Análise de contágio a partir do modelo de correlação condicional constante com mudança de regime Markoviana

Nas últimas décadas, a análise dos padrões de propagação internacional de eventos financeiros se tornou o tema de grande parte dos estudos acadêmicos focados em modelos de volatilidade multivariados. Diante deste contexto, objetivo central do presente estudo é avaliar o fenômeno de contágio financeiro entre retornos de índices de Bolsas de Valores de diferentes países a partir de uma abordagem econométrica, apresentada originalmente em Pelletier (2006), sobre a denominação de Regime Switching Dynamic Correlation (RSDC). Tal metodologia envolve a combinação do Modelo de Correlação Condicional Constante (CCC) proposto por Bollerslev (1990) com o Modelo de Mudança de Regime de Markov sugerido por Hamilton e Susmel (1994). Foi feita uma modificação no modelo original RSDC, a introdução do modelo GJR-GARCH formulado em Glosten, Jagannathan e Runkle (1993), na equação das variâncias condicionais individuais das séries para permitir capturar os efeitos assimétricos na volatilidade. A base de dados foi construída com as séries diárias de fechamento dos índices das Bolsas de Valores dos Estados Unidos (SP500), Reino Unido (FTSE100), Brasil (IBOVESPA) e Coréia do Sul (KOSPI) para o período de 02/01/2003 até 20/09/2012. Ao longo do trabalho a metodologia utilizada foi confrontada com outras mais difundidos na literatura, e o modelo RSDC com dois regimes foi definido como o mais apropriado para a amostra selecionada. O conjunto de resultados encontrados fornecem evidências a favor da existência de contágio financeiro entre os mercados dos quatro países considerando a definição de contágio financeiro do Banco Mundial denominada de “muito restritiva”. Tal conclusão deve ser avaliada com cautela considerando a extensa diversidade de definições de contágio existentes na literatura.

Analysis of contagion from the constant conditional correlation model with Markov regime switching

Over the last decades, the analysis of the transmissions of international nancial events has become the subject of many academic studies focused on multivariate volatility models volatility. The goal of this study is to evaluate the nancial contagion between stock market returns. The econometric approach employed was originally presented by Pelletier (2006), named Regime Switching Dynamic Correlation (RSDC). This methodology involves the combination of Constant Conditional Correlation Model (CCC) proposed by Bollerslev (1990) with Markov Regime Switching Model suggested by Hamilton and Susmel (1994). A modi cation was made in the original RSDC model, the introduction of the GJR-GARCH model formulated in Glosten, Jagannathan e Runkle (1993), on the equation of the conditional univariate variances to allow asymmetric e ects in volatility be captured. The database was built with the series of daily closing stock market indices in the United States (SP500), United Kingdom (FTSE100), Brazil (IBOVESPA) and South Korea (KOSPI) for the period from 02/01/2003 to 09/20/2012. Throughout the work the methodology was compared with others most widespread in the literature, and the model RSDC with two regimes was de ned as the most appropriate for the selected sample. The set of results provide evidence for the existence of nancial contagion between markets of the four countries considering the de nition of nancial contagion from the World Bank called very restrictive. Such a conclusion should be evaluated carefully considering the wide diversity of de nitions of contagion in the literature.

O impacto das intervenções do Banco Central Brasileiro no mercado cambial: uma análise de efetividade sobre a volatilidade

Desde a adoção do sistema de câmbio flutuante pelo Banco Central do Brasil, tanto a autoridade monetária quanto o governo brasileiro têm instituído medidas convencionais e não convencionais de intervenção no mercado de câmbio. Dentre essas medidas, salientam-se as compras e vendas de dólares no mercado de spot e derivativos, cujas finalidades precípuas seriam a tentativa de estabilizar os mercados em situação de “stress” e suavizar uma determinada tendência de valorização ou desvalorização da moeda brasileira. O presente trabalho analisa os efeitos de referidas intervenções sobre a volatilidade na moeda brasileira. Utilizamos modelos econométricos da família ARCH (Autoregressive Conditional Heteroskedasticity) com o intuito de se averiguar o efeito sobre a volatilidade de curto e longo prazo, inclusive com metodologias semelhantes às empregadas em trabalhos direcionados a outras economias emergentes. Com o propósito de se estudar o efeito sinalizador das intervenções, foram utilizadas regressões simples com dados de volatilidade implícita e risk reversal do mercado de opções do dólar/real. Concluiu-se pela não relevância dos efeitos das intervenções sobre o nível da taxa de câmbio. No que concerne às volatilidades de curto e longo prazo, verificou-se que as vendas de dólares aumentam ambas as volatilidades, porém, quanto às compras, estas não apresentaram significância. No que se refere aos efeitos sinalizadores, via volatilidade implícita e risk reversal, estes também não expuseram relevância. Enfim, o que talvez possa consistir em fundamento para a não relevância dessas intervenções é o fato de o Brasil se consubstanciar em uma economia emergente e com menor credibilidade na condução de suas políticas monetárias.

Velocidade da moeda, inflação e ciclos de negócios no Brasil, 1900-2013

A presente tese é composta por três ensaios. O primeiro ensaio estuda os ciclos de negócios brasileiro no período dos anos 1900 até 2012. Uma série trimestral do PIB real é elaborada, utilizando um modelo estrutural de séries de tempo. A partir disso, um modelo com mudança Markoviana é proposto para que seja construída uma cronologia de ciclo de negócios. O modelo selecionado possui dois regimes distintos, cenários de expansão e de recessão, a datação obtida é comparada com outros estudos sobre o tema e são propostas caracterizações das fases de crescimento que podem apoiar estudos sobre a história econômica do Brasil. O segundo ensaio estuda o comportamento da velocidade da moeda no ciclo de negócios brasileiro de 1900 até 2013. Os resultados a partir das estimativas dos modelos de séries temporais, MS e GARCH, são utilizados para suportar esse estudo. Em termos gerais a velocidade da moeda no Brasil apresentou queda até a segunda Guerra Mundial, cresceu até meados dos anos 1990 e a partir disso segue em tendência de queda. A experiência inflacionária brasileira é capítulo importante de nossa história econômica. O objetivo do terceiro ensaio é estudar a volatilidade da inflação brasileira ao longo do tempo no período de 1939 até 2013, buscando descrever sua relação com a taxa de inflação, adotando como referência uma datação de ciclos de negócios. Para realizar essa descrição serão utilizados os resultados obtidos nas estimações de modelos econométricos das classes GARCH, BSM e MS. No caso brasileiro a indicação é que a taxa de inflação impacta positivamente sua volatilidade.

Forecasting daily volatility using high frequency financial data

Aiming at empirical findings, this work focuses on applying the HEAVY model for daily volatility with financial data from the Brazilian market. Quite similar to GARCH, this model seeks to harness high frequency data in order to achieve its objectives. Four variations of it were then implemented and their fit compared to GARCH equivalents, using metrics present in the literature. Results suggest that, in such a market, HEAVY does seem to specify daily volatility better, but not necessarily produces better predictions for it, what is, normally, the ultimate goal. The dataset used in this work consists of intraday trades of U.S. Dollar and Ibovespa future contracts from BM&FBovespa.

Caracterização dos retornos e das volatilidades de ativos financeiros do mercado Brasileiro : uma abordagem baseada na volatilidade realizada

The goal of this paper is twofold. First, using five of the most actively traded stocks in the Brazilian financial market, this paper shows that the normality assumption commonly used in the risk management area to describe the distributions of returns standardized by volatilities is not compatible with volatilities estimated by EWMA or GARCH models. In sharp contrast, when the information contained in high frequency data is used to construct the realized volatilies measures, we attain the normality of the standardized returns, giving promise of improvements in Value at Risk statistics. We also describe the distributions of volatilities of the Brazilian stocks, showing that the distributions of volatilities are nearly lognormal. Second, we estimate a simple linear model to the log of realized volatilities that differs from the ones in other studies. The main difference is that we do not find evidence of long memory. The estimated model is compared with commonly used alternatives in an out-of-sample experiment.

Reality check for volatility models

Asset allocation decisions and value at risk calculations rely strongly on volatility estimates. Volatility measures such as rolling window, EWMA, GARCH and stochastic volatility are used in practice. GARCH and EWMA type models that incorporate the dynamic structure of volatility and are capable of forecasting future behavior of risk should perform better than constant, rolling window volatility models. For the same asset the model that is the ‘best’ according to some criterion can change from period to period. We use the reality check test∗ to verify if one model out-performs others over a class of re-sampled time-series data. The test is based on re-sampling the data using stationary bootstrapping. For each re-sample we check the ‘best’ model according to two criteria and analyze the distribution of the performance statistics. We compare constant volatility, EWMA and GARCH models using a quadratic utility function and a risk management measurement as comparison criteria. No model consistently out-performs the benchmark.

Dinamicity and unpredictability of emerging markets: an implementation of Goetzamnn and Jorion (1999)

This research is to be considered as an implementation of Goetzmann and Jorion (1999). In order to provide a more realistic scenario, we have implemented a Garch (1,1) approach for the residuals of returns and a multifactor model thus to better replicate the systematic risk of a market. The new simulations reveal some new aspects of emerging markets’ expected returns: the unpredictability of the emerging markets’ returns with the global factor does not depend on the year of emergence and that the unsystematic risk explains the returns of emerging markets for a much larger period of time. The results also reveal the high impact of Exchange rate, Commodities index and of the Global factor in emerging markets’ expected return.

Impacto de eventos climáticos extremos sobre o preço de ações de indústrias de interesse nacional

A ocorrência de eventos climáticos extremos, tais como aumento da temperatura, furacões, enchentes e secas, tem sido cada vez mais frequente ao redor do mundo. A literatura de finanças tem documentado esforços dirigidos à avaliação de impactos econômicos oriundos das variações climáticas, com consequências significantes na economia mundial. Entretanto, especialmente no Brasil, um dos principais mercados emergentes, pouco tem sido pesquisado, sobretudo com vistas à avaliação dos impactos de eventos climáticos no nível das empresas. Sendo assim, esta tese analisa, de forma inédita, o impacto de eventos climáticos sobre o valor de empresas pertencentes a duas indústrias de elevado interesse nacional, sob a forma de dois ensaios. Em primeiro lugar analisa-se o impacto de chuvas extremas sobre o preço de ações do setor de alimentos brasileiro. Para tanto, é conduzida a pesquisa empregando dados diários do preço de ações de seis empresas dessa indústria. A partir da localização da principal região de atuação dessas empresas, são considerados os respectivos dados diários referentes às chuvas extremas. Com o emprego da metodologia híbrida ARMA-GARCH-GPD, constatou-se que, nas empresas avaliadas, as chuvas extremas impactaram significantemente em mais da metade dos 198 dias de chuvas extremas ocorridos entre 28/02/2005 e 30/12/2014, acarretando perdas médias diárias ao redor de 1,97% no dia posterior a chuva extrema. Em termos de valor de mercado, isso representa perda média total ao redor de US$682,15 mi em um único dia. Em segundo lugar avalia-se o impacto de variáveis climáticas e localização sobre o valor das empresas do setor de energia do Brasil, a partir de dados referentes às empresas do setor elétrico brasileiro, bem como precipitação pluviométrica, temperatura e localização geográfica das empresas. A partir da análise de dados em painel estático e painel espacial, os resultados sugerem que temperatura e precipitação pluviométrica têm efeito significante sobre o valor dessas empresas. O presente estudo pode vir a contribuir no processo de estruturação e criação de um mercado de derivativos climáticos no Brasil.

An evolving possibilistic fuzzy modeling approach for value-at-risk estimation

Market risk exposure plays a key role for nancial institutions risk management. A possible measure for this exposure is to evaluate losses likely to incurwhen the price of the portfolio's assets declines using Value-at-Risk (VaR) estimates, one of the most prominent measure of nancial downside market risk. This paper suggests an evolving possibilistic fuzzy modeling approach for VaR estimation. The approach is based on an extension of the possibilistic fuzzy c-means clustering and functional fuzzy rule-based modeling, which employs memberships and typicalities to update clusters and creates new clusters based on a statistical control distance-based criteria. ePFM also uses an utility measure to evaluate the quality of the current cluster structure. Computational experiments consider data of the main global equity market indexes of United States, London, Germany, Spain and Brazil from January 2000 to December 2012 for VaR estimation using ePFM, traditional VaR benchmarks such as Historical Simulation, GARCH, EWMA, and Extreme Value Theory and state of the art evolving approaches. The results show that ePFM is a potential candidate for VaR modeling, with better performance than alternative approaches.

Impacto de chuvas extremas em ações da indústria de alimentos

A análise dos efeitos decorrentes de chuvas extremas sobre o retorno das ações de algumas das principais empresas do setor alimentício brasileiro é de fundamental relevância, por ser um setor com capacidade expressiva para impulsionar o crescimento econômico do Brasil. Diante disso, neste trabalho é analisado o impacto sobre o retorno financeiro diário de seus empresas do setor alimentício brasileiro decorrente de precipitação pluviométrica extrema. Para tal, os retornos diários foram ajustados pelo modelo AR(1)-GARCH(1,1), onde suas inovações foram modeladas pela Teoria dos Valores Extremos. A partir daí o valor em risco (VaR) foi estimado para analisar o impacto das chuvas extremas sobre as ações em estudo. Os resultados encontrados indicam que, em cinco das seis empresas analisadas, pelo menos mais da metade dos impactos pluviométricos extremos apresentaram-se significantes.

Options listing and the volatility of the underlying asset: a study on the derivative market function

Os mercados de derivativos são vistos com muita desconfiança por inúmeras pessoas. O trabalho analisa o efeito da introdução de opções sobre ações no mercado brasileiro buscando identificar uma outra justificativa para a existência destes mercados: a alteração no nível de risco dos ativos objetos destas opções. A evidência empírica encontrada neste mercado está de acordo com os resultados obtidos em outros mercados - a introdução de opções é benéfica para o investidor posto que reduz a volatilidade do ativo objeto. Existe também uma tênue indicação de que a volatilidade se torna mais estocástica com a introdução das opções.