Modelos de volatilidade condicional GARCH e EWMA: um estudo comparativo

Abstract

Este trabalho tem como objetivo a comparação entre os modelos de volatilidade condicional (EWMA e GARCH), utilizando dados de mercado como as ações da empresa Petrobrás. O trabalho analisou a importância do gerenciamento de riscos para o mercado financeiro de ações e baseou-se na análise estatística realizada para as ações da empresa Petrobrás. O período analisado consiste entre 02/01/2014 até 28/12/2018, abarcando o período de crise política brasileira que teve seu auge no período do segundo semestre de 2015 e o período de pré-eleições presidenciais no segundo semestre de 2018. O intuito do presente estudo consistiu na comparabilidade entre a utilização dos modelos de volatilidade condicional EWMA (Exponencially Weighted Moving Average) e modelos GARCH (General Autoregressive Conditional Heteroscedasticity) no que tange à previsibilidade da volatilidade dos preços das ações da empresa Petrobrás. Adicionado a isso, foi utilizada a metodologia valor em risco paramétrico com o intuito de demonstrar a eficiência empírica dos modelos a partir da quantidade de violações que obtiveram. A conclusão obtida nesta análise é que ambos os modelos possuem capacidade preditiva sob a ótica valor em risco, visto que retornaram valores de violações inferiores ao limite proposto de 5% das observações consideradas para o cálculo do VaR.

This paper aims the comparation between the conditional volatility models (EWMA and GARCH), using market data, such as the shares of Petrobras. The paper analyzed the importance of risk management for the financial stock market and was based on the statistical analysis performed for Petrobras shares. The period analyzed consists of 01/02/2014 to 12/28/2018, covering the period of Brazilian political crisis that peaked in the second half of 2015 and the presidential pre-election period in the second half of 2018. The purpose of the present study was to compare the use of the Exponentially Weighted Moving Average (EWMA) conditional volatility models and the General Authoregressive Conditional Heteroscedasticity (GARCH) models with respect to the predictability of Petrobras stock price volatility. In addition, the parametric value at risk methodology was used to demonstrate the empirical efficiency of the models based on the number of violations they obtained. The conclusion obtained in this analysis is that both models have predictive capacity from the value-at-risk perspective, since violations values returned below the proposed limit of 5% of the observations considered for the VaR calculation.