Análise dinâmica de volatilidade para os setores do mercado acionário brasileiro: uma aplicação do modelo MRS-GARCH

Autores

DOI:

https://doi.org/10.18593/race.20975

Palavras-chave:

Índices setoriais, Mercado brasileiro, Volatilidade, Regimes de volatilidade

Resumo

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

Não há dados estatísticos.

Biografia do Autor

Paulo Sérgio Ceretta, Universidade Federal de Santa Maria

Professor Associado do Centro de Ciências Administrativas - UFSM

Doutor em Engenharia da Produção - UFSC

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

Downloads

Publicado

29-04-2022

Como Citar

Conte, B. P., & Ceretta, P. S. (2022). Análise dinâmica de volatilidade para os setores do mercado acionário brasileiro: uma aplicação do modelo MRS-GARCH. RACE - Revista De Administração, Contabilidade E Economia, 21(1), 101–120. https://doi.org/10.18593/race.20975