Modelos de volatilidade aplicados a séries financeiras

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Betiol, Maria Lúcia Petri
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.repositorio.insper.edu.br/handle/11224/2442
Resumo: Os ativos financeiros são conhecidos por fazerem parte do portfólio de investimentos de pessoas físicas e jurídicas, com o objetivo de maximizarem seus investimentos através da valorização (aumento do preço) desses ativos. Por isso, a modelagem do comportamento do ativo financeiro é um desenvolvimento importante para auxiliar a tomada de decisão de investimento. Os retornos dos preços desses ativos tendem a oscilar ao redor de uma média, mas com variações que podem mudar de intensidade em alguns períodos e que são condicionais aos valores passados. Os modelos estatísticos desenvolvidos para se ajustarem aos dados são modelos que consideram a heterocedasticidade condicional das variações dos retornos, como os conhecidos ARCH(1), GARCH(1,1) e Modelos de Volatilidade Estocástica (MVE). No artigo de Achcar, Barossi-Filho, Souza (2008) - Modelos de Volatilidade Estocástica em Séries Financeiras: Uma Aplicação para o Ibovespa - os autores avaliarem o ajuste dos modelos GARCH(1,1) e MVE à série do Ibovespa (jul/1994 até fev/2008) e concluíram que o MVE teve o melhor desempenho. Com o objetivo de analisar o comportamento dos três modelos com dados mais recentes, este trabalho utilizou retornos diários de 17 anos (2000 até 2017) do Ibovespa, Bradesco, Sabesp e Petrobrás. Os resíduos mostram que o modelo ARCH(1) não se adequa aos dados, enquanto que os demais modelos se adequam e capturam os períodos de mudança de volatilidade de cada série, mas com intensidades menores. O modelo MVE com inovações normais se ajustou melhor aos dados para as séries do Ibovespa, Sabesp e Petrobrás, enquanto que para a série do Bradesco, os modelos GARCH(1,1) e MVE se ajustaram melhor dependendo do período.