Taxas de câmbio: modelação ARMA-GARCH

• Main Author: Maganlal, Michal Hasmuklal
• Publication Date: 2019
• Format: Master thesis
• Language: por
• Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
• Download full: http://hdl.handle.net/10071/19217
• topic: Volatilidade; Taxas de câmbio; ARMA-GARCH; Taxas de rendibilidade; Volatility; Exchange rates; ARMA-GARCH; Returns

As taxas de câmbio desempenham um papel importante no panorama económico, financeiro e comercial a nível mundial, tornando-se por isso interessante avaliar e prever as suas oscilações. Com base nas cotações diárias de três pares cambiais, o EUR/USD, o GBP/USD e o GBP/EUR, foram estudados, na presente dissertação, os modelos que melhor se ajustavam às séries temporais das taxas de rendibilidade dos referidos câmbios e averiguou-se quais seriam os que apresentavam melhor capacidade preditiva no que diz respeito à volatilidade, utilizando como proxy da volatilidade o quadrado das rendibilidades. O estudo e a previsão da volatilidade foram feitos com base numa combinação de modelos ARMA (Autoregressive Moving Average) e GARCH ("Generalized Autoregressive Conditional Heteroskedasticity"). Esta combinação é justificada pelo facto de os modelos ARMA não serem capazes de modelar a variação da variância ao longo do tempo no caso das séries financeiras. No presente estudo foram também avaliadas duas variantes do modelo GARCH: o EGARCH e o GJR-GARCH. A previsão da volatilidade foi realizada de duas formas: estática e dinâmica. A previsão dinâmica foi realizada com "rolling" e "expanding windows". No decorrer do estudo empírico foram verificados vários factos estilizados comuns das séries financeiras, tais como a não estacionaridade das séries temporais financeiras e a existência de "clustering" de volatilidade, entre outros. Os resultados obtidos mostram, neste caso, que o modelo que melhor se ajusta às séries temporais é aquele que tem maior poder de previsão. Por fim, recorrendo às funções de erro foram comparadas as previsões feitas pelos vários modelos.