ABORDAGENS SOBRE A VOLATILIDADE NO MERCADO DE CAPITAIS

Inicialmente, cabe ressaltar que modelagem e previsão da dinâmica multidimensional da volatilidade de um conjunto de ativos são aspectos importantes no auxílio à tomadas de decisões e ações financeiras. Podem ser inseridos nesse tema a construção e avaliação de uma carteira ótima, a determinação de preços de produtos estruturados que são projetados com mais de um ativo subjacente ou mesmo cálculo de uma razão de cobertura (RIGHI; CERETTA, 2014).

Outro aspecto relevante é referente aos riscos não diversificáveis: estes são os únicos riscos significativos, ou seja, aqueles que não podem ser reduzidos por meio de hedge ou da diversificação. Dessa forma, a preocupação do administrador de portfólio, não está voltada para a volatilidade total, mas está voltada para a volatilidade colinear com a do mercado (ALEXANDER, 2001).

Jubert et.al. (2009) estudaram o padrão de volatilidade dos principais índices da Bovespa, entre eles o Índice de Sustentabilidade empresarial (ISE), analisando dados de frequência diária do período 2006-2007 através de vários modelos da família ARCH. Para todos os índices analisados, os modelos estimados evidenciaram que o movimento do

mercado no dia anterior influencia a volatilidade corrente. Cabe mencionar que nesse trabalho ficou evidenciada a existência dos retornos negativos associados aos aglomerados de volatilidade. Os modelos assimétricos evidenciaram o efeito alavancagem em que os retornos negativos estão mais associados aos aglomerados de volatilidade, isto é, choques negativos provocam maior instabilidade no mercado de ações. Constatou-se que os modelos simétricos e assimétricos têm estimativas razoavelmente similares, evidenciando que o resultado empírico corroborou as expectativas teóricas.

Floros (2009) analisou os preços dos índices à vista e futuro do mercado da África do Sul. Para esse estudo foram utilizados dados de ações entre os anos de 2002 e 2006. Foram ainda empregados quatro métodos empíricos de pesquisa: (i) teste de cointegração; (ii) modelo de vetor de correção de erros (VECM); (iii) teste de causalidade de Granger; e (iv) modelo de correção de erros com erros TGARCH.

Como resultado, o trabalho de Floros (2009) constatou um fluxo bidirecional dos preços spot e futuro do FTSE/JSE Top 40, índice mais representativo das ações daquele país. Resultados equivalentes foram verificados por Müller, Guerra e Souza (2015), que identificaram a existência de alta dependência dinâmica de volatilidade entre mercados à vista e futuro no Brasil.

Os resultados indicaram que o mercado à vista é influenciado tanto pelos retornos passados quanto pelas informações passadas do mercado futuro em todos os índices analisados (MÜLLER; GUERRA; SOUZA, 2015). O contrário, entretanto só é verdadeiro para o DAX. Com relação à volatilidade, percebe-se que existe alta dependência dinâmica de volatilidade entre mercados à vista e futuro.

Righi e Ceretta (2012) identificaram que os mercados futuros fornecem um canal para os investidores transferirem seus riscos, fornecendo oportunidades de hedge para os participantes do mercado. O algoritmo proposto obteve resultados muito satisfatórios na estratégia de diminuição da volatilidade entre os mercados spot e futuro.

Há também estudos que interligam a crise financeira global de 2008 à temática da volatilidade dos ativos. Ao analisar, como efeito da Crise do Subprime, a transmissão internacional de volatilidade no mercado de capitais brasileiro, Righi e Ceretta (2013) verificaram que houve mudança na direção da transmissão de volatilidade entre o mercado brasileiro e os demais estudados, de forma ao Brasil passar a exercer maior influência na volatilidade condicional desses, por ter sofrido menores consequências com a crise financeira.

Após o período de turbulência causado pela crise de 2008, o relacionamento da volatilidade entre o mercado brasileiro com os demais passou a ser menos assimétrico do que no período anterior a crise (RIGHI; CERETTA, 2013). Para o referido trabalho foram estimados os relacionamentos bivariados entre o mercado brasileiro, representado pelo índice Ibovespa, e os mercados americano, argentino, mexicano e chinês. Também foram utilizados índices representativos de 4 de janeiro de 2000 até 31 de março de 2010, totalizando 2667 cotações. A amostra foi dividida em três partes, representando os períodos anteriores, durante e posteriores à Crise do Subprime de 2008.

Adicionalmente, segundo Karmakar (2010), também os mecanismos de transmissão dos retornos e volatilidade entre grandes e pequenas empresas têm sido objeto da atenção de acadêmicos e profissionais da área. Nesse estudo, foram investigados os efeitos dos contágios no retorno e na volatilidade dos ativos entre grandes e pequenas empresas na bolsa de valores da Índia, utilizando dados diários dos índices “S&P CNX Nifty”, “CNX Nifty Junior” e “CNX Midcap”. Também foi empregado o modelo VAR em conjunto com o modelo de decomposição da variância (VDC) e a análise por meio da função de resposta ao impulso (IRF) com o intuito de verificar relacionamentos casuais e dinâmicos entre as ações selecionadas para a amostra. Como resultado foi observado que houve um contágio bidirecional de volatilidade entre os portfólios de ações de grandes e pequenas empresas (KARMAKAR, 2010).

Souto (2016) investigou a possibilidade da ocorrência de efeito contágio (Shift Contagion), tal como definido em Rigobon (2002) do mercado financeiro do Brasil para quatro países no período de 2011 a 2016. Tais países foram Argentina, Colômbia, Chile, e Peru. O trabalho englobou a recente crise econômica no Brasil e para sua realização utilizou a metodologia de cópulas paramétricas estáticas. Como conclusão desse estudo, com base nos resultados obtidos, “não foi possível identificar naquele momento indícios da ocorrência de contágio do mercado financeiro brasileiro para os mercados financeiros dos países analisados no período do referido trabalho” (SOUTO, 2016, p. 6).

O estudo de Valls Pereira e Arruda (2012) também testou a hipótese de contágio, nesse caso, entre setores da economia dos Estados Unidos durante a Crise do Subprime. A metodologia econométrica baseou-se em modelos de correlações condicionais dinâmicas e na aplicação de testes LM robustos para testar a presença de quebras estruturais na estrutura de dependência das séries. Como resultado, foi verificado que houve contágio relacionado a

praticamente todos os indicadores entre os setores dos Estados Unidos. Desta forma, observou-se que a estrutura de dependência entre os setores da economia supracitada se alterou no decorrer dos eventos de 2007 e 2008. Sendo assim, a prática de diversificação de carteiras e, em geral, toda a análise de risco inerente à gestão de investimentos pode ter sido distorcida, levando gestores e fundos a decisões equivocadas com base em suas limitações e diretrizes de investimento (VALLS PEREIRA; ARRUDA, 2012).

Judge e Reancharoen (2014) verificaram que os preços à vista do índice SET50 (Stock Exchange of Thailand 50) conduzem o preço futuro. O estudo foi realizado utilizando dados diários do mercado de capitais da Tailândia entre 2006 e 2012. Os resultados desse estudo também mostraram que o modelo de correção de erros, que utiliza o modelo linear tradicional, foi considerado o melhor modelo de estimação.

Resultado semelhante foi encontrado por Galvão, Portugal e Ribeiro (2000). Nesse trabalho foi analisada a relação entre o mercado acionário brasileiro à vista e futuro. O intuito do estudo foi de observar o comportamento da volatilidade nesses mercados e inferir relações de causalidade. Tal hipótese foi testada utilizando os correlogramas cruzados das volatilidades, bem como um modelo GARCH bivariado. Os resultados encontrados no estudo permitiram afirmar que o mercado à vista lidera a transmissão de informações no mercado. Tal fato implicaria em que o mercado futuro não causaria aumento de volatilidade no mercado à vista (GALVÃO; PORTUGAL; RIBEIRO, 2000).

Em estudo de Righi e Ceretta (2014), foi identificada a transmissão de volatilidade das ações de empresas grandes para as ações de empresas pequenas. Nesse trabalho foi utilizado o modelo DCC (Dynamic Conditional Correlation), tendo como amostra os grupos de empresas integrantes dos índices Small Cap e Mid-Large Cap da B3.

O trabalho realizado por Faquieri e Aiube (2017) analisou a série de retornos da taxa de câmbio euro-dólar, com frequência diária. A estacionariedade é comprovada através dos testes ADF e Phillips-Perron. Foi constatada a não-normalidade da série de retornos. A dependência temporal dos retornos foi testada através das autocorrelações dos mesmos e posteriormente modelada. Ajustou-se a dependência não-linear através de alguns modelos da família GARCH lineares e não lineares. Posteriormente, avaliou-se a capacidade de previsão de cada modelo. Os resultados empíricos indicaram um alto grau de persistência da volatilidade da taxa de câmbio. O modelo EGARCH foi aquele que apresentou melhor capacidade preditiva, embora os três modelos de volatilidade condicional analisados tenham

fornecido previsões de volatilidade muito próximas (FAQUIERI; AIUBE, 2017).

Outro recente estudo, elaborado por Carvalho et al. (2017), teve por objetivo realizar uma comparação das volatilidades entre o segmento tradicional e o Novo Mercado da BOVESPA, considerando o período de janeiro de 2008 a dezembro de 2012. Além disso, investigou-se a relação retorno das ações e sua volatilidade por meio das teorias da Alavancagem e Feedback.

Como método, estimaram-se modelos ARCH/GARCH e regressões por MQO. As evidências empíricas mostram que a volatilidade das ações que fazem parte do Novo Mercado é menos reativa e mais persistente quando comparada ao segmento tradicional. Os resultados empíricos revelam também que a volatilidade de longo prazo e a velocidade de convergência para o nível de longo prazo foi menor para as ações com melhores práticas de governança. Além disso, pode-se argumentar que, tanto o efeito Alavancagem, bem como o efeito feedback, não são os principais fatores explicativos da relação entre o retorno das ações e sua volatilidade, corroborando, assim, a teoria comportamental (CARVALHO et al., 2017).

No Quadro 3, logo a seguir, são apresentados todos os estudos citados nesse capítulo, incluindo-se a contribuição recente para a literatura a respeito da volatilidade dos ativos no mercado de capitais no Brasil e no mundo.

Quadro 3 – Estudos sobre a modelagem de volatilidade

(continua)

Autor(es) Título do Estudo Contribuições para a literatura

Alexander (2001) Market models: A guide to

financial data analysis Define volatilidade como medida de dispersão da função densidade de probabilidade, que descreve a probabilidade relativa de uma variável aleatória tomar um valor dado. Galvão, Portugal

e Ribeiro (2000) Volatilidade e causalidade: evidências para o mercado à vista e futuro de índice de ações no Brasil

Foi identificado que o mercado à vista lidera a transmissão de informações.

Jubert et al.

(2008) Um estudo do padrão de volatilidade dos principais índices financeiros do Bovespa: uma aplicação de modelos ARCH

Os modelos estimados evidenciaram que o movimento do mercado no dia anterior influencia a volatilidade corrente e o efeito alavancagem, em que os retornos negativos estão mais associados aos aglomerados de volatilidade. Floros (2009) Price discovery in the South

African stock index futures market Analisou preços dos índices à vista e futuro do mercado da África do Sul e constatou um fluxo bidirecional dos preços spot e futuro do FTSE/JSE Top 40.

Karmakar (2010) Information transmission between

small and large stocks in the National Stock Exchange in India: An empirical study

Como resultado foi observado que houve um contágio bidirecional de volatilidade entre os portifólios de ações de grandes e pequenas empresas.

Quadro 3 – Estudos sobre a modelagem de volatilidade

(conclusão)

Autor(es) Título do Estudo Contribuições para a literatura

Righi e Ceretta (2012)

Copula based Dynamic hedging strategy with futures

O algoritmo proposto obteve resultados muito

satisfatórios na estratégia de diminuição da volatilidade entre os mercados spot e futuro.

Valls Pereira e

Arruda (2012) Análise da estrutura de dependência da volatilidade entre setores durante a Crise do

Subprime

Identificou que houve contágio relacionado a todos os indicadores entre os setores dos Estados Unidos. Desta forma, observou-se que a estrutura de dependência entre os setores da economia se alterou no decorrer de 2008. Righi e Ceretta (2013) Efeito da crise de 2007/2008 na transmissão internacional de volatilidade no mercado de capitais brasileiro

Verificou-se que houve mudança na direção da

transmissão de volatilidade entre o mercado brasileiro e os demais estudados, de forma ao Brasil passar a exercer maior influência na volatilidade condicional desses.

Righi e Ceretta (2014)

Transmissão da Volatilidade entre Ações de Grandes e Pequenas Empresas no Mercado Brasileiro de Capitais

Foi identificada a transmissão de volatilidade das ações de empresas grandes para as ações de empresas pequenas.

Judge e Reancharoen (2014)

An empirical examination of the lead–lag relationship between spot and futures markets: Evidence from Thailand

Verificaram que os preços à vista do índice SET50

(Stock Exchange of Thailand 50) conduzem o preço

futuro. Müller, Guerra e

Souza (2015)

Análise da quasi correlação condicional dinâmica da

volatilidade de índices do mercado à vista e futuro

Os resultados indicam que o mercado à vista é

influenciado tanto pelos retornos passados quanto pelas informações passadas do mercado futuro em todos os índices analisados. O contrário, entretanto só é verdadeiro para o DAX.

Souto (2016) Análise do contágio entre mercados financeiros do Brasil e países da América do Sul de 2011 a 2016

Com base nos resultados obtidos, não foi possível identificar naquele momento indícios da ocorrência de contágio do mercado financeiro brasileiro para os mercados financeiros dos países analisados no período do estudo.

Faquieri e Aiube (2017)

Análise do Comportamento da Volatilidade da Taxa de Câmbio Euro-Dólar

Resultados indicaram alto grau de persistência da volatilidade da taxa de câmbio. O modelo EGARCH apresentou melhor capacidade preditiva, embora os três modelos de volatilidade condicional tenham fornecido previsões de volatilidade muito próximas.

Carvalho et al.

(2017) Os efeitos Alavancagem eFeedback na volatilidade do mercado acionário brasileiro

Verificou que a volatilidade das ações que fazem parte do Novo Mercado é menos reativa e mais persistente quando comparada ao segmento tradicional e que a volatilidade de longo prazo e a velocidade de

convergência para o nível de longo prazo foi menor para ações com melhor governança.

Como pôde ser observado anteriormente, a volatilidade dos ativos financeiros tem sido estudada com frequência nos últimos anos, sobretudo no que diz respeito a sua ligação com períodos de forte aversão ao risco, como nos casos das crises do Subprime e Fiscal Brasileira. No capítulo 5, a seguir, são apresentados estudos referentes à Governança Corporativa e seus aspectos relacionados ao mercado acionário.