Influência do Google Trends em ações listadas na bolsa de valores brasileira: evidências a partir da modelagem PVAR
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | REAd (Porto Alegre. Online) |
Texto Completo: | https://seer.ufrgs.br/index.php/read/article/view/101823 |
Resumo: | O trabalho propôs analisar como as pesquisas no buscador Google influenciam o retorno, a volatilidade e o volume de negociações das ações que compõem o índice Ibovespa, considerando o período entre 2015 e 2020. Para isso aplicou-se a modelagem de Painel de Vetores Autorregressivos (PVAR). Os resultados do volume histórico de pesquisas do nome da empresa e do ticker apresentam relação bidirecional com o desvio padrão dos retornos, da volatilidade e do volume negociado, sugerindo que a demanda de informação do investidor é atendida, em parte, por pesquisas em buscadores, efeito que também é observado no aumento do volume de negociações, após um choque no volume histórico de pesquisas do ticker. Essas evidencias apontam à eficiência do mercado, pelo menos, para situações semanais, em que há a possibilidade de o investidor pesquisar e compreender cada nova situação do mercado. Entretanto, o acompanhamento da empresa não garante, pelo menos no longo prazo, que os retornos sejam maiores, determinando que a Hipótese do Mercado Eficiente, na versão semi-forte, seja indiretamente observada, pelo aumento de negociações sem a devida alteração no retorno. Para tanto, a utilização do Google Trends pode, em alguma medida, melhorar a acurácia de modelos de previsão que busquem prever o retorno, a volatilidade e o volume de ações. |
id |
UFRGS-13_e34cf9f96c2387e9615af27778639879 |
---|---|
oai_identifier_str |
oai:seer.ufrgs.br:article/101823 |
network_acronym_str |
UFRGS-13 |
network_name_str |
REAd (Porto Alegre. Online) |
repository_id_str |
|
spelling |
Influência do Google Trends em ações listadas na bolsa de valores brasileira: evidências a partir da modelagem PVARGoogle trendsMercado de açõesÍndice IbovespaPVARO trabalho propôs analisar como as pesquisas no buscador Google influenciam o retorno, a volatilidade e o volume de negociações das ações que compõem o índice Ibovespa, considerando o período entre 2015 e 2020. Para isso aplicou-se a modelagem de Painel de Vetores Autorregressivos (PVAR). Os resultados do volume histórico de pesquisas do nome da empresa e do ticker apresentam relação bidirecional com o desvio padrão dos retornos, da volatilidade e do volume negociado, sugerindo que a demanda de informação do investidor é atendida, em parte, por pesquisas em buscadores, efeito que também é observado no aumento do volume de negociações, após um choque no volume histórico de pesquisas do ticker. Essas evidencias apontam à eficiência do mercado, pelo menos, para situações semanais, em que há a possibilidade de o investidor pesquisar e compreender cada nova situação do mercado. Entretanto, o acompanhamento da empresa não garante, pelo menos no longo prazo, que os retornos sejam maiores, determinando que a Hipótese do Mercado Eficiente, na versão semi-forte, seja indiretamente observada, pelo aumento de negociações sem a devida alteração no retorno. Para tanto, a utilização do Google Trends pode, em alguma medida, melhorar a acurácia de modelos de previsão que busquem prever o retorno, a volatilidade e o volume de ações.Universidade Federal do Rio Grande do Sul2020-12-11info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionAvaliado pelos paresapplication/pdfhttps://seer.ufrgs.br/index.php/read/article/view/101823Electronic Review of Administration; Vol. 26 No. 3 (2020): SETEMBRO/DEZEMBRO; 796-818Revista Electrónica de Administración; Vol. 26 Núm. 3 (2020): SETEMBRO/DEZEMBRO; 796-818Revista Eletrônica de Administração; v. 26 n. 3 (2020): SETEMBRO/DEZEMBRO; 796-8181413-23111980-4164reponame:REAd (Porto Alegre. Online)instname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSporhttps://seer.ufrgs.br/index.php/read/article/view/101823/59312Copyright (c) 2020 Mateus Machado de Pereira, Thais Gomez da Rosa, Reisoli Bender Filhoinfo:eu-repo/semantics/openAccessMachado de Pereira, MateusRosa, Thais Gomez daBender Filho, Reisoli2020-12-23T18:54:53Zoai:seer.ufrgs.br:article/101823Revistahttp://seer.ufrgs.br/index.php/read/indexPUBhttps://seer.ufrgs.br/read/oaiea_read@ufrgs.br1413-23111413-2311opendoar:2020-12-23T18:54:53REAd (Porto Alegre. Online) - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.none.fl_str_mv |
Influência do Google Trends em ações listadas na bolsa de valores brasileira: evidências a partir da modelagem PVAR |
title |
Influência do Google Trends em ações listadas na bolsa de valores brasileira: evidências a partir da modelagem PVAR |
spellingShingle |
Influência do Google Trends em ações listadas na bolsa de valores brasileira: evidências a partir da modelagem PVAR Machado de Pereira, Mateus Google trends Mercado de ações Índice Ibovespa PVAR |
title_short |
Influência do Google Trends em ações listadas na bolsa de valores brasileira: evidências a partir da modelagem PVAR |
title_full |
Influência do Google Trends em ações listadas na bolsa de valores brasileira: evidências a partir da modelagem PVAR |
title_fullStr |
Influência do Google Trends em ações listadas na bolsa de valores brasileira: evidências a partir da modelagem PVAR |
title_full_unstemmed |
Influência do Google Trends em ações listadas na bolsa de valores brasileira: evidências a partir da modelagem PVAR |
title_sort |
Influência do Google Trends em ações listadas na bolsa de valores brasileira: evidências a partir da modelagem PVAR |
author |
Machado de Pereira, Mateus |
author_facet |
Machado de Pereira, Mateus Rosa, Thais Gomez da Bender Filho, Reisoli |
author_role |
author |
author2 |
Rosa, Thais Gomez da Bender Filho, Reisoli |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Machado de Pereira, Mateus Rosa, Thais Gomez da Bender Filho, Reisoli |
dc.subject.por.fl_str_mv |
Google trends Mercado de ações Índice Ibovespa PVAR |
topic |
Google trends Mercado de ações Índice Ibovespa PVAR |
description |
O trabalho propôs analisar como as pesquisas no buscador Google influenciam o retorno, a volatilidade e o volume de negociações das ações que compõem o índice Ibovespa, considerando o período entre 2015 e 2020. Para isso aplicou-se a modelagem de Painel de Vetores Autorregressivos (PVAR). Os resultados do volume histórico de pesquisas do nome da empresa e do ticker apresentam relação bidirecional com o desvio padrão dos retornos, da volatilidade e do volume negociado, sugerindo que a demanda de informação do investidor é atendida, em parte, por pesquisas em buscadores, efeito que também é observado no aumento do volume de negociações, após um choque no volume histórico de pesquisas do ticker. Essas evidencias apontam à eficiência do mercado, pelo menos, para situações semanais, em que há a possibilidade de o investidor pesquisar e compreender cada nova situação do mercado. Entretanto, o acompanhamento da empresa não garante, pelo menos no longo prazo, que os retornos sejam maiores, determinando que a Hipótese do Mercado Eficiente, na versão semi-forte, seja indiretamente observada, pelo aumento de negociações sem a devida alteração no retorno. Para tanto, a utilização do Google Trends pode, em alguma medida, melhorar a acurácia de modelos de previsão que busquem prever o retorno, a volatilidade e o volume de ações. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-12-11 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Avaliado pelos pares |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://seer.ufrgs.br/index.php/read/article/view/101823 |
url |
https://seer.ufrgs.br/index.php/read/article/view/101823 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://seer.ufrgs.br/index.php/read/article/view/101823/59312 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2020 Mateus Machado de Pereira, Thais Gomez da Rosa, Reisoli Bender Filho info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2020 Mateus Machado de Pereira, Thais Gomez da Rosa, Reisoli Bender Filho |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Sul |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Sul |
dc.source.none.fl_str_mv |
Electronic Review of Administration; Vol. 26 No. 3 (2020): SETEMBRO/DEZEMBRO; 796-818 Revista Electrónica de Administración; Vol. 26 Núm. 3 (2020): SETEMBRO/DEZEMBRO; 796-818 Revista Eletrônica de Administração; v. 26 n. 3 (2020): SETEMBRO/DEZEMBRO; 796-818 1413-2311 1980-4164 reponame:REAd (Porto Alegre. Online) instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
REAd (Porto Alegre. Online) |
collection |
REAd (Porto Alegre. Online) |
repository.name.fl_str_mv |
REAd (Porto Alegre. Online) - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
ea_read@ufrgs.br |
_version_ |
1799766206080614400 |