Sailing Through Uncertainty: Forecasting Volatility on the Manganese Seaborne Market

• Autor(a) principal: Avelleda, Lucas Marin
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações do INSPER
• Texto Completo: https://www.repositorio.insper.edu.br/handle/11224/2852
• topic: Minério de Manganês. Séries Temporais. Volatilidade. Volatilidade Condicional. Heterocedasticidade. ARCH. GARCH. EGARCH; Manganese Ore. Time Series. Volatility. Conditional Volatility. Heteroskedas- ticity. ARCH. GARCH. EGARCH. S

O minério de manganês é um componente essencial na produção de aço e sua extração é geograficamente diversificada, enquanto sua exportação é majoritariamente direcionada ao consumo Chinês1, o que torna o mercado transoceânico essencial para a comercialização dessa commodity. No entanto, em decorrência de seu menor volume comercializado em comparação a outros bens minereais como o minério de ferro, por exemplo, a volatilidade do preço do minério de manganês não é alvo de pesquisas acadêmicas e tampouco existe, até o momento, contratos de derivativos disponíveis dessa commodity. Esse trabalho tem como objetivo caracterizar a série de log-retornos do preço do manganês em Tianjin, China, a partir dos fatos estilizados de retornos de ativos financeiros. Ademais, modelos heterocedásticos - tanto determinísticos quanto estocásticos - são aplicados na série temporal de forma a avaliar métodos que sejam capazes de adequadamente prever a volatilidade condicional, os retornos e as estimativas de valor em risco dos log-retornos do preço da commodity. Os modelos implementados permitem tanto a modelagem de assimetria na volatilidade a partir de choques positivos ou negativos dos retornos passados e a possibilidade de modelar as inovações através das distribuições Gaussiana e t-Student. Apresentam-se evidências em favor dos Modelos de Volatilidade Estocástica, os quais demonstraram-se mais adequados na previsão da série e nas estimativas de valor em risco. O efeito de assimetria não se mostrou estatisticamente significante nessa classe de modelos, enquanto há evidência de que as inovações t-Student são mais adequadas na modelagem da série. Na família de modelos ARCH, todos os modelos estimados através de inovações t-Student superaram, em termos de critérios de informação, aqueles estimados através da distribuição normal. Destacam-se, em ordem crescente, os modelos EGARCH(1,1), GARCH(1,1) e ARCH(3) pelos menores critérios de informação observados em suas respectivas classes. No entanto, através de previsões fora da amostra, a estimação do EGARCH(1,1) apresentou overfitting. Tais modelos também demonstraram-se menos precisos quando comparados aos modelos de volatilidade estocástica, tanto na previsão da série quanto na previsão do valor em risco em diferentes níveis de significância. Finalmente, foi apresentado um cálculo de precificação de opções europeias de compra e venda do minério de manganês e apresentaram-se exemplos, a partir de dados históricos, de como participantes do mercado podem reduzir o risco de mercado ao qual estão expostos através de instrumentos derivativos.