Escolar Documentos
Profissional Documentos
Cultura Documentos
Maringá
2010
marcos aurelio rodrigues
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.
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
1 Introdução 12
4 Resultados e discussões 48
5 Considerações finais 58
Referências 59
12
1 Introdução
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.
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.
1
Custos relacionados a problemas/dificuldades financeiras.
14
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
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,
onde γ denota o grau de aversão ao risco (γ > 0). O hedger escolherá o valor de h a
maximizar sua utilidade esperada,
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)
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
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
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.
∆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.
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)
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
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.
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).
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).
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.
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%.
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.
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.
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.
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 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.
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.
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.
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.
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.
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.
logaritmo.
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.
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.
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.
3 Metodologia à mensuração do
hedge dinâmico cambial
BRL/USD
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.
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
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
p p −1 p p −1
Rt = diag Q11,t , . . . , QN N,t Qt diag Q11,t , . . . , QN N,t (3.13)
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.
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
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:
Dessa forma, encontra-se a solução para θ̂1 = argmax LV (θ1 ), e então, subsequentemente,
θ̂2 = argmax LC θ̂1 , θ2 .
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)
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)
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.
futuro Ft
Ft = log f˚t − log f˚t−1 = ft − ft−1 , (4.2)
BRL/USD.
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
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.
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
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
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
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
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
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
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
5 Considerações finais
Referências
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.
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).
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.
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.
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.
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.
PHILLIPS, P. C. B.; PERRON, P. Testing for a unit root in time series regression.
Biometrika, v. 75, n. 2, p. 335–346, 1988.
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.
STEIN, J. L. The simultaneous determination of spot and futures prices. The American
Economic Review, v. 51, n. 5, p. 1012–1025, 1961.
TSAY, R. S. Analysis of financial time series. 2. ed. New Jersey: John Wiley & Sons,
2005.
65
WORKING, H. Futures trading and hedging. The American Economic Review, v. 43,
n. 3, p. 314–343, 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.