Mudanças no comportamento dos retornos de alguns índices setoriais da Bovespa: uma análise a partir de Markov Switching
Abstract
The objective of this paper is to verify possible changes in the regime of the mean and variance of the return of some sectoral indexes of the Brazilian stock market (Real Estate Investment Fund Index (IFIX), Consumer Index (ICON), Industrial Sector Index (INDX) and Financial Index (IFNC)), considering the period between January 2011 and December 2022. As a methodology, the two-state Markov-Switching Autoregressive (MS-AR) model proposed by Hamilton (1989) was used. The results revealed the presence of a regime of low volatility (regime 1) and another of high volatility (regime 2), with the low volatility regime being more persistent, that is, the probability of remaining in this regime is greater than that of the regime of high volatility. These empirical insights have important implications for portfolio investing.
Downloads
Download data is not yet available.
References
ANTUNES, J. L. (2017). O impacto da integração dos mercados financeiros no crescimento econômico. Dissertação (Mestrado em Gestão) - Escola Superior de Tecnologia e Gestão de Leiria, Instituto politécnico de Leiria. Portugal.
BROCKWELL, P. J.; DAVIS, R. A. (2016). Introduction to time series and forecasting. 3. ed. [S.l.]: Springer International Publishing.
CARVALHO, S. D.; NOGUEIRA. (2020). Mercado de Trabalho: conjuntura e análise. Instituto de Pesquisa Econômica Aplicada (Ipea). Rio de Janeiro.
CERETTA, P. S. Investigando a Presença do Caos no Ibovespa. Revista Eletrônica de Administração, v. 8, n. 5, 2013.
CHKILI, ; NGUYEN, D. K. (2014). Exchange rate movements and stock market returns in a regime-switching environment: evidence for BRICS countries. Research in International Business and Finance, 31, 46-56.
CORREA, A. D. S. (2003). Diferenças e semelhanças entre Países da América Latina: uma análise de markov switching para os ciclos econômicos de Brasil e Argentina. Banco Central do Brasil. [S.l.].
COSTA, D. S. (2020). Pandemia e desemprego no Brasil. Revista de Administração Pública, 54(4), 969-978.
DAVIES, R. B. (1987). Hypothesis testing when a nuisance parameter is present only under the alternatives. Biometrika, 74(1), 33-43.
DE BOLLE, M. (2016). Como matar a borboleta-azul: Uma crônica da era Dilma. 1. ed. [S.l.]: Intrínseca.
DICKEY, D.; FULLER, W. (1981). likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 16(4), 1057-1072.
DICKEY, D. A.; FULLER, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366), 427-431.
FRANSES, P. H.; DIJK, D. V. (2020). Non-linear time series models in empirical finance. 1. ed. Nova York: Cambridge: Cambridge University Press.
FUINHAS, J. A.; MARQUES, A. C.; NOGUEIRA, D. C. (2014). Integration of the indexes SP500, FTSE100, PSI20, HSI and IBOVESPA: A VAR approach. Munich Personal RePEc Archive.
GARCIA, R.; PERRON, P. (1996). An Analysis of the real interest rate under regime shifts. The Review of Economics and Statistics, 78(1), 111-125.
GOLDFAJN; M. (2003). Capital flows and controls in Brazil? Brazilian Journal of Political Economy, 23(1).
GUJARATI, D. N.; PORTER, D. C. (2011). Econometria básica. 5ª ed. Porto Alegre: McGrawHill/Bookman.
HAMILTON, J. A. (1989). New approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(3), 357-384.
JÚNIOR, M. V. W.; ZUANAZZI, P. T. (2014). A sensibilidade de ativos em diferentes ambientes de risco: uma análise para empresas gaúchas. Ensaios FEE, 35(1), 231-248.
KROLZIG, H. (1997). Markov-Switching vector autoregressions: modelling, statistical inference, and application to business cycle analysis. Berlin: Springer, 454.
LÉLIS, M. T. C.; CUNHA, A. M.; LINCK, P. (2019). O choque nos preços das commodities e a economia brasileira nos anos 2000. Revista de Economia Política, 39(3), 427-448.
LUENBERGER, D. G. (2013). Investment Science. 2. ed. Nova York: Oxford University Press.
MACHADO, M. R. R.; MACHADO, L. D. S.; GARTNER, I. R. (2017). Relação entre Ibovespa e variáveis macroeconômicas: evidências a partir de um modelo Markov-Switching. Revista Brasileira de Finanças, 15(3), 435-468.
MARKOWITZ, H. (1952). Portfolio Selection. American Finance Association, 7(1), 77-91.
MENDONÇA, M. J. C. D.; SANTOS, C. H. M. D.; SACHSIDA, A. (2009). Revisitando a função de reação fiscal no Brasil pós-real: uma abordagem de mudanças de regime. Estudos Econômicos, 39(4), 873-894.
MERIC, G. et al. (2001). Co-movements of U.S. and Latin American equity markets before and after the 1987 crash. International Review of Financial Analysis, 10(3), 219-235.
SILVA, C. A. G. D. (2021). A influência da pandemia COVID-19 na volatilidade dos índices de mercado de ações (Ibovespa): aplicação do modelo Markov Switching Autoregressivo. Brazilian Journal of Business, São José dos Pinhais, 3(3), 2445-2458.
TAVARES, D. S.; CALDEIRA, J. F. (2021). CAPM - Markov Switching e Kalman Filter: uma aplicação aos índices setoriais de sustentabilidade e governança da B³. Análise Econômica, 39 (80), 171-195.
WANG, P.; THEOBALD, M. (2008). Regime-switching volatility of six East Asian emerging markets. Research in International Business and Finance, 22(3), 267-283.
BROCKWELL, P. J.; DAVIS, R. A. (2016). Introduction to time series and forecasting. 3. ed. [S.l.]: Springer International Publishing.
CARVALHO, S. D.; NOGUEIRA. (2020). Mercado de Trabalho: conjuntura e análise. Instituto de Pesquisa Econômica Aplicada (Ipea). Rio de Janeiro.
CERETTA, P. S. Investigando a Presença do Caos no Ibovespa. Revista Eletrônica de Administração, v. 8, n. 5, 2013.
CHKILI, ; NGUYEN, D. K. (2014). Exchange rate movements and stock market returns in a regime-switching environment: evidence for BRICS countries. Research in International Business and Finance, 31, 46-56.
CORREA, A. D. S. (2003). Diferenças e semelhanças entre Países da América Latina: uma análise de markov switching para os ciclos econômicos de Brasil e Argentina. Banco Central do Brasil. [S.l.].
COSTA, D. S. (2020). Pandemia e desemprego no Brasil. Revista de Administração Pública, 54(4), 969-978.
DAVIES, R. B. (1987). Hypothesis testing when a nuisance parameter is present only under the alternatives. Biometrika, 74(1), 33-43.
DE BOLLE, M. (2016). Como matar a borboleta-azul: Uma crônica da era Dilma. 1. ed. [S.l.]: Intrínseca.
DICKEY, D.; FULLER, W. (1981). likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 16(4), 1057-1072.
DICKEY, D. A.; FULLER, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366), 427-431.
FRANSES, P. H.; DIJK, D. V. (2020). Non-linear time series models in empirical finance. 1. ed. Nova York: Cambridge: Cambridge University Press.
FUINHAS, J. A.; MARQUES, A. C.; NOGUEIRA, D. C. (2014). Integration of the indexes SP500, FTSE100, PSI20, HSI and IBOVESPA: A VAR approach. Munich Personal RePEc Archive.
GARCIA, R.; PERRON, P. (1996). An Analysis of the real interest rate under regime shifts. The Review of Economics and Statistics, 78(1), 111-125.
GOLDFAJN; M. (2003). Capital flows and controls in Brazil? Brazilian Journal of Political Economy, 23(1).
GUJARATI, D. N.; PORTER, D. C. (2011). Econometria básica. 5ª ed. Porto Alegre: McGrawHill/Bookman.
HAMILTON, J. A. (1989). New approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(3), 357-384.
JÚNIOR, M. V. W.; ZUANAZZI, P. T. (2014). A sensibilidade de ativos em diferentes ambientes de risco: uma análise para empresas gaúchas. Ensaios FEE, 35(1), 231-248.
KROLZIG, H. (1997). Markov-Switching vector autoregressions: modelling, statistical inference, and application to business cycle analysis. Berlin: Springer, 454.
LÉLIS, M. T. C.; CUNHA, A. M.; LINCK, P. (2019). O choque nos preços das commodities e a economia brasileira nos anos 2000. Revista de Economia Política, 39(3), 427-448.
LUENBERGER, D. G. (2013). Investment Science. 2. ed. Nova York: Oxford University Press.
MACHADO, M. R. R.; MACHADO, L. D. S.; GARTNER, I. R. (2017). Relação entre Ibovespa e variáveis macroeconômicas: evidências a partir de um modelo Markov-Switching. Revista Brasileira de Finanças, 15(3), 435-468.
MARKOWITZ, H. (1952). Portfolio Selection. American Finance Association, 7(1), 77-91.
MENDONÇA, M. J. C. D.; SANTOS, C. H. M. D.; SACHSIDA, A. (2009). Revisitando a função de reação fiscal no Brasil pós-real: uma abordagem de mudanças de regime. Estudos Econômicos, 39(4), 873-894.
MERIC, G. et al. (2001). Co-movements of U.S. and Latin American equity markets before and after the 1987 crash. International Review of Financial Analysis, 10(3), 219-235.
SILVA, C. A. G. D. (2021). A influência da pandemia COVID-19 na volatilidade dos índices de mercado de ações (Ibovespa): aplicação do modelo Markov Switching Autoregressivo. Brazilian Journal of Business, São José dos Pinhais, 3(3), 2445-2458.
TAVARES, D. S.; CALDEIRA, J. F. (2021). CAPM - Markov Switching e Kalman Filter: uma aplicação aos índices setoriais de sustentabilidade e governança da B³. Análise Econômica, 39 (80), 171-195.
WANG, P.; THEOBALD, M. (2008). Regime-switching volatility of six East Asian emerging markets. Research in International Business and Finance, 22(3), 267-283.
Published
2024-02-08
How to Cite
Dreissig, F. W., & Monte, E. Z. (2024). Mudanças no comportamento dos retornos de alguns índices setoriais da Bovespa: uma análise a partir de Markov Switching. A Economia Em Revista - AERE, 31(3). https://doi.org/10.4025/econrev.v31i3.70410
Section
Artigos
Copyright (c) 2024 A Economia em Revista - AERE
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
