Análise dinâmica de volatilidade para os setores do mercado acionário brasileiro: uma aplicação do modelo MRS-GARCH
DOI:
https://doi.org/10.18593/race.20975Palavras-chave:
Índices setoriais, Mercado brasileiro, Volatilidade, Regimes de volatilidadeResumo
Nesse artigo, foi proposta uma análise da dinâmica de volatilidade nos setores do mercado acionário brasileiro, fazendo-se assim um estudo nos principais índices setoriais da Brasil, Bolsa, Balcão (B3). Utilizou-se o modelo de regimes de Markov. Como resultados, inicialmente se observou a ausência de efeito alavancagem na maioria dos regimes das séries. Além disso, houve um predomínio de assimetria bem como a persistência de volatilidade para a maior parte dos regimes dos índices. Notou-se também uma grande similaridade entre o mercado brasileiro e o setor Financeiro, sendo ambos com regimes muito próximos, além de possuírem volatilidade com característica de maior persistência após o ano de 2013. Outra similaridade encontrada foi entre o setor de Utilidade Pública e o setor de Energia Elétrica, ambos caracterizados pela grande alternância entre os regimes estimados. Assim, foi possível concluir que cada setor do mercado acionário brasileiro tem um comportamento idiossincrático, sendo que a volatilidade de seus retornos foi captada pelos diferentes regimes estimados, um achado que contribui para as futuras avaliações setoriais do mercado brasileiro
Downloads
Referências
Akaike, H. (1974). A new look at the Statistical Model Identification. IEEE Transactions on Automatic Control, 19(6), 716-723. DOI: https://doi.org/10.1109/TAC.1974.1100705
Alexander, S., Thierry, C., & Kateryna, S. (2009). Volatility Models: from GARCH to Multi-Horizon Cascades. Documents de travail du Centre d’Economie de la Sorbonne, 36, 1-49.
Alizadeh, A. H., Nomikos, N. K., & Pouliasis, P. K. (2008). A Markov regime switching approach for hedging energy commodities. Journal of Banking and Finance, 32, 1970-1983. DOI: https://doi.org/10.1016/j.jbankfin.2007.12.020
Ardia, D., Bluteau, K., Boudt, K., & Catania, L. (2017). Forecasting Risk with Markov-Switching GARCH models: A Large-Scale Performance Study, 4, 733-747 DOI: https://doi.org/10.1016/j.ijforecast.2018.05.004
Baillie, R., Chung, C. F., & Tieslau, M. A. (1996). Analyzing inflation by the fractionally integrated ARFIMA-GARCH model. Journal of applied Econometrics, 11, 23-40. DOI: https://doi.org/10.1002/(SICI)1099-1255(199601)11:1<23::AID-JAE374>3.0.CO;2-M
Barbosa Filho, F. H. (2017). A crise econômica de 2014/2017. Estudos avançados, 31(89), 51-60. DOI: https://doi.org/10.1590/s0103-40142017.31890006
Bessaria, C. N., Nóbrega, W. C. L., Araújo, B. L., Alves, J. N., Almeida, F. F., Monteiro, V. S., & Paula, A. A. (2016). Empirical analysis of the performance, risk and conditional correlation of the brazilian’s sectorial indexes. Revista de Administração, Contabilidade e Economia – RACE, 15(3), 1065-1086. https://doi.org/10.18593/race.v15i3.10343 DOI: https://doi.org/10.18593/race.v15i3.10343
Bohl, M. T., Salm, C. A., & Wilfling, B. (2011). Do individual index futures investors destabilize the underlying spot market? Journal of Futures Markets, 31, 81-101. DOI: https://doi.org/10.1002/fut.20460
Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31, 307-328. DOI: https://doi.org/10.1016/0304-4076(86)90063-1
Brasil, Bolsa, Balcão [B3]. (2018). Índices setoriais. https://www.b3.com.br/pt_br/market-data-e-indices/servicos-de-dados/market-data/cotacoes/indices.htm
Cai, J. (1994). A Markov model of unconditional variance in ARCH. Journal of Business and Economic Statistics, 12, 309-316. DOI: https://doi.org/10.1080/07350015.1994.10524546
Chlebus, M. (2016). EWS-GARCH: New Regime Switching Approach to Forecast Value-at-Risk. Central European Economic Journal, 50(3), 1-23 DOI: https://doi.org/10.1515/ceej-2017-0014
Engle, R. F. (1982). Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50, 987-1007. DOI: https://doi.org/10.2307/1912773
Fernandez, C., & Steel, M. F. J. (1998). On Bayesian modelling of fat tails and skewness. Journal of American Statistical Association, 441(93), 359-371. DOI: https://doi.org/10.1080/01621459.1998.10474117
FGV Projetos. (2014). Perfil da Cadeia Produtiva da Construção e da Indústria de Materiais e Equipamentos, da Abramat. http://www.abramat.org.br/datafiles/publicacoes/materiais-equipamentos2014.pdf
Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between expected value and the volatility of the nominal excess return on stocks. Journal of Finance, 48, 1779-1801. DOI: https://doi.org/10.1111/j.1540-6261.1993.tb05128.x
Günay, S. (2015). Markov Regime Switching Generalized Autorregressive Conditional Heteroskedastic Model and Volatility Modeling for Oil Returns. International Journal of Energy, Economics and Policy, 5(4), 979-985.
Haas, M., Stefan, M., & Marc, S. P. (2004). A new approach to Markov-switching GARCH models. Journal of Financial Econometrics, 2, 493-530. DOI: https://doi.org/10.1093/jjfinec/nbh020
Hall, H. (2014). Political Economy Principles in Europe may be changed by the Economic Crisis Governance. http://speri.dept.shef.ac.uk/wp-content/uploads/2013/06/SPERI_Paper_Hacker.pdf
Hamilton, J. D. (1988). Rational expectations econometric analysis of changes in regime: An investigation of the term structure of interest rates. Journal of Economic Dynamics and Control, 12, 385-423. DOI: https://doi.org/10.1016/0165-1889(88)90047-4
Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57, 357-384. DOI: https://doi.org/10.2307/1912559
Hamilton, J. D., & Susmel, R. (1994). Autoregressive conditional heteroskedasticity and changes in regime. Journal of Econometrics, 64, 307-333. DOI: https://doi.org/10.1016/0304-4076(94)90067-1
Henry, O. T. (2009). Regime switching in the relationship between equity returns and short-term interest rates in the UK. Journal of Banking and Finance, 33, 405-414. DOI: https://doi.org/10.1016/j.jbankfin.2008.08.001
Klaassen, F. (2002). Improving GARCH volatility forecasts with regime-switching GARCH. In Advances in Markov-Switching Models. Empirical Economics, 27, 223-254. DOI: https://doi.org/10.1007/978-3-642-51182-0_10
Kritzman, M., Page, S., & Turkington, D. (2012). Regime shifts: Implications for dynamic strategies. Financial Analysts Journal, 68(3), 22-39. DOI: https://doi.org/10.2469/faj.v68.n3.3
Lélis, M. T. C., Cunha, A. M., & Linck, P. (2019) O choque nos preços das commodities e a economia brasileira nos anos 2000. Brazilian Journal of Political Economy, 39(3) https://doi.org/10.1590/0101-35172019-2968 DOI: https://doi.org/10.1590/0101-35172019-2968
Lopes, L. S., & Soares, T. C. (2018). Regimes Inflacionários e Ciclos Econômicos: A Experiência Brasileira Pós-Plano Real. Revista Brasileira de Economia, 72(4) https://doi.org/10.5935/0034-7140.20180020 DOI: https://doi.org/10.5935/0034-7140.20180020
Marcucci, J. (2005). Forecasting stock market volatility with regime-switching GARCH models. Studies in Nonlinear Dynamics & Econometrics, 9, 1558-3708. DOI: https://doi.org/10.2202/1558-3708.1145
Mwamba, M., Weirstrass, J., & Mwambi, S. M. (2021). Assessing Market Risk in BRICS and Oil Markets: An Application of Markov Switching and Vine Copula. International Journal of Financial Studies, 9, 30. https:// doi.org/10.3390/ijfs9020030 DOI: https://doi.org/10.3390/ijfs9020030
Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: a new approach. Econometrica, 59, 347-370. DOI: https://doi.org/10.2307/2938260
Oliveira, F. A., Nobrega, W. C. L., & Maia, S. F. (2022). Reação fiscal, rigidez orçamentária e a sustentabilidade da dívida pública no Brasil: uma abordagem por meio de MS-VECM. Estudos Econômicos, 52, 1. https://doi.org/10.1590/1980-53575214fws DOI: https://doi.org/10.1590/1980-53575214fws
Pereira, A. P., Palmuti, C., Júnior, P. S. P., Silva, S. W., & Alves, A. P. (2017). A influência dos índices setoriais da bolsa de valores sobre o índice IBOVESPA: uma análise estatística-econométrica no período 2015 e 2016. Trabalho apresentado em XX Seminários em Administração, São Paulo, Brasil: SEMEAD.
Reher, G., & Wilfing, B. (2011). Markov-Switching GARCH models in finance: a unifying framework with an application to the German stock market. [Masters dissertation, University of Münister, WWU, Germany].
Schwartz, G. (1976). Estimating the Dimension of a Model. The Annals of Statistics, 6(2), 461-464. DOI: https://doi.org/10.1214/aos/1176344136
Wennström, A. (2014). Volatility Forecasting Performance of GARCH type volatility models on Nordic equity indexes. [Mestrado em Ciências, Departamento de Matemática, Royal Instituto de Tecnologia, KTH, Estocolmo, Suécia].
Zakoian, J. M. (1994). Threshold heteroscedastic models. Journal of Economic Dynamics and Control, 18, 931-955. DOI: https://doi.org/10.1016/0165-1889(94)90039-6
Zhang, Y., Yao, T., & He, L. (2015). Forecasting crude oil market volatility: can the Regime Switching GARCH model beat the single-regime GARCH models? https://www.researchgate.net/publication/286301906_Forecasting_crude_oil_market_volatility_can_the_Regime_Switching_GARCH_model_beat_the_singleregime_GARCH_models
Zhang, Y., & Wang, J. (2015). Exploring the WTI crude oil price bubble process using the Markov regime switching model. Physica A: Statistical Mechanics and its Applications, 421, 377-387. DOI: https://doi.org/10.1016/j.physa.2014.11.051
Zhang, Y., & Zhang, L. (2015). Interpreting the crude oil price movements: evidence from the Markov regime switching model. Applied Energy, 143, 96-109. DOI: https://doi.org/10.1016/j.apenergy.2015.01.005
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Bruno Pereira Conte, Paulo Sérgio Ceretta
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Autores mantêm os direitos autorais e concedem ao periódico o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons - Atribuição-NãoComercial 4.0 Internacional, que permite o compartilhamento do trabalho com reconhecimento de autoria e publicação inicial neste periódico.