Mudanças no comportamento dos retornos de alguns índices setoriais da Bovespa: uma análise a partir de Markov Switching
Resumen
O objetivo deste trabalho é verificar possíveis mudanças de regime da média e da variância do retorno de alguns índices setoriais do mercado acionário brasileiro (Índice de Fundos de Investimento Imobiliário (IFIX), Índice de Consumo (ICON), Índice do Setor Industrial (INDX) e Índice Financeiro (IFNC)), considerando o período entre janeiro de 2011 e dezembro de 2022. Como metodologia, utilizou-se o modelo Markov-Switching Autorregressivo (MS-AR) de dois estados proposto por Hamilton (1989). Os resultados revelaram a presença de um regime de baixa volatilidade (regime 1) e outro de alta volatilidade (regime 2), sendo que o de baixa volatilidade é mais persistente, ou seja, a probabilidade de permanência neste regime é maior que a do regime de alta volatilidade. Esses insights empíricos têm implicações importantes para investimentos de portfólio.
Descargas
La descarga de datos todavía no está disponible.
Citas
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.
Publicado
2024-02-08
Cómo citar
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
Sección
Artigos
Derechos de autor 2024 A Economia em Revista - AERE
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.
