ANÁLISE DA VOLATILIDADE DAS AÇÕES DO BANCO DO BRASIL ENTRE 2012 E 2023. UMA APLICAÇÃO DOS MODELOS ARCH E GARCH
Palavras-chave:
Volatilidade, Séries temporais, Modelos ARCH e GARCH, Banco do Brasil, Retornos das acçõesResumo
A necessidade de entender a volatilidade tornou-se mais urgente com a evolução da economia moderna. O grau de incerteza e os riscos endógenos e exógenos ao mercado, sobretudo financeiro, demandavam que as análises se debruçassem também sobre a heterocedasticidade condicional dos indicadores. Neste artigo estamos interessados em analisar as séries temporais financeiras, ou seja, séries dos retornos das ações do Banco do Brasil entre janeiro de 2012 e fevereiro de 2023 utilizando os modelos ARCH e GARCH. Os modelos ARCH (4) e GARCH (1,1) estimados captaram melhor a volatilidade com resíduos t-Student, diferente da normal e podem ser usados prever a volatilidade, mas como a volatilidade não é diretamente observada, porém pode ser trabalhada com modelos heterocedásticos e o GARCH (1,1) mostrou-se ser o melhor, tanto pelo AIC e BIC, assim como pelo critério parcimonioso, flexibilidade e um melhor ajuste aos dados, proporcionando desse modo uma melhor previsão da volatilidade das ações do Banco do Brasil.
Downloads
Referências
BOLLERSLEV, T., 1996, Generalize Autoregressive Condicional Heterocedasticity, Journal of Econometrics;
BOX, G. E. P. & JENKINS, G. M., 1976, Time Series Analysis: Forecasting and Control. Holden-Day, San Francisco;
BUENO, R. L DA S., 2011, Econometria de Séries Temporais. São Paulo: Cengage Learning;
ENGLE, R. F., 1982, Autoregressive Condicional Heterocedasticity with Estimates of the Variance of U.K. Inflation, Econometrica;
ISHIZAWA, D. K., 2008, Modelos de Volatilidade Estatística. Dissertação (Mestrado) Universidade Federal de São Carlos: UFSCar;
LITTELL, R. C et al., 2002, SAS System for Mixed Models. Cary: Statistical Analysis System Institute;
MORAIS, I. A. C. and PORTUGAL, M. S., 1999, Modelagem e Previsão de Volatilidade Determinística e Estocástica para a Série do IBOVESPA, Estistica Economica;
MORETTIN, P. A., 2006, Econometria Financeira. Um Curso em Séries Temporais Financeiras, Departamento de Estatística do Instituto de Matemática e Estatística da Universidade de São Paulo;
MORETTIN, P. A.; TOLOI, C. M. C., 2006, Análise de séries temporais. Edgard Blücher, São Paulo;
Relatório da Suno Drops sobre BBAS3. Atualizado em 09.0.9.2020- Disponível em www.sunoresearch.com.br;
SILVA, C. A. G. da. A Volatilidade e assimetria dos preços das ações Banco do Brasil: Uma abordagem do modelo APARCH / The volatility and Asymmetry Bank of Brazil stock prices: An approach to the APARCH model. Brazilian Journal of Business, [S. l.], v. 2, n. 3, p. 2668–2683, 2020. DOI: 10.34140/bjbv2n3-055. Disponível em: https://ojs.brazilianjournals.com.br/ojs/index.php/BJB/article/view/15408;
THOMAZ, Paulo Siga; MATTOS, Viviane Leite Dias de; NAKAMURA, Luiz Ricardo; KONRATH, Andréa Cristina; NUNES, Gérson dos Santos. Modelos GARCH em ações financeiras: um estudo de caso. Exacta, [S. l.], v. 18, n. 3, p. 626–648, 2020. DOI: 10.5585/exactaep. v18n3.10921. Disponível em: https://periodicos.uninove.br/exacta/article/view/10921;
TSAY, R. S. (2002). Analysis of Financial Time Series: Financial Econometrics. Wiley, Nova Iorque;
YIP, H., FAN, H., & CHAING, Y (2013). Predicting the maintenance cost of construction equipment: Comparison between general regression neural network and Box-Jenkins time series models. Automation in Construction, 38:30-38.
Económia e Gestão: Dissertação de Mestrado. (2014).
TEIXEIRA, Oney., Wunderlich, & Santos, Ferry. Vantagens e Desvantagens da Implantação da Disciplina Educação Financeira nas Escolas de Ensino Médio na Cidade de Pinhais. Cidade de Pinhais: PR Pinha/PR. (2010)
