Modelos GARCH em ações financeiras: um estudo de caso

Paulo Siga Thomaz, Viviane Leite Dias de Mattos, Luiz Ricardo Nakamura, Andréa Cristina Konrath, Gérson dos Santos Nunes

Resumo


Este artigo tem por objetivo detalhar o protocolo de aplicação e avaliação dos modelos autorregressivos de heteroscedasticidade condicional generalizados (GARCH), com ênfase em especificar adequadamente a distribuição de probabilidade para os resíduos e o critério de avaliação da previsão. Com este intuito, aplicam-se modelos GARCH com distribuição normal e t de Student na modelagem da volatilidade da série de retornos das ações ABEV3. O melhor modelo seguindo a distribuição normal e o melhor seguindo a distribuição t de Student são executados para a previsão, em que os resultados são comparados com a volatilidade realizada, calculada a partir de retornos intradiários, e com os retornos absolutos. Os resultados evidenciam que o modelo GARCH(1,1) seguindo a distribuição t de Student possui a melhor performance, tanto no ajuste como na previsão. Além disso, os modelos possuem resultados significativamente melhores quando avaliados pelo critério da volatilidade realizada.


Palavras-chave


ABEV3; Heteroscedasticidade condicional; Séries financeiras; Volatilidade.

Texto completo:

PDF

Referências


Akaike, H. (1973). Information Theory and an Extension of the Maximum Likelihood Principle. 2ndProceedings of the International Symposium on Information Theory, Budapeste, Hungria, 267-281, 2.

Alexandrino, F.Q.L., Santos dos, R.A.B. dos, Angulo-Meza, L., & Bordeaux-Rego, R. (2017). Utilização da análise envoltória de dados (DEA) na composição de carteira de investimento diversificada e eficiente. Revista Produção Online, 17(2), 507-532.

Andersen, T.G., & Bollerslev, T. (1998). Answering the skeptics: Yes, standard volatility models do provide accurate forecasts. International Economic Review, 39, 885-905.

Angélico, D.G., & Oliveira de, S.C. (2016). Modelo ARMA-GARCH e precedência temporal entre índices acionários. GEPROS. Gestão da Produção, Operações e Sistemas, 11(1), 97-112.

Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of Political Economy, 81, 635-654.

Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedascitcity. Journal of Econometrics, 31, 307-372.

Box, G.E.P., & Jenkins, G. (1970). Time Series Analysis, Forecasting and Control. San Francisco: Holden-Day, San Francisco.

Coelho, L. S. dos, Santos, A. A. P., & Costa, N.C.A. (2008). Podemos prever a taxa de cambiocâmbio brasileira? Evidência empírica utilizando inteligência computacional e modelos econométricos. Gestão & Produção, 15(3), 635-647.

Cumby, R., Figlewski, S., & Hasbrouck, J. (1993). Forecasting volatility and correlations with EGARCH Models. Journal of Derivatives, 1(2), 51-63.

Dickey, D.A., & Fuller, W.A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 49, 1057-1073.

Diebold, F.X., & Mariano, R.S. (1995). Comparing predictive accuracy. Journal of Business and Economic Statistics, 13, 253-263.

Engle, R.F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflations. Econometrica, 50, 987-1007.

Engle, R.F., & Patton, J.A. (2001). What good is a volatility model? Quantitative Finance, 1, 237-245, 2001.

Fernandez, C., & Stell, M. (1998). On Bayesian modelling of fat tails and skewness. Journal of the American Statistical Association, 93, 359-371.

Garman, M.B., & Klass, M.J. (1980). On the estimation of security price volatility from historical data. Journal of Business, 535, :67-78.

INFOMONEY. (2018). Histórico de cotações. Recuperado em 03 julho, 2018, de https://www.infomoney.com.br/mercados/ferramentas/historico-de-cotacoes.

Jarque, C.M., & Bera, A. K. (1987). A Test for Normality of Observations and Regression Residuals. International Statistical Review, 55(2), 163-172.

Jiang, W., Ruan, Q., Li, J., & Li, Y. (2018). Modelling returns volatility: realized GARCH incorporating realized risk measure. Physica A: Statistical Mechanics and Its Applications, 500, 249-258.

Jorion, P. (1995). Predicting Volatility in the Foreign Exchange Market. Journal of Finance, 50, 507-528.

Lai, Y.-S. (2018). Evaluating the hedging performance of multivariate GARCH models. Asian Pacific Management Review, 24(1), 1-1086-95.

Lama, A., Jha, G. K., Paulo, R. K., & Gurung, B. (2015). Modelling and Forecasting of Price Volatility: An Application of GARCH and EGARCH models. Agricultural Economics Research Review, 28(1), 73-82.

Lim, C. M., & Sek, S. K. (2013). Comparing the performances of GARCH-type models in capturing the stock market volatility in Malaysia. International Conference of Applied Economics (ICOAE). Procedia Economics and Finance, 5, 478-487.

Ljung, G. M., & Box, G.E.P. (1978). On a Measure of Lack of Fit in Time Series Models. Biometrika, 65(2), 297-303.,

Luo, L., Pairote, S., & Chatpatanasiri, R. (2017). Garch-type forecasting models for volatility of stock market and MCS test. Communications in Statistics – Simulation and Computation, 46(7), 5303-5312.

Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 5, 77-91.

Mhmoud, A. S., & Dawalbait, F. M. (2015). Estimating and forecasting stock market volatility using GARCH Models: Empirical Evidence from Saudi Arabia. International Journal of Engineering Research & Technology, 4(2):464-471.

Mincer, J., & Zarnowitz, V. (1969). The Evaluation of Economic Forecasts. In Mincer, J. (Ed.). Economic Forecasts and Expectations (pp. 3-46). Nova Iorque: National Bureau of Economic Research.

Morettin, P.A. (2011). Econometria Financeira – Um curso em séries temporais financeiras. (2. a Eded.). São Paulo: Blucher.

Nelson, D. B. (1991). Conditional Heteroscedasticity in asset returns. Econometrica, 59, 347-370.

Ng, S., & Perron, P. (2001). Lag Length selection and the construction of unit root tests with good size and power. Econometrica: Journal of the Econometric Society, 6, 1519-1554.

Oliveira, A. M. B. de, & Araújo, A. M. (2018). Investigação sobre persistência na variância e quebras estruturais nas series de preços da manga e uva exportadas da Bahia, Brasil. Exacta-EP, 16(1), 33-42.

Oliveira, M.H.F, & Rebelatto, D.A.N. (2011). Os fundos de investimentos em ações no mercado financeiro brasileiro: os gestores e administradores são capazes de superar o índice BOVESPA? Revista Produção Online, 11(1), 76-95.

R Core Team. (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, AustriaÁustria: R Core Team. Recuperado em 10 abril de 2018, de http://www.R-project.org/.

Reis, D.L.P.E. dos, Mattos, R.S., Perobelli, F.F.C., & Corrêa, W.R. (2013). Options Pricing for Petrobras Share: A Comparison between Realized Volatility and Conditional Heteroskedastic Estimations. In: First International Workshop in Financial Econometrics, Natal, Rio Grande do Norte, BrazilBrasil, 1.

Santos, D. G. dos., & Ziegelmann, F. A. (2012) Estimação e previsão de volatilidade em períodos de crise: um estudo comparando modelos GARCH e modelos aditivos semiparamétricos. Revista Brasileira de Finanças, 10(1):49-70.

Schmidt, C.A.J, & Lima, M. A. M. (2004). A demanda por energia elétrica no Brasil. Revista Brasileira de Economia, 58, 67-98.

Schwarz, G. (1978) Estimating the dimension of a model. The Annals of Statistics, 6(2):461-464.

Simões, M. D., Klotzle, M. C., Pinto, A. C. F., & Levrini, G. (2012). Uma avaliação da volatilidade dos preços da soja no Mercado internacional com dados de alta frequência. Gestão & Produção, 19(1): 219-231.

Tsay, R. S. (2002). Analysis of Financial Time Series: Financial Econometrics. Wiley, Nova Iorque.

Yip, H., Fan, H., & Chaing, Y (2013). Predicting the maintenance cost of construction equipment: Comparison between general regression neural network and Box-Jenkins time series models. Automation in Construction, 38:30-38.




DOI: https://doi.org/10.5585/exactaep.v18n3.10921

Direitos autorais 2020 Revista Exacta – Engenharia de Produção

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição - Não comercial - Compartilhar igual 4.0 Internacional.

Tempo médio entre a submissão e primeira resposta de avaliação: 120 dias

Exacta – Engenharia de Produção

e-ISSN: 1983-9308
ISSN: 1678-5428
www.revistaexacta.org.br

Exacta  ©2020 Todos os direitos reservados.