1 Compêndio da literatura sobre hedge no Brasil . . . . . . . . . . . . . . . . 39

4.1 Estatísticas descritivas, testes de normalidade, autocorrelação e efeitos ARCH 49

4.2 Testes de raiz unitária e cointegração . . . . . . . . . . . . . . . . . . . . . 50

4.3 Testes de correlação condicional constante . . . . . . . . . . . . . . . . . . 51

4.4 Parâmetros estimados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

4.5 Efetividade do hedge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

2 Efetividade e razão ótima de hedge: um survey 16

2.1 A mensuração da razão ótima de hedge na literatura internacional . . . . . 20

2.2 O empirismo brasileiro sobre efetividade e razão ótima de hedge . . . . . . 24

2.2.1 Estudos empíricos brasileiros com base em Ederington (1979) . . . . 24

2.2.2 Estudos empíricos brasileiros com base em Myers e Thompson (1989) 27

2.2.3 Estudos empíricos brasileiros com razões de hedge dinâmicas . . . . 32

2.2.4 Ponderações a respeito dos ensaios brasileiros . . . . . . . . . . . . 37

3 Metodologia à mensuração do hedge dinâmico cambial BRL/USD 40

3.1 Definições dos modelos multivariados GARCH . . . . . . . . . . . . . . . . 41

3.2 Alvo na variância . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.3 Estimações dos modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

3.4 Testes de correlação condicional constante . . . . . . . . . . . . . . . . . . 46

4.1 A base de dados em análise . . . . . . . . . . . . . . . . . . . . . . . . . . 48

4.2 Estimativas dos modelos multivariados GARCH . . . . . . . . . . . . . . . 52

4.3 Razões e efetividade do hedge . . . . . . . . . . . . . . . . . . . . . . . . . 54

É evidente o interesse dos acadêmicos e profissionais de finanças em estudar a

Inclina-se a problemática deste estudo a deslindar a efetividade do hedge cambial,

As operações de entrada e saída de moeda estrangeira por importadores, expor-

Com o intuito de verificar as características das empresas que auferem proveito

De acordo com a pesquisa de Saito e Schiozer (2007), os gestores brasileiros utili-

2009). Portanto, a má gestão do risco reforça a importância de estudar as razões e efeti-

Para que sejam bem sucedidas as operações de hedge, torna-se necessário o

A maioria dos trabalhos realizados no Brasil derivou das propostas de hedge

Os estudos na área seguiram, com certa defasagem, a evolução das metodologias

Entretanto, não basta saber a proporção a ser operacionalizada no mercado fu-

O objetivo primário deste estudo foi identificar um procedimento apropriado que

a) Realizar teste de cointegração às séries à vista e futura cambiais BRL/USD, que

b) Examinar se a estrutura condicional das correlações entre os retornos dessas séries

c) As especificações da matriz de covariância Ht diferem dos demais estudos cor-

d) Mensurar a redução do risco auferida às estratégias de hedge formuladas por

2 Efetividade e razão ótima de

O contrato futuro é um compromisso estabelecido em uma bolsa organizada, en-

A proteção proporcionada está relacionada à hipótese de variações similares entre

B (t, T ) = s (t) − f (t, T ) , (2.1)

onde B é a “base”, t o período inicial, T o período final, s o preço à vista e f o preço

futuro. De acordo com Alexander (2008), o comportamento da “base” sofre influência de

a) dias restantes para o vencimento do contrato futuro – não representam risco,

b) taxas de juros, custo de carregamento e retorno – apresentam risco menor sobre

st = α0s + α1s (St−1 − δFt−1 ) + st