Análisis de la Volatilidad de las Acciones del Banco do Brasil entre 2012 y 2023. Una aplicación de los modelos ARCH y GARCH
Palabras clave:
Volatilidad, Series temporales, Modelos ARCH y GARCH, Banco do Brasil, Rentabilidad de las accionesResumen
La necesidad de comprender la volatilidad se ha hecho más urgente con la evolución de la economía moderna. El grado de incertidumbre y los riesgos endógenos y exógenos para el mercado, especialmente el financiero, exigieron que los análisis también consideraran la heteroscedasticidad condicional de los indicadores. En este artículo estamos interesados en analizar series temporales financieras, es decir, series de rendimientos de las acciones del Banco do Brasil entre enero de 2012 y febrero de 2023 utilizando modelos ARCH y GARCH. Los modelos ARCH (4) y GARCH (1,1) estimados capturaron mejor la volatilidad con residuos t-Student, que es diferente de la normal y se puede utilizar para predecir la volatilidad, pero como la volatilidad no se observa directamente, se puede trabajar con modelos heteroscedásticos y GARCH (1,1) resultó ser el mejor, tanto por AIC y BIC, como por el criterio de parsimonia, flexibilidad y un mejor ajuste a los datos, proporcionando así una mejor predicción de la volatilidad de las acciones del Banco do Brasil.
Descargas
Citas
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)
