Modelagem e previsão de volatilidade para o setor siderúrgico brasileiro : volatilidade estocástica versus determinística

Detalhes bibliográficos
Autor(a) principal: Ribeiro, Bruno Passos Spínola
Data de Publicação: 2009
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/18302
Resumo: A busca da correta modelagem e previsão de volatilidade em séries financeiras é o que motiva grande parte dos analistas e gestores de carteiras. Esta dissertação buscou, portanto comparar dois tipos de modelos de volatilidade - determinística e estocástica - para as três principais séries de retornos de ações do setor siderúrgico brasileiro, quais sejam: Gerdau PN (GGBR4), Usiminas PN (USIM5) e CSN ON (CSNA3). Os três ativos apresentaram estruturas semelhantes para suas volatilidades. Para as três séries foram encontradas especificações determinísticas do tipo AR (1) - EGARCH (1,1) e AR (1) - TGARCH (0,1), ambas com volatilidades estimadas muito próximas. No caso estocástico optou-se por um modelo AR (1) - SV Estacionário para as três séries de retornos. A maior persistência foi observada no ativo da Gerdau, mostrando que um choque sobre o ativo da Gerdau demora mais a se dissipar do que um choque de mesma magnitude sobre os ativos de Usiminas e CSN. Quanto ao efeito alavancagem, a ação da Usiminas apresentou o maior resultado estimado, mostrando que retornos negativos em um dado instante t geram maior volatilidade no período seguinte (t+1) sobre o ativo da Usiminas. Por último comparou-se a qualidade preditiva das duas classes de modelos de volatilidade por meio de previsões um passo à frente durante 21 dias utilizando-se três estatísticas de previsão - erro médio (ME), raiz do erro quadrático médio (RMSE) e erro absoluto médio (MAE). Para o ativo USIM5 as três estatísticas sugerem que o modelo escolhido deve ser o estocástico. Para o ativo GGBR4 e CSNA3 o ME sugere que o modelo escolhido deve ser o determinístico e o RMSE e o MAE sugerem que o modelo escolhido deve ser o estocástico.
id URGS_4e69589d7fe918722016ff6b33cfe44b
oai_identifier_str oai:www.lume.ufrgs.br:10183/18302
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Ribeiro, Bruno Passos SpínolaKloeckner, Gilberto de Oliveira2010-01-27T04:15:18Z2009http://hdl.handle.net/10183/18302000703943A busca da correta modelagem e previsão de volatilidade em séries financeiras é o que motiva grande parte dos analistas e gestores de carteiras. Esta dissertação buscou, portanto comparar dois tipos de modelos de volatilidade - determinística e estocástica - para as três principais séries de retornos de ações do setor siderúrgico brasileiro, quais sejam: Gerdau PN (GGBR4), Usiminas PN (USIM5) e CSN ON (CSNA3). Os três ativos apresentaram estruturas semelhantes para suas volatilidades. Para as três séries foram encontradas especificações determinísticas do tipo AR (1) - EGARCH (1,1) e AR (1) - TGARCH (0,1), ambas com volatilidades estimadas muito próximas. No caso estocástico optou-se por um modelo AR (1) - SV Estacionário para as três séries de retornos. A maior persistência foi observada no ativo da Gerdau, mostrando que um choque sobre o ativo da Gerdau demora mais a se dissipar do que um choque de mesma magnitude sobre os ativos de Usiminas e CSN. Quanto ao efeito alavancagem, a ação da Usiminas apresentou o maior resultado estimado, mostrando que retornos negativos em um dado instante t geram maior volatilidade no período seguinte (t+1) sobre o ativo da Usiminas. Por último comparou-se a qualidade preditiva das duas classes de modelos de volatilidade por meio de previsões um passo à frente durante 21 dias utilizando-se três estatísticas de previsão - erro médio (ME), raiz do erro quadrático médio (RMSE) e erro absoluto médio (MAE). Para o ativo USIM5 as três estatísticas sugerem que o modelo escolhido deve ser o estocástico. Para o ativo GGBR4 e CSNA3 o ME sugere que o modelo escolhido deve ser o determinístico e o RMSE e o MAE sugerem que o modelo escolhido deve ser o estocástico.The accurate modeling and forecasting of volatility in financial series is what motivates most analysts and portfolio managers. This dissertation sought therefore to compare two types of volatility models - deterministic and stochastic - for three major series of stock returns of the Brazilian steel industry, namely: Gerdau PN (GGBR4), Usiminas PN (USIM5) and CSN ON (CSNA3). The three assets had similar structures to their volatilities. For all the series we found deterministic specifications of the type AR (1) - EGARCH (1,1) and AR (1) - TGARCH (0.1), both with very close volatility estimates. In the stochastic case we chose a model AR (1) - SV Stationary for the three sets of returns. The highest persistence was observed in the asset of Gerdau, showing that a shock on this asset takes longer to dissipate than a clash of the same magnitude on the assets of Usiminas and CSN. For the leverage effect, the series of Usiminas had the highest estimated results, showing that negative returns in a given time t generate greater volatility in period (t +1) on the asset of Usiminas. Finally we compared the predictive quality of the two classes of volatility models through a one step ahead forecast for 21 days using three statistics for forecasting - mean error (ME), mean squared error (RMSEA) and mean absolute error (MAE). For the asset USIM5 the three statistics suggest that the chosen model should be the stochastic. For the assets GGBR4 and CSNA3 the ME suggests that the chosen model should be the deterministic and the RMSE and MAE suggest that the chosen model should be the stochastic.application/pdfporMercado financeiroVolatilidadeModelo de previsãoAçõesIndústria siderúrgicaBrasilGerdauUsiminasCSNGARCH modelsStochastic volatilityKalman filterModelagem e previsão de volatilidade para o setor siderúrgico brasileiro : volatilidade estocástica versus determinísticainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulFaculdade de Ciências EconômicasPrograma de Pós-Graduação em EconomiaPorto Alegre, BR-RS2009mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT000703943.pdf.txt000703943.pdf.txtExtracted Texttext/plain144189http://www.lume.ufrgs.br/bitstream/10183/18302/2/000703943.pdf.txt3795425aa3e948432ed5e9fabcdae614MD52ORIGINAL000703943.pdf000703943.pdfTexto completoapplication/pdf936082http://www.lume.ufrgs.br/bitstream/10183/18302/1/000703943.pdfca22530db953797d3612e8ac60e595c0MD51THUMBNAIL000703943.pdf.jpg000703943.pdf.jpgGenerated Thumbnailimage/jpeg1118http://www.lume.ufrgs.br/bitstream/10183/18302/3/000703943.pdf.jpgc1298773b984ef2be5ff9280a671a5ffMD5310183/183022018-10-05 08:37:01.893oai:www.lume.ufrgs.br:10183/18302Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-05T11:37:01Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Modelagem e previsão de volatilidade para o setor siderúrgico brasileiro : volatilidade estocástica versus determinística
title Modelagem e previsão de volatilidade para o setor siderúrgico brasileiro : volatilidade estocástica versus determinística
spellingShingle Modelagem e previsão de volatilidade para o setor siderúrgico brasileiro : volatilidade estocástica versus determinística
Ribeiro, Bruno Passos Spínola
Mercado financeiro
Volatilidade
Modelo de previsão
Ações
Indústria siderúrgica
Brasil
Gerdau
Usiminas
CSN
GARCH models
Stochastic volatility
Kalman filter
title_short Modelagem e previsão de volatilidade para o setor siderúrgico brasileiro : volatilidade estocástica versus determinística
title_full Modelagem e previsão de volatilidade para o setor siderúrgico brasileiro : volatilidade estocástica versus determinística
title_fullStr Modelagem e previsão de volatilidade para o setor siderúrgico brasileiro : volatilidade estocástica versus determinística
title_full_unstemmed Modelagem e previsão de volatilidade para o setor siderúrgico brasileiro : volatilidade estocástica versus determinística
title_sort Modelagem e previsão de volatilidade para o setor siderúrgico brasileiro : volatilidade estocástica versus determinística
author Ribeiro, Bruno Passos Spínola
author_facet Ribeiro, Bruno Passos Spínola
author_role author
dc.contributor.author.fl_str_mv Ribeiro, Bruno Passos Spínola
dc.contributor.advisor1.fl_str_mv Kloeckner, Gilberto de Oliveira
contributor_str_mv Kloeckner, Gilberto de Oliveira
dc.subject.por.fl_str_mv Mercado financeiro
Volatilidade
Modelo de previsão
Ações
Indústria siderúrgica
Brasil
topic Mercado financeiro
Volatilidade
Modelo de previsão
Ações
Indústria siderúrgica
Brasil
Gerdau
Usiminas
CSN
GARCH models
Stochastic volatility
Kalman filter
dc.subject.eng.fl_str_mv Gerdau
Usiminas
CSN
GARCH models
Stochastic volatility
Kalman filter
description A busca da correta modelagem e previsão de volatilidade em séries financeiras é o que motiva grande parte dos analistas e gestores de carteiras. Esta dissertação buscou, portanto comparar dois tipos de modelos de volatilidade - determinística e estocástica - para as três principais séries de retornos de ações do setor siderúrgico brasileiro, quais sejam: Gerdau PN (GGBR4), Usiminas PN (USIM5) e CSN ON (CSNA3). Os três ativos apresentaram estruturas semelhantes para suas volatilidades. Para as três séries foram encontradas especificações determinísticas do tipo AR (1) - EGARCH (1,1) e AR (1) - TGARCH (0,1), ambas com volatilidades estimadas muito próximas. No caso estocástico optou-se por um modelo AR (1) - SV Estacionário para as três séries de retornos. A maior persistência foi observada no ativo da Gerdau, mostrando que um choque sobre o ativo da Gerdau demora mais a se dissipar do que um choque de mesma magnitude sobre os ativos de Usiminas e CSN. Quanto ao efeito alavancagem, a ação da Usiminas apresentou o maior resultado estimado, mostrando que retornos negativos em um dado instante t geram maior volatilidade no período seguinte (t+1) sobre o ativo da Usiminas. Por último comparou-se a qualidade preditiva das duas classes de modelos de volatilidade por meio de previsões um passo à frente durante 21 dias utilizando-se três estatísticas de previsão - erro médio (ME), raiz do erro quadrático médio (RMSE) e erro absoluto médio (MAE). Para o ativo USIM5 as três estatísticas sugerem que o modelo escolhido deve ser o estocástico. Para o ativo GGBR4 e CSNA3 o ME sugere que o modelo escolhido deve ser o determinístico e o RMSE e o MAE sugerem que o modelo escolhido deve ser o estocástico.
publishDate 2009
dc.date.issued.fl_str_mv 2009
dc.date.accessioned.fl_str_mv 2010-01-27T04:15:18Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/18302
dc.identifier.nrb.pt_BR.fl_str_mv 000703943
url http://hdl.handle.net/10183/18302
identifier_str_mv 000703943
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
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 Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/18302/2/000703943.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/18302/1/000703943.pdf
http://www.lume.ufrgs.br/bitstream/10183/18302/3/000703943.pdf.jpg
bitstream.checksum.fl_str_mv 3795425aa3e948432ed5e9fabcdae614
ca22530db953797d3612e8ac60e595c0
c1298773b984ef2be5ff9280a671a5ff
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085162909696000