Retornos anormais no ibovespa utilizando modelos para dados de alta frequencia.
| Autor | Ferreira Fonseca, Nelson |
| Cargo | Artículo en portugués - Estrategias de negociación, Ibovespa, datos de alta frecuencia |
(Abnormal returns in the Ibovespa Using Models for High-Frequency Data)
-
Introdução
O desejo dos agentes econômicos em prever os valores futuros dos ativos é inerente ao comportamento do ser humano. Desde a criação dos mercados organizados, os pesquisadores e participantes tentam descobrir maneiras de utilizar o histórico dos preços dos ativos para obter informações relevantes capazes de propiciar a obtenção de lucros por meio do uso dessas informações.
O surgimento do mercado organizado de derivativos fez surgir novos campos de pesquisa que estudam a capacidade do comportamento deste mercado auxiliar na previsão do comportamento futuro dos preços de seus respectivos ativos subjacentes.
A previsão dos valores dos ativos tem importância para as atividades de investimento, como trading e hedging, e para identificação de preços anômalos no mercado. Dessa maneira, o conhecimento da relação entre o preço avista e o preço futuro permite que o mercado corrija possíveis falhas entre estes dois preços.
Investidores freqüentemente assumem posições casadas no mercado à vista e no mercado futuro, sendo esta a motivação desse artigo: a relação entre os preços destes dois mercados.
A antecipação do índice Bovespa Futuro ocorre porque a negociação de um contrato futuro de índice refere-se ao fato de que em uma única operação o investidor pode manter posições diversificadas, líquidas e de baixo custo (Brooks et ai, 2001). Para obter a mesma posição sem um contrato futuro de índice, o investidor terá que buscar dezenas de ações individualmente, incorrendo em altos custos de operação e em uma baixa liquidez em algumas ações. Essa antecipação pode ser usada para prever os valores correntes do índice. Este artigo tem por objetivo identificar a existência de precedência do índice Bovespa Futuro sobre o índice Bovespa, de forma a possibilitar a previsibilidade do índice para que se possam criar estratégias lucrativas que possibilitem ganhos anormais. Entendese como ganho anormal, o ganho acima de um benchmark escolhido. Para este estudo, o benchmark é a estratégia passiva.
A abordagem de análise no presente artigo visa analisar a possibilidade de ganhos com estratégias de negociação com dados de alta freqüência. Ainda pouco discutidas academicamente no Brasil, esse tipo de operação vem crescendo cada vez mais no dia a dias das operações no mercado financeiro. Basicamente uma estratégia de negociação em alta freqüência é caracterizada pela escolha e manutenção de portfolios por curtos períodos de tempo. Nessas escolhas e alocações geralmente há intensivo uso de métodos computacionais e estatísticos para processamento, previsões e definições de timming de entrada e saída do mercado, aproveitando-se de oportunidades momentâneas de arbitragens e de ganhos.
O uso de estratégias com dados de alta freqüência teve sua origem em 1998 quando a SEC autorizou o uso de transações por meio eletrônico no mercado financeiro americano, e teve o seu crescimento elevado substancialmente em conjunto com a evolução na capacidade computacional dos processadores atuais e no desenvolvimento e aumento da velocidade dos meios de comunicação, particularmente no caso da internet, com transações globais e interligação instantânea dos mercados.
Segundo Grant (2010), as transações com dados de alta freqüência se configuram como uma das maiores inovações recentes do mercado financeiro e envolvem atualmente mais de 56% das transações com ações nos Estados Unidos e 38% na Europa. As estratégias de negociação em alta freqüência são motivadas principalmente pelo surgimento de possibilidades de ganhos com pequenas discrepâncias e desvios que os preços e retornos dos ativos, commodities e títulos em geral apresentam em curtos espaços de tempo em relação aos seus valores "justos". A rápida identificação e operação quando do surgimento dessas oportunidades momentâneas pode permitir aos investidores ganhos expressivos.
-
Revisão da Literatura
A previsão do comportamento do preço à vista de um contrato de índice de ações insere-se em duas grandes abordagens distintas de pesquisa. A primeira implica a previsão do preço à vista com base no histórico de preços do mesmo índice, em que se utilizam modelos econométricos univariados. A segunda implica a utilização dos preços dos contratos futuros dos índices de ações como variável explicativa junto com o histórico dos preços à vista para explicar o comportamento futuro dos preços à vista. A seguir, são revisados alguns dos principais estudos relacionados ao tema deste artigo, que, por sua vez, permeia estes dois enfoques de pesquisa.
Um importante trabalho que investiga a relação do mercado à vista e o mercado futuro norte americano é o trabalho de Stoll & Whaley (1990). Os autores examinaram a relação causai entre o retorno do índice S&P500 futuro e o retorno do índice S&P500 à vista, bem como a relação entre o retorno do índice MMI (Major Market Index) futuro e o retorno do índice MMI à vista. Outra relação investigada foi à existente entre o índice S&P500 futuro e o índice MMI futuro em relação às ações à vista da IBM. Os resultados indicaram que o índice S&P 500 futuro e o índice MMI futuro são antecipatórios em relação aos seus respectivos índices subjacentes em um intervalo de tempo médio de cinco minutos, e ocasionalmente, em um período de mais de 10 minutos. Os índices futuros também se mostram antecipatórios em relação à ação da IBM à vista. Outro importante resultado aponta que os índices à vista S&P500 e o MMI foram adequadamente modelados conforme o modelo univariado ARMA(2,3) e as ações da IBM por um modelo MA(3).
Considerando ainda o índice S&P500, Tse & Chan (2010) examinaram as interações de liderança e defasagem entre os mercados à vista e futuro do índice. Como metodologia, os autores utilizaram o Threshold Regression Model (TRM) para modelar as mudanças na estrutura da regressão em diferentes condições de mercado. Os resultados encontrados foram que o mercado futuro é fortemente antecipatório ao mercado à vista quando existe mais de uma variável explicativa no modelo, enquanto que quando existe mais de uma variável explicativa o mercado à vista é fracamente antecipatório ao mercado futuro.
Para o mercado financeiro asiático, Tse (1995) examinou o comportamento dos preços do índice Nikkei médio e o seu correspondente contrato futuro. O modelo de correção de erros foi utilizado para investigar a relação entre estas duas séries. O estudo encontrou que as mudanças nas defasagens do preço do contrato futuro afetam os ajustes de curto prazo do preço futuro do ativo subjacente. Porém, o inverso não foi observado. O estudo ainda comparou o modelo de correção de erro com o modelo univariado autoregressivo (AP.) ajustado para a série do índice à vista. O modelo de correção de erro apresentou um desempenho preditivo melhor que o modelo AR, enquanto que o modelo AR apresentou um desempenho melhor que o modelo martingale.
Ainda em relação ao índice Nikkei de ações médio, Lien & Tse (1999) examinaram a performance preditiva do modelo de correção de erro fracionário e integrado {Fractionally integrated error correction model) e compararam com o modelo martingale, modelo de vetor autoregressivo e o convencional modelo de correção de erro. Neste estudo, foram considerados modelos com e sem heterocedasticidade. Os resultados mostraram que para um horizonte de 20 dias o modelo com melhor desempenho preditivo foi o modelo de correção de erro fracionário e integrado com heterocedasticidade. Estes resultados reafirmaram a noção de que a cointegração e a cointegração fracionária são importantes para previsões de horizontes de longa duração.
No mercado financeiro do Reino Unido, existem vários trabalhos que investigaram as relações de liderança e defasagem das cotações do índice à vista FTSE 100 e do seu respectivo índice futuro. Wahab & Lashgari (1993) investigaram a relação entre os preços do índice FTSE100 futuro e os preços do ativo subjacente. Para esta investigação, os autores usaram como metodologia o modelo de correção de erros (VEC). Os resultados revelaram que existem efeitos antecipatórios tanto do preço futuro em relação ao preço à vista quanto o contrário. Porém, os resultados mais significativos foram sobre os efeitos do preço futuro sobre o preço a vista, como era de se esperar pela literatura precedente.
Outro trabalho para o mercado financeiro do Reino Unido é o do Brooks et al. (2001), cujo objetivo é examinar as relações de liderança e defasagem entre o índice FTSE100 e o índice de preço futuro deste mesmo índice. Os autores utilizaram quatro metodologias para verificar a relação entre os preços à vista e os preços futuros: modelo ARIMA; modelo VEC; modelo VAR; e modelo VEC com o modelo teórico COC {cost of carry theory). O melhor modelo de previsão encontrado foi o VEC (correção de erros) associado com o teórico (COC). Em todos os modelos ajustados foi verificado que as mudanças nas defasagens do preço futuro podem ajudar a prever as mudanças no preço à vista. A habilidade de previsão do melhor modelo foi então utilizada para encontrar estratégias de negociação, as quais por sua vez, foram testadas sobre condições reais para encontrar oportunidades de negociações lucrativas. Os resultados mostraram que o modelo apresentou retornos significativamente altos quando comparado a um modelo passivo. Porém, quando se consideraram os custos da transação, os retornos do modelo não conseguiram superar mais este modelo passivo. Este modelo consiste em um in vestimento no índice no instante inicial e a venda dele no final do período, não realizando mais nenhuma outra transação.
Para o mercado financeiro brasileiro, Galvão et al. (2000) investigaram a relação entre o mercado futuro e o mercado à vista com base no comportamento da volatilidade destes mercados para poder inferir sobre as relações de causalidade. Os resultados apontaram que a transmissão de volatilidade e de novas informações entre o mercado...
Para continuar a ler
PEÇA SUA AVALIAÇÃOCOPYRIGHT GALE, Cengage Learning. All rights reserved.
