V ERIFICAÇÕES DOS M ODELOS F INAIS

A sequência lógica após a estimação dos modelos para os vários mercados, será a

avaliação de diagnóstico. Dado que todos os coeficientes do modelo são

estatisticamente significativos de acordo os níveis de significância apresentados nos

quadros constantes dos anexos na subsecção 7.2, pretende-se agora analisar os resíduos

standardizados da estimação, dado que os mesmos não devem ser correlacionados, ou

seja serem desprovidos de qualquer efeito ARCH e apresentarem uma distribuição

normal reduzida. Assim sendo, os resíduos têm de apresentar características de um

ruído branco (White Noise).

Utilizando a análise gráfica do software Eviews para os resíduos de estimação dos

modelos correspondentes a cada mercado verificamos que estes se distribuem

aleatoriamente em torno do valor médio (zero) e que os picos em torno das cerca de

4240 observações continuam presentes. Ou seja os modelos estimados não conseguiram

lidar muito bem com observações extremas causando assim, um aumento no valor do

coeficiente de curtose, fazendo com que se rejeite a normalidade dos resíduos.

Face a estas observações, recorreu-se ao cálculo da função autocorrelação FAC e FACP

dos resíduos standardizados de forma a confirmar a inexistência de correlação nos

resíduos de estimação, tendo-se resultados do exemplo infra para a totalidade dos

modelos:

Quadro 7 - Exemplo de um Correlograma dos resíduos para o Mercado Chinês

(Modelos GARCH, TARCH e EGARCH)

Conforme se poderá constatar no ficheiro Eviews em anexo:“projecto.wf1” para todos

os modelos anteriormente definidos verifica-se que, para um nível de significância de

5%, ambas as funções são estatisticamente nulas em todos os desfasamentos.

No que se refere à “Qualidade dos Ajustamentos”, utilizamos os critérios AIC e

Schwarz, verificando-se que os valores são muito semelhantes para os vários modelos

ensaiados nos diversos mercados bolsistas, pois entre os valores obtidos só existem

diferenças na ordem das centésimas. A principal diferença entre estes 3 modelos de

variância condicionada: GARCH(1,1), TARCH(1,1) e EGARCH(1,1), prende-se com

o facto de, nas 3 tipologias de modelo os resíduos de estimação estarem mais próximos

de possuírem uma distribuição normal, que conforme constatamos varia de modelo para

modelo.

Por fim se os modelos encontrados forem apropriados para descrever os dados dos

respectivos mercados, é possível prever valores futuros da variância através do mesmo.

5 CONCLUSÃO

Com a realização deste trabalho estudaram-se alguns dos modelos pertencentes à classe

dos modelos heterocedásticos, sendo utilizados os modelos que foram implementados

por Zakoian (1994), os que foram introduzidos por Engle (1982) e generalizados por

Bollerslev (1986), tendo em conta as respectivas suas características, propriedades e

limitações.

Mostrou-se ainda como detectar a presença da variância condicionada (volatilidade)

através da aplicação de alguns testes estatísticos nos vários mercados bolsistas, bem

como efectuar a sua estimação através do método da máxima verosimilhança que utiliza

o software Eviews.

No tratamento casuístico dos dados observa-se a existência de correlações entre os

mercados bolsistas das economias emergentes e os mercados bolsistas mais

desenvolvidos. Pelos coeficientes obtidos confirmam-se os efeitos de spill-overs de

proximidade geográfica, ou seja cada umas das bolsas dos mercados bolsistas das

economias emergentes BRIC sofre uma maior influência pela bolsa do mercado bolsista

do país desenvolvido mais próximo, ou seja o Brasil é mais influenciado pelo mercado

bolsista dos Estados Unidos, e consequentemente as bolsas do continente europeu e

asiático são mais influenciadas pela bolsa do mercado bolsista do Reino Unido, embora

a correlação do mercado bolsista asiático com o resto do mundo é mínima.

Também se fez o estudo dos efeitos de spill-overs entre os mercados bolsistas das

economias mais desenvolvidas e os mercados bolsistas das economias emergentes.

Verificando-se pelos coeficientes obtidos, a existência de uma maior influência do

efeito dia-de-semana e feriado (dia de não negociação) que do efeito individual de cada

mercado bolsista emergente BRIC no mercado bolsista da economia mais desenvolvida.

Conforme referimos inicialmente não existe consenso na metodologia, períodos de

tempo e frequência de dados, devendo o investigador e utilizador dos modelos de

volatilidade heterocedásticos utilizar aquela que mais se adapta ao seu propósito,

devendo o modelo ser revisto quando o mesmo se verifica inapropriado, ou seja

recalcular os coeficientes modelo e reestimar os parâmetros do mesmo sempre que o

mesmo se verifique inadequado ou se verifique uma alteração evidente das condições de

mercado.

Como perspectivas para investigações futuras, para além de uma maior profundida no

estudo das características individuais de cada mercado bolsista, seria interessante

verificar do efeito de volatilidade condicionada no estudo da rendibilidade histórica ou

esperada de um activo financeiro composto pelos referidos mercados bolsista das

economias emergentes BRIC, dada a existência no mercado financeiro português deste

produto.

6 REFERÊNCIAS BIBLIOGRAFICAS

Bollerslev, Tim (1986), Generalized autoregressive conditional heteroskedasticity,

Journal of Econometrics, 31, p. 307-327.

Bollerslev, T., J. Wooldridge (1992), “Quasi-Maximum Likelihood Estimation and

Inference in Dynamic Models with Time-Varying Covariances”, Econometrics

Reviews, Vol. 11, p. 143-172.

Brandão, Elísio; Finanças, 5ª edição, Setembro 2008, ISBN: 978-972-955-018-8, p.

490-497

Chelley-Steely, P.L. (2005), Modeling equity market integration using smooth transition

analysis: a study of Eastern European stock markets. Journal of International Money

and Finance 24, p. 818-831.

Chen, G.-M., Firth, M., Rui, O. M. (2002), Stock market linkages: evidence from Latin

America. Journal of Banking and Finance 26, p. 1113-1141.

Cho, Y-H., Linton, O., and Whang, Y-J. (2007), Are there Monday effects in stock

returns: a stochastic dominance approach, Journal of Empirical Finance 14, pp. 736–

755.

Costa, Ana Sofia C. (2009), O efeito de contágio (Spill-Over) entre os mercados

bolsistas, Repositório Institucional do ISCTE-IUL.

DominicWilson e DominicWilson (2003), “DreamingWith BRICs: The Path to 2050”,

The Goldman Sachs Group, Inc., GS FinancialWorkbench® -

http://www.gs.com,

acedido em 02 Agosto 2012.

Engle, Robert F. (1993), Statistical models for financial volatility. Financial Analysts

Journal, p. 72 – 78

Engle, R.F., Gallo, G., Velucchi, M., (2008), A MEM-based analysis of volatility

spillovers in East Asian financial markets. Econometrics Working Papers Archive, WP

Floros, C. (2008), Modelling volatility using GARCH models: evidence from Egypt and

Israel. Middle Eastern Finance and Economics 2, p. 31-41.

French, Kenneth R. (1980), Stock Returns and the Weekend Effect, Journal of Financial

Economics, Volume 8, Issue 1, March 1980, p. 55-69

Glosten , L. R.; Jagannathan, R.; Runkle, D. E . (1993), On the relation between the

expected value and volatility of the nominal excess return on stocks. Journal of Finance,

v. 48, p. 1779-1801.

Goldman Sachs - Global Economics Paper No: 99

James D. Hamilton; “Time Series Analysis”; Janeiro 11,1994; Princeton University

Press; ISBN: 9780691042893

Jens-Peter Kreiß , Thomas Mikosch, Torben Gustav Andersen, Richard A. Davis e Jens-

Peter Kreis; “Handbook of Financial Time Series (1st Edition)”; Maio 20, 2009;

Springer, New York; ISBN: 978-3-540-71296-1

John Beirne, Guglielmo Maria Caporale, Marianne Schulze-Ghattas and Nicola

Spagnolo, Global and Regional Spillovers in Emerging Stock Markets: A Multivariate

GARCH-in-mean Analysis, September 2009

Kiymaz, H. and H. Berument, 2003. The day of the week effect on stock market

volatility and volume: International evidence. Review of Financial Economics.

Kohers, G., Kohers, N., Pandey, V., Kohers, T., 2004. The disappearing day-of-the-

week effect in the world’s largest equity markets. Applied Economics Letters 11, 167-

171

Ng, A., 2000. Volatility spillover effects from Japan and the US to the Pacific Basin.

Journal of International Money and Finance 19, p. 207-233.

Mandelbrot, Benoit (1963), ‘The variation of certain speculative prices’, Journal of

Business 36, p.

Markowitz, H. M.( 1952), “Portfolio selection”. Journal of Finance, v. 7, n. 1, p. 77-91.

Nelson, D. B. (1991), “Conditional Heteroskedasticity in Asset Returns: A New

Approach”, Econometrica, Vol. 59, pp. 347-370.

Li, X.-M., Rose, L.C. (2008), Market integration and extreme co-movements in APEC

emerging equity markets. Applied Financial Economics 18 (2), p. 99-113.

Furriel, Ana Margarida Q. S. (2011), Modelos Heterocedásticos – ARCH e GARCH,

Tese de Mestrado em Métodos Quantitativos para Economia e Gestão.

Scheicher, M. (2001), The comovements of stock markets in Hungary, Poland, and the

Czech Republic. International Journal of Finance and Economics 6, p. 27-39.

Yang, J., Hsiao, C., Qi, L., Wang, Z. (2006), The emerging market crisis and stock

market linkages: further evidence. Journal of Applied Econometrics 21, p. 727-744.

Tay, N.S.P., Zhu, Z. (2000), Correlations in returns and volatilities in Pacific-Rim stock

markets. Open Economies Review 11, p. 27-47.

Ruey S. Tsay; “Analysis of Financial Time Series” (Wiley Series in Probability and

Statistics - 2nd Edition)”; Agosto 30, 2005; John Wiley & Sons INC, 2005 ISBN-13:

978-0471690740

“Weekend Effect/Monday Effect”, Behavioural Finance -

http://calendar-

effects.behaviouralfinance.net, acedido em Agosto 30, 2012.

World Federation of Exchanges members ,“Broad Stock Market Index Levels at Year-

End” and “Domestic Market Capitalization”, The World Federation of Exchanges -

http://www.world-exchanges.org, acedido em Agosto 2, 2012.

Worthington, A., Higgs, H., 2004. Transmission of equity returns and volatility in Asian

developed and emerging markets: a multivariate GARCH analysis. International Journal

of Finance & Economics 9, p. 71-80.

Zakoian, J.M. (1994), “Threshold Heteroskedasticity Models”, Journal of Economic

Dynamics and Control, Vol. 18, p. 931-955.

7 ANEXOS

No documento Efeito Contágio nos Mercados Bolsistas: EUA e Reino Unido versus BRIC'S (páginas 60-68)