You are on page 1of 22

O Uso de Dados de Alta Freqncia na Estimao da ue ca Volatilidade e do Valor em Risco para o IBOVESPA*

Joo Maur de Souza Moreira** a cio Eduardo Fac Lemgruber*** o


Sumrio: 1. Introduao; 2. Metodologia e amostra; 3. Resultados; a c 4. Concluso. a Este artigo investiga o uso de dados de alta freqncia na estimaao ue c das volatilidades diria e intradiria do IBOVESPA e no clculo do a a a valor em risco (VaR). Os modelos GARCH e EGARCH so usaa dos em conjunto com mtodos determin e sticos de ltragem de sazonalidade para a previso da volatilidade e do VaR intradirios. a a Uma comparaao com o mtodo no-paramtrico baseado no quanc e a e til emp rico efetuada. No clculo do VaR dirio, dois mtodos e a a e simples de previso buscam captar a informaao de volatilidade a c contida nos dados de alta freqncia. O primeiro utiliza o desvio ue padro amostral com janela mvel e o segundo faz uso da tcnica a o e de alisamento exponencial. Alguns mtodos tradicionais aplicados e a dados dirios so usados para comparaao. No clculo do VaR a a c a dirio, os dois mtodos baseados em dados intradirios apresentaa e a ram bom desempenho. No clculo do VaR intradirio, os resultados a a mostram que a ltragem do padro sazonal indispensvel ` oba e a a tenao de medidas uteis de volatilidades com o uso dos modelos c GARCH e EGARCH. This paper investigates the use of high frequency data in the estimation of daily and intraday volatility, in order to compute value at risk (VaR) forecasts for the IBOVESPA. GARCH models and deterministic methods for the ltering of seasonal patterns are used in the computation of intraday volatility and VaR forecasts. A comparison with a non-parametric method based on the empirical quantile is done. For daily VaR two simple methods seek to extract the volatility information conveyed by the high frequency data. The rst method is based on the sample standard deviation with a moving window, while the second is based on exponencially weighted moving average. Some traditional methods applied to daily data are used for benchmarking. Both methods tested
* Artigo recebido em dez. 2002 e aprovado em mai. 2003. Os autores agradecem a Bolsa de ` Valores de So Paulo pelos dados utilizados neste trabalho. a ** Pesquisador do Departamento de Estudos e Pesquisas do Banco Central do Brasil. *** Professor do COPPEAD/UFRJ.

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

100

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

present good performance. For intraday VaR the results indicate that the ltering of the seasonal pattern is a fundamental step in obtaining useful forecasts of volatility and VaR.

1. Introduo ca
Tradicionalmente o clculo de estimativas da volatilidade de retornos nanceia ros, bem como a sua aplicaao ` determinaao do valor em risco (VaR), tomam c a c como base as variaoes dirias nos preos dos ativos (Goodhart e Ohara, 1997). c a c Contudo, a crescente disponibilidade de dados registrados em intervalos de tempo cada vez mais curtos, somada aos avanos tecnolgicos na rea de computaao, c o a c abriram espao para a investigaao emp c c rica voltada para a anlise e aplicaao dos a c dados de alta freqncia em uma diversidade de aspectos dos mercados nanceiros. ue A possibilidade de se obter estimativas mais precisas de volatilidade tem despertado o interesse de muitos pesquisadores.1 Um benef prtico imediato seria o cio a cmputo de valores em risco que representem com maior acurcia as possibilidades o a de perda. No s o tradicional VaR dirio pode ser beneciado pela informaao a o a c adicional contida nos dados de alta freqncia, como tambm h a possibilidade ue e a de se obter um VaR intradirio voltado para operaoes freqentes em mercados a c u de alta liquidez. Andersen e Bollerslev (1998b,a, 1999) concluem que a expl cita incorporaao c da informaao contida em dados de alta freqncia melhora signicativamente as c ue projeoes da volatilidade dos retornos dirios, tanto na teoria como na prtica. c a a Taylor e Xu (1997) utilizam uma srie de retornos do marco alemo em relaao e a c ao dlar americano, registrados a cada cinco minutos, para avaliar a existncia de o e informaao que seja incremental `quela obtida implicitamente a partir de opoes c a c cambiais. Os resultados corroboram esta possibilidade. Goodhart e Ohara (1997) lembram que os retornos intradirios apresentam comportamento particular sisa temtico, cujo reconhecimento fundamental para a modelagem da volatilidade. a e Usualmente identicado em mercados nanceiros onde a negociaao no vivel c a e a antes da abertura formal do prego, o padro sazonal consiste em valores mximos a a a para a volatilidade na abertura, queda rpida para valores m a nimos no meio do
O interesse no uso de dados de alta freqncia para o estudo da volatilidade em sries ue e nanceiras tem se revelado mais intensamente nos ultimos anos. Contudo, o mtodo do valor e extremo de Parkinson (1980) j buscava mostrar que a estimaao da volatilidade, relativa a sries a c e de retornos de aoes, efetuada com base nas cotaoes mxima e m c c a nima registradas a cada dia e superior aquela computada somente a partir dos preos de fechamento. ` c
1

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

O Uso de Dados de Alta Freqncia na Estimao da Volatilidade e do Valor em Risco para o IBOVESPA ue ca

101

dia, voltando a crescer at o fechamento.2 Entretanto, Andersen e Bollerslev e (1997) alertam que os padres sistemticos observados em sries nanceiras de o a e alta freqncia, em mercados de aoes e de cmbio, so ignorados em boa parte ue c a a da literatura emp rica de microestrutura de mercado, o que explicaria a aparente inadequaao dos modelos tradicionais de volatilidade quando aplicados a sries c e de alta freqncia. Os autores mostram que a estimaao e ltragem do compoue c nente peridico intradirio da volatilidade fact e sua expl o a e vel cita incorporaao c na especicaao dos modelos usados permite eliminar a maior parte das distoroes c c atribu das ao comportamento sazonal. A modelagem do VaR uma aplicaao natural e imediata dos modelos de volae c tilidade. No entanto, apesar dos inmeros estudos acerca da volatilidade de dados u intradirios, pouco se tem escrito sobre a sua aplicaao ao clculo de VaR. Beltratti a c a e Morana (1999) avaliam o uso de dados de alta freqncia para a obtenao de meue c didas de risco. Em particular, os autores buscam avaliar se os resultados obtidos na anlise da volatilidade com dados intradirios trazem implicaoes no clculo a a c a da volatilidade para per odos mltiplos de um dia. Giot (2000b) usa uma srie de u e cotaoes de alta freqncia de aoes da IBM negociadas na bolsa de Nova Iorque c ue c em conjunto com modelos GARCH e EGARCH para caracterizar a volatilidade intradiria, levando em conta a existncia de padres sazonais intradirios. Os moa e o a delos so usados para prever o VaR de 5% para os intervalos de 10 e 15 minutos a seguintes, admitindo distribuiao normal dos retornos ltrados. Na mesma linha, c Giot (2000a) analisa amplos movimentos de preos intradirios atravs da aferiao c a e c do desempenho de diversos modelos paramtricos e no-paramtricos de volatie a e lidade, incluindo os da fam GARCH, o RiskMetrics e os baseados no quantil lia emp rico e na distribuiao de Pareto, na projeao do VaR intradirio. Em outra c c a vertente, Giot e Laurent (2001a) desenvolvem um modelo para computar o VaR dirio a partir do uso de dados intradirios. Mais especicamente, usam a volaa a tilidade realizada diria, dada pela soma dos quadrados dos retornos intradirios a a ao longo de um dia, como uma medida de volatilidade diria agregada para duas a sries de retornos de e ndices de aoes registrados a cada 15 minutos. c O objetivo deste trabalho avaliar o uso de dados de alta freqncia na pree ue viso de volatilidade e clculo do VaR para os horizontes dirio e intradirio, a a a a a partir da srie de cotaoes do IBOVESPA registradas a cada 15 minutos, entre e c abril de 1998 e julho de 2001. Em uma primeira etapa, so avaliadas estimatia
O mesmo padro sazonal se verica para o volume de negociaoes e para o spread entre as a c cotaoes de compra e venda dos ativos. Alguns estudos de microestrutura de mercado buscam c explicar o comportamento da volatilidade intradiria com base na correlaao entre as trs variveis a c e a (ver Goodhart e Ohara (1997)).
2

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

102

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

vas de VaR intradirio calculadas com base nos modelos de volatilidade GARCH a e EGARCH. As distoroes sugeridas pela literatura, decorrentes do fator sazoc nal intradirio, bem como o efeito da aplicaao de procedimentos de ltragem a c de sazonalidade, so evidenciados. Na segunda parte do trabalho so aferidas as a a estimativas de VaR dirio calculadas por mtodos de estimaao de volatilidade a e c que incorporam informaoes contidas nos retornos intradirios. Os resultados no c a ambito intradirio indicam que o uso de dados de alta freqncia com modelos a ue da fam GARCH gera medidas conveis do VaR para os prximos 15 minutos. lia a o No horizonte dirio, o timo desempenho dos mtodos de VaR avaliados, igual a o e ou superior ao de mtodos tradicionais baseados em dados dirios, mostra que os e a dados intradirios podem trazer melhoras signicativas para o VaR de um dia. a Este artigo se desenvolve com a seao 2 descrevendo os dados e a metodoloc gia empregada em seu tratamento, na investigaao estat c stica, na estimaao dos c parmetros dos modelos de previso de volatilidade e na avaliaao dos resultaa a c dos. A seao 3 apresenta os resultados obtidos e a seao 4 rene as concluses e c c u o observaoes nais. c

2. Metodologia e Amostra
Dados de alta freqncia registrados de forma quase cont ue nua demandam modelos que tratem observaoes com diferentes intervalos de tempo entre si. A c organizaao dos dados em intervalos xos de tempo permite o uso de modelos c economtricos tradicionais. O intervalo entre as observaoes deve ser pequeno o e c bastante para dar uma idia precisa da volatilidade intradiria, mas no to pee a a a queno a ponto de gerar muitas observaoes cont c guas idnticas, onde nenhuma e nova informaao transmitida. Giot (2000a) considera timo o intervalo de 15 c e o minutos, enquanto Andersen (2000) acredita que a freqncia de 5 minutos seria, ue aproximadamente, a mais alta para a qual as propriedades da srie no seriam e a distorcidas por aspectos da microestrutura de mercado. Para este estudo, a srie e utilizada composta de cotaoes do Indice da Bolsa de Valores de So Paulo, IBOe c a VESPA, registrados a cada 15 minutos durante o horrio de prego no per a a odo de 6/4/1998 a 19/7/2001, correspondendo a 803 dias uteis e 23.287 observaoes c intradirias. a Em um dia padro, os dados encontram-se organizados em blocos dirios de a a 29 cotaoes, equivalendo a 28 intervalos de 15 minutos, no importando o horrio c a a espec co em que ocorreram, mas sim a sua ordem cronolgica, com foco nas 29 o ultimas cotaoes de cada dia. No banco de dados original, o nmero de cotaoes c u c varia entre 29 e 33 por dia. Com o objetivo de homogeneizar a distribuiao das c
RBE Rio de Janeiro 58(1):99-120 JAN/MAR 2004

O Uso de Dados de Alta Freqncia na Estimao da Volatilidade e do Valor em Risco para o IBOVESPA ue ca

103

observaoes, optou-se por excluir todas as observaoes relativas a dias de expedic c ente reduzido e `s primeiras cotaoes dos dias em que o nmero de observaoes a c u c excede 29.3 Este procedimento levou em conta que a maior parte do per odo em estudo j apresenta originalmente 29 observaoes dirias. a c a A amostra integralmente utilizada na investigaao dos fatos estilizados das e c sries de retornos e na aferiao das projeoes de VaR dirio com base em dae c c a dos intradirios. Para a avaliaao do VaR intradirio usou-se apenas uma parte a c a destes dados, relativa ao per odo de 3/4/2000 a 6/10/2000, totalizando 130 dias uteis e 3.770 cotaoes intradirias. Neste per c a odo o prego apresentou horrio e a a duraao constantes, com 29 cotaoes a cada dia, no sendo necessrio qualquer c c a a ajuste. O padro sazonal intradirio seria impropriamente avaliado se fossem desa a considerados os primeiros retornos registrados no dia. Daqui em diante, o per odo de 6/4/1998 a 19/7/2001 ser referido como amostra completa e o per a odo de 3/4/2000 a 6/10/2000 como amostra reduzida. De acordo com o procedimento usual, so utilizados os retornos logar a tmicos em toda a nossa anlise, retomando-se os retornos efetivos por ocasio da aferiao a a c das projeoes de VaR. Para a amostra completa, seja Pt,0 a primeira cotaao do c c IBOVESPA no dia t (abertura) e seja Rt,j o retorno relativo ao j-simo intervalo e de quinze minutos do dia t, onde t = 1, 2, 3, ..., 802 e j = 1, 2, 3, ..., 28. Para o clculo do primeiro retorno no dia t, tem-se Rt,1 = ln(Pt,1 /Pt1,28 ).4 Para os dea mais retornos intradirios, tem-se Rt,j = ln(Pt,j /Pt,j1 ). E para cada dia, onde a Pt = Pt,28 a cotaao de fechamento em t e Rt = ln(Pt /Pt1 ) o retorno dirio e c e a relativo ao dia t, tem-se Rt = Rt,j . Vale observar que este clculo para o pria meiro retorno incorpora as informaoes relativas ao intervalo entre o fechamento c do prego do dia anterior e a abertura do prego do dia em questo (overnight). 5 a a a Na amostra reduzida, destinada ` avaliaao do VaR intradirio, no h a necesa c a a a sidade de incorporar o overnight no clculo do primeiro retorno, uma vez que se a est apenas interessado no comportamento intradirio da volatilidade. Neste caso, a a tem-se Rt,1 = ln(Pt,1 /Pt,0 ). Os demais retornos so calculados de forma idntica a e ` especicada para a amostra completa. a
Dias com menos de 29 observaoes ocorreram em datas especiais como Quarta-feira de Cinzas c e Vsperas de Natal e Ano Novo, assim como em consequncia de falhas no suprimento de energia e e eltrica. e 4 Ou seja, a primeira cotaao do dia desprezada, conforme procedimento adotado por Giot c e e Laurent (2001a). 5 A incorporaao do overnight deve-se a utilizaao da amostra completa para a estimaao da c ` c c volatilidade diria, tendo por base a relaao Rt = a c Rt,j onde Rt inclui o overnight. Adicionalmente, nos dias em que foram exclu das as primeiras cotaoes, os respectivos retornos so c a adicionados ao overnight no clculo do primeiro retorno. a
3

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

104

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

2.1 Estimao de volatilidade intradiria ca a


Os modelos GARCH e EGARCH utilizados nesta seao usam a srie obtida a c e partir da amostra reduzida, composta de 3.640 retornos intradirios (intervalos de a 15 minutos), no per odo de 3/4/2000 a 6/10/2000. Os primeiros 1.736 retornos (62 dias, 3/4/2000 a 30/6/2000) destinam-se ` estimaao dos parmetros dos modelos a c a e dos ndices de sazonalidade, enquanto que os 1.904 retornos restantes (68 dias, 3/7/2000 a 6/10/2000) so reservados para a avaliaao das estimativas. O padro a c a sazonal recorrente exibido pela volatilidade intradiria foi constatado para a srie a e com a ajuda do autocorrelograma dos quadrados dos retornos. Para a avaliaao da c importncia da sazonalidade intradiria no caso dos retornos do IBOVESPA, so a a a utilizados inicialmente os dados brutos (desconsiderada a sazonalidade), repetindose o procedimento aps a aplicaao de mtodos de ltragem. Para o modelo o c e GARCH usou-se a especicaao representada pelas equaoes: c c
1

Ri = aRi1 + hi2 ei ,

ei N ID (0, 1)

(1) (2)

hi = 0 + 1 e2 + hi1 i1

onde |a| < 1, 0 > 0, 1 0 e 0. O termo autorregressivo na mdia cone dicional busca captar a autocorrelaao de primeira ordem, detectada com alta c signicncia na srie. O a e ndice i refere-se a intervalos de quinze minutos. Para o modelo EGARCH utilizou-se especicaao semelhante, dada pelas equaoes: c c
1

Ri = aRi1 + hi2 ei ,

ei N ID(0, 1) ei1 hi1


1 2

(3)

ln(hi ) = 0 + ln(hi1 ) + 1

ei1
1 2 hi1

(4)

onde o parmetro representativo da existncia de assimetria na resposta da e a e volatilidade ` ocorrncia de retornos positivos e negativos. a e Para a ltragem da sazonalidade intradiria, Andersen e Bollerslev (1997, 1998, a 1999), Taylor e Xu (1997) e Giot (2000b,a) adotam mtodos determin e sticos, enquanto Beltratti e Morana (1999) denem uma sazonalidade estocstica para a a volatilidade intradiria.6 Optou-se por seguir a linha determin a stica por ser mais
O procedimento de ltragem dos retornos busca contornar a inadequaao dos modelos padro c a da fam ARCH para acomodar os padres fortemente c lia o clicos encontrados no n intradirio. vel a Com efeito, aqueles modelos pressupem um decaimento geomtrico na estrutura de autocoro e relaao dos retornos (ver Andersen e Bollerslev (1997)). c
6

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

O Uso de Dados de Alta Freqncia na Estimao da Volatilidade e do Valor em Risco para o IBOVESPA ue ca

105

simples e tendo em vista os resultados de Giot (2000), onde se constatou para este mtodo desempenho semelhante ao obtido por procedimentos estocsticos mais e a complexos. Em uma primeira etapa, necessrio obter estimativas do padro sae a a zonal da volatilidade ao longo do dia. Segundo Taylor e Xu (1997), a soma dos quadrados dos retornos fornece uma estimativa simples de variabilidade e mdias e calculadas em intervalos xos de tempo podem ser usadas para estimar o padro a sazonal. Desta forma, sendo Ij o ndice sazonal relativo ao j-simo intervalo de 15 e minutos, foram estimados os 28 ndices, relativos a cada um dos 28 intervalos de 15 minutos, pela mdia dos quadrados dos retornos vericados em cada intervalo e ao longo dos 62 primeiros dias da amostra: 1 Ij = 62
62 2 Rk,j k=1

j = 1, 2, ..., 28;

k = 1, 2, ..., 62

(5)

Em seguida buscou-se vericar se os padres sazonais seriam signicativamente o diferentes para cada dia da semana. Para isso os 62 dias foram agrupados em cinco subconjuntos, conforme o dia da semana. O mesmo procedimento foi ento a utilizado dando origem a 140 estimativas de ndices sazonais, que reetem o comportamento da volatilidade segundo a hora do dia e o dia da semana, denotados por Ij,s : Ij,s 1 = ns
ns 2 Rk,j,s , j = 1, 2, ..., 28; s = 1, 2, ..., 5; k = 1, 2, ..., ns k=1

(6)

onde ns o nmero de vezes em que um dado dia s da semana aparece durante os 62 e u dias considerados. Alternativamente, foram implementadas algumas modicaoes c no procedimento acima, buscando gerar padres de sazonalidade mais suavizados. o Agora, ao invs de se considerarem apenas os dados relativos ao intervalo j de e 15 minutos, calculou-se Ij,s como a mdia dos quadrados dos retornos vericados e nos intervalos j 1, j e j + 1. No caso do primeiro e do ultimo intervalos, foram considerados apenas os retornos dos intervalos j; j + 1 e j 1;j, respectivamente. Esta espcie de janela mvel horizontal de 45 minutos promove um alisamento e o inicial dos padres de sazonalidade. A m de se obter um conjunto de o ndices para intervalos de 15 minutos ainda mais suavizado, foram descartados os valores relativos aos intervalos pares e aplicou-se aos valores relativos aos intervalos mpares um procedimento de interpolaao por splines cbicas.7 Uma vez calculadas as esc u timativas dos ndices de sazonalidade, podemos obter a srie de retornos ltrados e (dessasonalizados) por:
7

Conforme proposto por Giot (2000b).

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

106

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

Ri yi = i

(7)

onde i denota o componente determin stico de sazonalidade, que assume o valor de Ij para o retorno Ri = Rj , ou seja, quando o retorno se referir ao j-simo e intervalo de 15 minutos. Analogamente, para o caso em que se considerou o dia da semana, i assume o valor de Ij,s , para o retorno Ri = Rj,s , ou seja, quando o retorno se referir ao intervalo j do dia de semana s. Uma vez constru a nova srie yi , o prximo passo consistiu na aplicaao dos da e o c modelos GARCH e EGARCH. Desta forma, novos parmetros foram estimados a a partir dos retornos ltrados, que tambm apresentaram signicativa autocore relaao de ordem 1. As especicaoes GARCH e EGARCH utilizadas so as mesc c a mas dadas por (1), (2), (3) e (4). A previso nal de volatilidade condicional para a ambos os modelos, reincorporando o padro sazonal, a ser utilizada na aplicaao a c ` projeao do VaR dada por a c e hi = i hi (8)

onde hi representa a varincia condicional para a srie de retornos ltrados y i . a e Como parmetro para comparaao, utilizou-se o mtodo de VaR no-parama c e a e trico baseado no quantil emp rico aplicado ` srie de retornos intradirios, relativos a e a ` amostra reduzida. a

2.2 Estimao de volatilidade diria com base em dados intraca a dirios a


Foram utilizados dois mtodos na estimaao da volatilidade diria a partir e c a dos dados de alta freqncia que compem a amostra completa. Na mesma liue o nha adotada para os modelos da seao anterior, o conjunto amostral usado para a c estimaao de parmetros distinto do conjunto usado para a aferiao dos resultac a e c dos. Os parmetros so estimados com base no per a a odo de 6/4/1998 a 29/11/2000 (402 dias e 11.256 retornos intradirios), enquanto que a aferiao do desempea c nho abrange o per odo de 30/11/2000 a 19/7/2001 (400 dias e 11.200 retornos intradirios). a O primeiro mtodo se baseia no uso de uma janela mvel para o clculo do e o a desvio padro amostral. Sendo Rt = a Rt,j e var(Rt ) =var ( Rt,j ), ento var(Rt ) a
RBE Rio de Janeiro 58(1):99-120 JAN/MAR 2004

O Uso de Dados de Alta Freqncia na Estimao da Volatilidade e do Valor em Risco para o IBOVESPA ue ca

107

pode ser estimada diariamente por


28 2 t = i=1 j=1 28

t st,i st,j i,j

(9)

a a matriz de correlaao t , de ordem 28x28 e o vetor de desvios padro [st,j ], c i,j de ordem 1x28, ento t ser dada por s2 = [st,j ] x t x [st,j ] , onde st,j o a 2 a e t i,j transposto de [st,j ]. As estimativas dos desvios padro st,j foram calculadas pela a frmula amostral,8 utilizando uma janela mvel de 30 dias, de forma a detectar o o com rapidez alteraoes no comportamento da volatilidade. Lembrando que as 28 c variveis aleatrias Rj formam na verdade uma unica srie de retornos intradirios a o e a e admitindo a hiptese de estacionariedade fraca, tem-se que o o ndice de correlaao c i,j pode ser substitu pelo do ndice de autocorrelaao de ordem k = |i j|. Desta c o a ndices de autocorrelaoes, c forma, t pde ser montada a partir do clculo de 27 k correspondente `s 27 defasagens existentes em um dia. A janela usada para a consa truao de t foi de 402 dias. Assim, as estimativas s2 so computadas a partir c t a k do 403o dia da amostra, com base nos dados referentes aos 402 dias anteriores. No passo seguinte, a previso de volatilidade diria st , dada pela raiz quadrada de a a s2 , utilizada no clculo do VaR. A matriz t recalculada diariamente, totalie a t k e zando 400 matrizes diferentes, onde a janela mvel de 402 dias (11.256 retornos) o mantida. Dada a estacionariedade dos retornos intradirios, razovel supor e a e a a que o reclculo de t em intervalos maiores no afete signicativamente o resula k tado. Desta forma, repetiu-se o procedimento ampliando o intervalo de reclculo a para 20 dias.9 Adicionalmente, substituiu-se t pela matriz identidade. Com k isto buscou-se avaliar o impacto da hiptese de estacionariedade para a srie de o e t . retornos intradirios e do decorrente uso de k a O segundo mtodo utilizado se baseia no uso de alisamento exponencial, cone sistindo em uma adaptaao do procedimento descrito no documento Riskmec
8 9

onde t o ndice de correlaao entre as sries de retornos vericados nos interc e i,j e valos de quinze minutos de ordem i e j e st,i ,st,j so as estimativas dos respectivos a desvios padro relativos ao dia t. Ou seja, considerou-se que a cada intervalo j a de quinze minutos corresponde uma varivel aleatria Rj , totalizando vinte e oito a o sries de retornos intradirios. Para cada varivel aleatria R j tem-se uma amostra e a a o composta pela seqncia {R1,j , R2,j , ..., R802,j }, j = 1, 2, ..., 28. Considerando-se ue

Dada por St,j =

1 29

30

Rt,j Rj
t=1

1 2

Contudo, [st,j ] permanece sendo recalculado diariamente com janela mvel de 30 dias. o

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

108

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

trics Group (1996), em sua verso para mdia de retornos igual a zero, com um a e parmetro de decaimento = 0, 94 para todas as sries Rt,j .10 a e Assim, para cada uma das 28 sries de retornos de 15 minutos, a varincia e a condicional no dia t relativa ao j-simo intervalo de quinze minutos dada por e e
2 ht,j = ht1,j + (1 ) Rt1,j

(10)

2 onde o parmetro de decaimento e Rt1,j o quadrado do respectivo retorno e a e observado no dia anterior. Uma vez obtidas as estimativas de varincia condicional a para cada dia t e intervalo j de quinze minutos, calculou-se a varincia condicional a diria, pela frmula s2 = [st,j ] x t x [st,j ] , onde [t ] a mesma matriz de a o t k k e autocorrelaao utilizada no mtodo anterior e [st,j ] formado pelos desvios padro c e e a condicionais calculados como a raiz quadrada das varincias condicionais h t,j . A a previso de volatilidade diria st , ento, utilizada para o clculo do VaR dirio. a a e a a a Analogamente ao caso anterior, avaliou-se o clculo da matriz de autocorrelaao a c em intervalos de 20 dias, bem como se substituiu t pela matriz identidade. k Para uma melhor avaliaao destes mtodos, foi tambm calculada a estimac e e tiva de volatilidade diria, para o mesmo per a odo, utilizando-se a srie diria de e a retornos, obtida com base apenas nos preos de fechamento. Os mtodos escolhic e dos foram: desvio padro com janela mvel de 30 dias, alisamento exponencial, a o GARCH e EGARCH. O desvio padro dado pela frmula amostral e os demais a e o modelos seguem as mesmas especicaoes dadas pelas equaoes (1) a (4) e (10). c c

2.3 Clculo e aferio das projeoes de VaR a ca c


Foram computados os valores em risco relativos aos percentis de 1%, 2,5% e 5% (cauda esquerda) e 95%, 97,5% e 99% (cauda direita), para todas as situaoes c consideradas. O desempenho das projeoes de VaR aferido com base no teste de c e Kupiec (1995) para a proporao de vezes em que o quantil previsto ultrapassado. c e Admitindo que os distrbios aleatrios da srie so normalmente distribu u o e a dos, usou-se para os mtodos paramtricos a frmula (11): e e o V aRt (%) = exp (st z% ) 1 (11)

onde z corresponde ao quantil da normal padronizada cuja rea sob a curva de a


10 Apesar de consistir no padro Riskmetrics para o mercado americano, o parmetro de dea a caimento = 0, 94 tambm comumente usado no mercado brasileiro e j foi testado em alguns e e a artigos (ver Lemgruber e Ohanian (2001).

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

O Uso de Dados de Alta Freqncia na Estimao da Volatilidade e do Valor em Risco para o IBOVESPA ue ca

109

densidade ` sua direita % e st a estimativa de volatilidade.11 Assim, o valor a e e em risco obtido na forma de retorno (e no em valor monetrio), podendo ser e a a diretamente comparado ` srie de retornos efetivos, calculados por P i /Pi1 1, a e para efeito de aferiao. No mtodo no-paramtrico baseado no quantil emp c e a e rico, empregado na seao 2.1, o VaR (%) dado diretamente pelo quantil Q ( %) da c e srie composta pelos ultimos m retornos efetivos de 15 minutos. Foram adotadas e janelas mveis de m = 840 observaoes e m = 1.680 observaoes (equivalendo a o c c 30 e 60 dias, respectivamente). So considerados como falhas os eventos em que o retorno vericado inferior a e (maior em mdulo) que o previsto pelo VaR na cauda esquerda, ou maior que o o previsto na cauda direita. Espera-se que a proporao vericada de falhas em c relaao ao total de observaoes esteja prxima de %, que corresponde ao limite c c o arbitrado (proporao terica) para avaliaao do desempenho dos modelos. c o c Aplicou-se `s sries de projeoes de VaR o teste de Kupiec para a proporao de a e c c falhas. Foram constru dos intervalos com 95% de conana para a no rejeiao da c a c hiptese nula para a proporao emp o c rica de vezes em que o VaR foi ultrapassado. 12 Quando a proporao vericada em cada caso esteve contida no respectivo intervalo, c H0 no foi rejeitada. Adicionalmente calculamos o p-valor para as proporoes a c encontradas.

3. Resultados
Esta seao apresenta os resultados organizados em dois blocos. O primeiro c mostra o comportamento da sazonalidade intradiria para o IBOVESPA e o efeito a da ltragem dos padres observados no desempenho do VaR intradirio, tendo por o a base a amostra reduzida. O bloco seguinte mostra os resultados do uso de dados intradirios para clculo do VaR dirio, com base na amostra completa. a a a

3.1 Aferio do VaR intradirio ca a


A tabela 1 permite comparar algumas estat sticas bsicas para as sries de a e retornos dirios e intradirios. A exemplo do que ocorre com a srie diria, a srie a a e a e
Ou seja, z% igual a 2,32 1,96 e 1,64, aproximadamente, para % igual a 1%, 2,5% e e 5%, respectivamente. O uso da funao exponencial na frmula do VaR deve-se ao uso de retornos c o logar tmicos no clculo das estimativas de volatilidade. Com efeito, s t .z representa um quantil a da distribuiao de retornos logar c tmicos. 12 Testa-se a hiptese nula de que a probabilidade emp o rica de se observar falhas igual ao e n pr-especicado para o VaR. vel e
11

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

110

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

de retornos de alta freqncia relativa ` amostra completa apresenta alto ue a ndice de curtose. Cabe ressaltar a forte reduao deste c ndice, de 28,16 para 7,48, quando consideramos a amostra reduzida, onde o overnight exclu e do. Esta reduao c e ainda mais expressiva aps o procedimento de ltragem dos retornos, com o o ndice de curtose chegando a 2,16. A existncia de aglomerados de volatilidade pode ser e inferida com base no autocorrelograma dos quadrados dos retornos da srie ine tradiria (grco 1). Nota-se, tambm, um forte e distintivo padro sazonal para a a e a o processo de volatilidade em formato de J invertido, com valores expressivos no in do dia, decrescendo at meados do per cio e odo dirio e voltando a crescer em sea guida at o nal do dia, denotando a existncia de sazonalidade intradiria no proe e a cesso de volatilidade. Tal padro pode reetir, entre outros fatores, as informaoes a c pblicas acumuladas entre o fechamento do prego em um dia e a abertura no dia u a seguinte, bem como a menor atividade em torno da hora do almoo. O grco 2 c a retrata os ndices de sazonalidade calculados para cada intervalo de 15 minutos e conrma, para a amostra reduzida, a existncia do padro intradirio. J o grco e a a a a 3 indica que pode haver uma inuncia signicativa do dia da semana no come portamento da volatilidade, haja vista os diferentes padres observados. Porm, o e e poss identicar um padro geral caracterizado por picos no in e vales vel a cio no meio do per odo dirio, para todos os dias. Pode-se ainda observar no grco 4 a a o resultado da tcnica de alisamento usada nas estimativas dos padres sazonais, e o cujas formas mais suavizadas contrastam com as anteriores. E interessante, por m, avaliar o efeito do procedimento de ltragem aplicado ` amostra reduzida. O a grco 5 mostra que o padro sazonal foi removido em boa parte, a exemplo do a a que registraram Andersen e Bollerslev (1997, 1998b), Beltratti e Morana (1999), Andersen (2000) e Giot (2000b). Uma comparaao com o autocorrelograma dos c quadrados dos retornos dirios, exibido no grco 6, permite constatar para a srie a a e de alta freqncia um decaimento na estrutura de autocorrelaao mais prximo ue c o dos padres modelados adequadamente por modelos da fam ARCH. o lia Os nmeros relatados nas tabelas 2 e 3 mostram que o uso dos modelos GARCH u e EGARCH com dados de alta freqncia cujo fator sazonal intradirio no foi lue a a trado geram estimativas de volatilidade e projeoes de VaR sem utilidade. Somente c aps a devida incorporaao do fenmeno, os modelos tornaram-se efetivos. O moo c o delo GARCH apresenta projeoes de VaR demasiadamente conservadoras quando c aplicado diretamente aos dados no ltrados, como mostra a tabela 2. Com efeito, a a hiptese nula s mantida para o percentil de 1% em ambas as caudas, sendo o oe rejeitada para os demais n veis pr-especicados para o VaR. H uma sens mee a vel lhora quando se leva em conta a sazonalidade. Numa primeira etapa, a ltragem se d apenas em termos dos intervalos de 15 minutos ao longo do prego, desprea a
RBE Rio de Janeiro 58(1):99-120 JAN/MAR 2004

O Uso de Dados de Alta Freqncia na Estimao da Volatilidade e do Valor em Risco para o IBOVESPA ue ca

111

zando o eventual efeito do dia de semana. Neste caso a hiptese nula rejeitada o e apenas para o percentil de 5%, em ambas as caudas. Ao se considerar tambm o e efeito do dia da semana, mas sem a aplicaao de qualquer procedimento de alisac mento, no h uma melhora consistente, em temos gerais, em relaao ` situaao a a c a c anterior. A hiptese nula passa a ser mantida para 5% na cauda direita, mas o e rejeitada para 1%.
Tabela 1 Estat sticas Descritivas Bsicas da Srie de Retornos Logar a e tmicos do IBOVESPA Per odos de 7/4/1998 a 19/7/2001 (amostra completa - retornos dirios e intradirios) a a e 3/4/2000 a 6/10/2000 (amostra reduzida - retornos intradirios - no ltrados e a a ltrados)
Mdia e Dirios: Amostra 0,000175 a Completa(a) Intradirios: a 0,000006 Amostra Completa(b) Intradirios: a -0,000039 Amostra Reduzida(c) Intradirios: a -0,014636 Amostra Reduzida Filtrada(d) (a) 802 dados; (b) 22.456 dados; (c) e (d) 3.640 dados. Mediana Mximo M a nimo Desvio Padro Curtose Assimetria a 0,000160 0,288248 -0,172377 0,02921 15,919 1,005 0,0000166 0,075707 -0,076488 0,004349 28,164 -0,034

-0,000043 0,022237 -0,028513

0,00343

7,481

-0,357

-0,013410 4,116715 -4,920502

0,882680

2,155

-0,076932

Grfico 1 Funo de autocorrelao da srie de quadrados dos retornos logartmicos de 15 minutos do Ibovespa no perodo de 7/4/1998 a 19/7/2001
,50 ,45 ,40 ,35 ,30 ,25 ,20 ,15 ,10 ,05 ,00 -,05 -,10 1 11 21 31 41 51 61 71 81 6 16 26 36 46 56 66 76 Defasagem em intervalos de 15 minutos

Grfico 2 Padro bruto de sazonalidade dos retornos logartmicos intradirios do Ibovespa por intervalos de 15 minutos ndices estimados com base no perodo de 3/4/2000 a 30/6/2000
Padro sazonal intradirio 0,00012 0,00010 0,00008 0,00006 0,00004 0,00002 0,00000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 Intervalos de 15 minutos

Funo de autocorrelao

Limites do IC Coeficiente

Obs.: os ndices consideram apenas os intervalos de 15 minutos ao longo do prego dirio, no levando em conta o dia da semana em que ocorrem. O padro sazonal resultante no passou por processo de alisamento.

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

Sazonalidade

112

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

Grfico 3 Padres brutos de sazonalidade da volatilidade dos retornos logartmicos de 15 minutos do Ibovespa por dia da semana ndices estimados com base no perodo de 3/4/2000 a 30/6/2000
Segunda-feira 0,00006 0,00005 0,00004 0,00003 0,00002 0,00001 0,00000 0,00014 0,00012 0,00010 0,00008 0,00006 0,00004 0,00002 0,00000 Tera-feira 0,00012 0,00010 0,00008 0,00006 0,00004 0,00002 0,00000 Quarta-feira

1 3 5 7 9 11 13 1517 19 21 23 2527

1 3 5 7 9 11 13 1517 19 21 23 2527

1 3 5 7 9 11 13 1517 19 21 23 2527

Quinta-feira 0,00020 0,00015 0,00010 0,00005 0,00000 1 3 5 7 9 11 13 1517 19 21 2325 27 0,00012 0,00010 0,00008 0,00006 0,00004 0,00002 0,00000

Sexta-feira

1 3 5 7 9 11 13 1517 19 21 2325 27

Obs.: Os padres sazonais de volatilidade (eixo das ordenadas) so estimados com base na mdia dos quadrados dos retornos verificados em intervalos de 15 minutos (eixo das abscissas).

Grfico 4 Padres brutos de sazonalidade da volatilidade dos retornos logartmicos de 15 minutos do Ibovespa por dia da semana, aps interpolao por splines cbicas ndices estimados com base no perodo de 3/4/2000 a 30/6/2000

Segunda-feira 0,00004 0,00003 0,00003 0,00002 0,00002 0,00001 0,00001 0,00000 1 3 5 7 9 1113 1517 19 21232527 0,00008 0,00006 0,00004 0,00002 0,00000

Tera-feira 0,00008 0,00006 0,00004 0,00002 0,00000 1 3 5 7 9 1113 1517 19 21232527

Quarta-feira

1 3 5 7 9 1113 1517 19 21232527

Quinta-feira 0,00010 0,00008 0,00006 0,00004 0,00002 0,00000 1 3 5 7 9 1113 151719 21232527 0,00008 0,00006 0,00004 0,00002 0,00000

Sexta-feira

1 3 5 7 9 11 131517 19 2123 2527

Obs.: Os padres sazonais de volatilidade (eixo das ordenadas) so estimados com base na mdia dos quadrados dos retornos verificados em intervalos de 15 minutos (eixo das abscissas).

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

O Uso de Dados de Alta Freqncia na Estimao da Volatilidade e do Valor em Risco para o IBOVESPA ue ca

113

Grfico 5 Funo de autocorrelao da srie de quadrados dos retornos logartmicos de 15 minutos filtrados do Ibovespa no perodo de 3/4/2000 a 6/10/2000
,40 ,35 ,25 ,20 ,15 ,10 ,05 0,00 -,05 -,10 1 6 11 21 31 41 51 61 71 81 16 26 36 46 56 66 76
Coeficiente

Grfico 6 Funo de autocorrelao da srie de quadrados dos retornos logartmicos dirios do Ibovespa no perodo de 7/4/1998 a 19/7/2001
,35 ,30

Funo de autocorrelao

Funo de autocorrelao

,30

,25 ,20 ,15 ,10 ,05 0,00 -,05 -,10 1 3 5 9 13 17 21 25 29 33 7 11 15 19 23 27 31 35 Coeficiente Limites do IC

Limites do IC

Defasagem em intervalos de 15 minutos

Defasagem em intervalos dirios

Quando se aplica o procedimento de alisamento ` srie de a e ndices sazonais, os resultados apresentam uma melhora em relaao ao desempenho das projeoes c c obtidas anteriormente, marcadamente no tocante ` posiao vendida. Agora, a a c rejeiao ocorre apenas para 5% na posiao comprada como pode ser constatado c c na tabela 2.
Tabela 2 Avaliaao das Estimativas de VaR Intradirio (15 minutos) a partir de Estimativas de c a Volatilidade Geradas pela Aplicaao do Modelo GARCH (1,1) ` Srie dos Retornos c a e Logar tmicos do IBOVESPA - Per odo de 3/4/2000 a 6/10/2000 (amostra reduzida - dados intradirios) a
Cauda Esquerda Cauda Direita Probabilidade do VaR 1% 2,5% 5% 1% 2,5% 5% Dados Brutos Proporao c Sazonalidade Emp rica 0,79% 1,68% 3,10% 1,10% 1,63% 3,26% Intradiria no Filtrada a a p-valor 0,33385 0,01500 0,00005 0,65698 0,00933 0,00020 Sazonalidade Filtrada Proporao c por Per odo de 15 min. Emp rica 1,05% 2,15% 3,73% 0,89% 2,31% 3,36% do dia p-valor 0,82641 0,3212 0,00782 0,63224 0,59255 0,00050 Sazonalidade Sem Proporao c Filtrada por Emp rica 1,31% 2,57% 3,89% 1,89% 3,20% 4,46% Per odo de 15 Alisamento p-valor 0,19027 0,83794 0,02056 0,00051 0,05926 0,27502 min. do Dia e Com Proporao c por Dia da Emp rica 1,16% 2,10% 3,47% 1,10% 2,47% 4,05% Semana Alisamento p-valor 0,50534 0,25153 0,00119 0,65698 0,92967 0,0500 Obs.: Foi aplicado o teste de Kupiec (1995) para a proporao de falhas com 5% de signicncia. c a Os p-valores iguais ou maiores que 0,05 indicam que a hiptese nula, de que a verdadeira o proporao de falhas do modelo igual ao n c e vel pr-especicado para o VaR, no pode ser e a rejeitada ao n vel de signicncia de 5% do teste. a

Os resultados do modelo EGARCH, dispostos na tabela 3, apresentam comporRBE Rio de Janeiro 58(1):99-120 JAN/MAR 2004

114

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

tamento anlogo ao vericado para o modelo GARCH. A melhora do desempenho a aps a ltragem do padro sazonal evidente. No caso em que a sazonalidade o a e e ltrada desconsiderando-se o dia da semana os resultados so superiores, com a rea jeiao da hiptese nula, H0, apenas para 5% na cauda esquerda. O procedimento c o adicional de ltragem por dia da semana gerou uma deterioraao das projeoes de c c VaR, levando ` rejeiao de H0 para 1% em ambas as caudas. O alisamento dos a c padres sazonais promoveu uma recuperaao parcial das projeoes com ltragem o c c por dia da semana, tornando a ocorrer rejeiao de H0 apenas para 5% da cauda c esquerda.
Tabela 3 Avaliaao das Estimativas de VaR Intradirio (15 minutos) a partir de Estimativas de c a Volatilidade Geradas pela Aplicaao do Modelo EGARCH (1,1) ` Srie dos Retornos c a e Logar tmicos do IBOVESPA - Per odo de 3/4/2000 a 6/10/2000 (amostra reduzida dados intradirios) a
Cauda Esquerda Cauda Direita Probabilidade do VaR 1% 2,5% 5% 1% 2,5% 5% Dados Brutos Proporao c Sazonalidade Emp rica 0,74% 1,68% 2,84% 1,10% 1,79% 3,26% Intradiria no Filtrada a a p-valor 0,22317 0,01500 0,00000 0,65698 0,03554 0,00020 Sazonalidade Filtrada Proporao c por Per odo de 15 min. Emp rica 1,21% 2,31% 3,83% 1,00% 2,63% 4,15% do dia p-valor 0,37710 0,59255 0,01510 0,99265 0,72674 0,07962 Sazonalidade Sem Proporao c Filtrada por Emp rica 1,58% 2,78% 4,25% 2,15% 3,20% 4,62% Per odo de 15 Alisamento p-valor 0,01987 0,43615 0,12583 0,00001 0,05926 0,44341 min. do Dia e Com Proporao c por Dia da Emp rica 1,26% 2,36% 3,78% 1,31% 2,78% 4,41% Semana Alisamento p-valor 0,27220 0,70015 0,01094 0,19027 0,43615 0,22985 Os p-valores iguais ou maiores que 0,05 indicam que a hiptese nula, de que a verdadeira o proporao de falhas do modelo igual ao n c e vel pr-especicado para o VaR, no pode ser e a rejeitada ao n vel de signicncia de 5% do teste. a

A tabela 4 exibe os resultados do mtodo no paramtrico do quantil emp e a e rico, adotado para efeito de comparaao. O desempenho do VaR com base na janela c de 840 observaoes (30 dias) apresentou resultados bastante bons, no ocorrendo c a a rejeiao de H0 para qualquer das probabilidades avaliadas.13 J o desempenho c a obtido a partir da janela de 1680 observaoes (60 dias) fraco, ocorrendo a rejeiao c e c de H0 para 5% na cauda esquerda e 2,5% e 5% na cauda direita.
13 Giot (2000a) tambm constatou o bom desempenho deste mtodo para retornos de alta e e freqncia, tendo em vista levar explicitamente em conta a existncia de caudas pesadas para a ue e srie. e

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

O Uso de Dados de Alta Freqncia na Estimao da Volatilidade e do Valor em Risco para o IBOVESPA ue ca

115

Tabela 4 Avaliaao das Estimativas de VaR Intradirio (15 minutos) a partir de Estimativas de c a Volatilidade Geradas pela Aplicaao do Mtodo no Paramtrico Baseado no Quantil c e a e Emp rico ` Srie dos Retornos do IBOVESPA - Per a e odo de 3/4/2000 a 6/10/2000 (amostra reduzida - dados intradirios) a
Cauda Esquerda Probabilidade do VaR 1% 2,5% 5% Proporao c Janela de 840 Emp rica 1,10% 2,89% 5,67% observaoes (30 dias) p-valor 0,656978 0,288934 0,187206 c Proporao c Janela de 1680 Emp rica 0,68% 2,10% 4,04% observaoes (60 dias) p-valor 0,140003 0,251526 0,048067 c Os p-valores iguais ou maiores que 0,05 indicam que a hiptese o proporao de falhas do modelo igual ao n c e vel pr-especicado e rejeitada ao n vel de signicncia de 5% do teste. a 1% Cauda Direita 2,5% 5%

0,95% 2,42% 5,09% 0,808972 0,813306 0,850317 0,68% 1,68% 3,99% 0,140003 0,014999 0,036672 nula, de que a verdadeira para o VaR, no pode ser a

3.2 Aferio do VaR dirio com base em dados intradirios ca a a


Os resultados alcanados nesta seao indicam que poss c c e vel obter projeoes c adequadas para a volatilidade e para o VaR dirio a partir do uso de dados ina tradirios. A avaliaao do mtodo baseado no desvio padro com janela mvel a c e a o aplicado aos retornos de alta frequncia para a obtenao de estimativas de volatie c lidade e projeao de VaR dirios pode ser acompanhada na tabela 5. A hiptese c a o nula aceita para todos os n e veis de segurana pr-especicados para o VaR, tanto c e para a posiao comprada como para a posiao vendida. Contudo, o desempenho c c relativo ` cauda esquerda signicativamente superior, o que pode ser constatado a e atravs dos p-valores. Nota-se ainda que o desempenho relativamente mais fraco e e para o percentil mais extremo, de 1%, em ambos os casos. Conforme esperado, o reclculo da matriz de autocorrelaao de 20 em 20 dias, ao invs de diariamente, a c e no inuiu nos resultados. A substituiao da matriz de autocorrelaao pela maa c c triz identidade ocasionou forte deterioraao dos resultados, marcadamente para c a cauda esquerda onde todas as proporoes emp c ricas cam fora do intervalo de aceitaao de H0. c

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

116

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

Tabela 5 Avaliaao das Estimativas de VaR Dirio a partir de Estimativas de Volatilidade c a Geradas pela Aplicaao do Mtodo Baseado no Desvio Padro com Janela Mvel de c e a o 30 Dias ` Srie dos Retornos Logar a e tmicos Intradirios (15 minutos) do IBOVESPA a Per odo de 7/4/1998 a 19/7/2001 (amostra completa - dados intradirios) a
Cauda Esquerda Cauda Direita Probabilidade do VaR 1% 2,5% 5% 1% 2,5% 5% Com Reclculo Dirio a a Proporao c da Matriz de Emp rica 1,50% 2,50% 5,25% 0,25% 1,75% 4,00% Autocorrelaao c p-valor 0,34938 1,00000 0,81993 0,07142 0,31026 0,34242 Com Reclculo da a Proporao c Matriz de Autocorrelaao Emp c rica 1,50% 2,50% 5,25% 0,25% 1,75% 4,00% a cada 20 dias p-valor 0,34938 1,00000 0,81993 0,07142 0,31026 0,34242 Com a Matriz de Proporao c Autocorrelaao c Emp rica 2,50% 4,75% 8,50% 1,25% 3,75% 6,00% Substitu pela da p-valor 0,01130 0,01020 0,00335 0,62860 0,13550 0,37299 Matriz Identidade

Os p-valores iguais ou maiores que 0,05 indicam que a hiptese nula, de que a verdadeira o proporao de falhas do modelo igual ao n c e vel pr-especicado para o VaR, no pode ser e a rejeitada ao n vel de signicncia de 5% do teste. a

Os resultados do mtodo baseado em alisamento exponencial so semelhantes e a aos resultados do mtodo anterior, como mostra a tabela 6. A hiptese nula e o tambm aceita em todas as situaoes, com desempenho claramente superior para e e c as projeoes de VaR para a posiao comprada. Analogamente ao caso anterior, c c o uso da matriz identidade leva a uma piora considervel do desempenho geral a do modelo. A melhora relativa das proporoes referentes ` posiao vendida no c a c a compensa a forte deterioraao constatada para a posiao comprada. c c
Tabela 6 Avaliaao das Estimativas de VaR Dirio a partir de Estimativas de Volatilidade c a Geradas pela Aplicaao do Mtodo Baseado em Alisamento Exponencial ` Srie dos c e a e Retornos Logar tmicos Intradirios (15 minutos) do IBOVESPA a Per odo de 7/4/1998 a 19/7/2001 (amostra completa - dados intradirios) a
Cauda Esquerda Cauda Direita Probabilidade do VaR 1% 2,5% 5% 1% 2,5% 5% Com Reclculo Dirio a a Proporao c da Matriz de Emp rica 1,50% 2,50% 4,75% 0,50% 1,25% 3,75% Autocorrelaao c p-valor 0,34938 1,00000 0,81711 0,26595 0,07675 0,23094 Com Reclculo da a Proporao c Matriz de Autocorrelaao Emp c rica 1,50% 2,50% 4,75% 0,50% 1,25% 3,75% a cada 20 dias p-valor 0,34938 1,00000 0,81711 0,26595 0,07675 0,23094 Com a Matriz de Proporao c Autocorrelaao c Emp rica 2,50% 4,50% 7,75% 0,75% 3,25% 5,50% Substitu pela da p-valor 0,01130 0,02102 0,01909 0,59905 0,35808 0,65136 Matriz Identidade

Os p-valores iguais ou maiores que 0,05 indicam que a hiptese nula, de que a verdadeira o proporao de falhas do modelo igual ao n c e vel pr-especicado para o VaR, no pode ser e a rejeitada ao n vel de signicncia de 5% do teste. a

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004

O Uso de Dados de Alta Freqncia na Estimao da Volatilidade e do Valor em Risco para o IBOVESPA ue ca

117

A tabela 7 rene os resultados de alguns modelos tradicionais de estimaao de u c volatilidade e projeao de VaR aplicados a retornos dirios, escolhidos para uma c a comparaao com os mtodos avaliados nas tabelas 5 e 6. c e O mtodo de desvio padro com janela mvel de dados e o de alisamento exe a o ponencial com = 0, 94 obtiveram um bom desempenho para a cauda direita, sendo este ultimo o detentor dos melhores resultados em termos gerais. J os dois a modelos da fam GARCH mostraram bom desempenho para a cauda esquerda, lia com destaque para o GARCH (1,1), contrastando com o fraco desempenho da cauda direita. Nenhum dos dois passou no teste de Kupiec para o n de seguvel rana de 5% para a posiao vendida. Em termos gerais, o desempenho mais fraco c c deveu-se ao modelo EGARCH (1,1), apesar da alta signicncia encontrada para a o parmetro indicativo de assimetria e alavancagem. a Em relaao aos mtodos baseados em dados intradirios, poss c e a e vel vericar naqueles um desempenho semelhante ao do EWMA e levemente superior ao me todo de janela mvel de dados (estes com base em dados dirios). J os modelos o a a GARCH e EGARCH se mostraram claramente inferiores.
Tabela 7 Avaliaao das Estimativas de VaR Dirio a partir de Estimativas de Volatilidade Geradas c a pela Aplicaao de Mtodos Tradicionais ` Srie dos Retornos Logar c e a e tmicos Dirios do a IBOVESPA - Per odo de 7/4/1998 a 19/7/2001 (amostra completa - dados dirios) a
Probabilidade do VaR Desvio Padro com Proporao a c Janela Mvel o Emp rica de 30 dias p-valor Alisamento Proporao c Exponencial com Emp rica = 0, 94 p-valor GARCH Proporao c (1,1) Emp rica p-valor EGARCH Proporao c (1,1) Emp rica p-valor Cauda Esquerda 1% 2,5% 5% 1% Cauda Direita 2,5% 5% 5,25% 0,81993 4,75% 0,81711 2,25% 0,00483 2,25% 0,00483

2,00% 3,75% 6,75% 0,75% 3,00% 0,07682 0,13550 0,12646 0,59905 0,53441 1,75% 3,5 % 6,00% 0,75% 2,25% 0,17293 0,22655 0,37299 0,59905 0,74460 0,75% 2,50% 4,00% 0,25% 1,25% 0,59905 1,00000 0,34242 0,07142 0,07675 0,75% 1,75% 3,50% 0,25% 1,25% 0,59905 0,31026 0,14659 0,07142 0,07675

Os p-valores iguais ou maiores que 0,05 indicam que a hiptese nula, de que a verdadeira o proporao de falhas do modelo igual ao n c e vel pr-especicado para o VaR, no pode ser e a rejeitada ao n vel de signicncia de 5% do teste. a

4. Concluso a
Este trabalho busca extrair algumas concluses sobre a estimaao de volatio c lidades diria e intradiria, e seu uso em mtodos de clculo do valor em risco, a a e a a partir da utilizaao de uma srie de dados de alta freqncia do IBOVESPA. c e ue
RBE Rio de Janeiro 58(1):99-120 JAN/MAR 2004

118

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

O padro em forma de J invertido exibido pela funao de autocorrelaao dos a c c quadrados dos retornos intradirios fortemente distintivo em relaao a sries de a e c e retornos dirios. O uso de retornos de alta freqncia nos modelos de volatilia ue dade GARCH e EGARCH, sem o tratamento prvio do fator sazonal, gera fortes e distoroes na previso da volatilidade intradiria. A ltragem da sazonalidade c a a promove uma forte melhora nos resultados, comprovando ser indispensvel sua a aplicaao ao uso daqueles modelos. Ambos os modelos passaram no teste de Kuc piec com 5% de signicncia, para os n a veis de 1% e 2,5% na cauda esquerda e 1%, 2,5% e 5% na cauda direita, com rejeiao da hiptese nula apenas para o n de c o vel 5% da cauda esquerda. O procedimento de ltragem buscando levar em conta o dia da semana em que os retornos ocorrem no contribui signicativamente para a melhorar os resultados, em relaao ` simples ltragem considerando apenas os c a intervalos ao longo do dia em que os retornos so observados. O alisamento das a estimativas dos padres sazonais com o uso de splines cbicas traz melhorias maro u ginais `s estimativas do VaR intradirio. O mtodo no-paramtrico baseado no a a e a e quantil emp rico, por levar em conta as caudas pesadas da distribuiao de retornos c intradirios, mostrou-se uma opao a ser considerada. Contudo, o contraste dos a c resultados obtidos com janelas mveis de diferentes tamanhos inspira cautela na o sua utilizaao e levanta mais uma vez a questo da escolha da janela tima. c a o O uso de dados intradirios para a obtenao de previses da volatilidade diria a c o a e fact e apresenta bons resultados. Ambos os mtodos avaliados passam no teste vel e de Kupiec em todos os n veis pr-especicados para o VaR, com leve superioridade e para o mtodo baseado em alisamento exponencial em relaao ao mtodo baseado e c e no clculo do desvio padro da amostra com o uso de uma janela mvel de 30 dias. a a o De uma forma geral, o desempenho dos mtodos foi melhor que o apresentado pelos e mtodos tradicionais de estimaao de volatilidade diria a partir de retornos dirios e c a a que avaliamos. Destes, apenas o EWMA com = 0, 94 apresentou desempenho semelhante. Cabe ressaltar que os resultados obtidos deixam entrever que os benef cios do uso de dados de alta freqncia no gerenciamento de risco em mercados nanceiros ue podem ser bem maiores. Mtodos de ltragem de sazonalidade que considerem um e padro estocstico para a volatilidade, ou mesmo procedimentos determin a a sticos mais elaborados, bem como modelos de volatilidade que melhor acomodem as caracter sticas espec cas dos dados, podem levar a resultados signicativamente melhores no ambito intradirio. Da mesma forma, os mtodos utilizados para a e estimar a volatilidade diria a partir de retornos intradirios so evidentemente a a a simples. Possivelmente modelos mais sosticados conseguiro extrair informaao a c relevante das sries histricas de alta freqncia que seja signicativamente incree o ue
RBE Rio de Janeiro 58(1):99-120 JAN/MAR 2004

O Uso de Dados de Alta Freqncia na Estimao da Volatilidade e do Valor em Risco para o IBOVESPA ue ca

119

mental `quela fornecida pelas sries dirias, de forma a justicar a maior dicula e a dade operacional que apresentam. Ainda como sugesto para trabalhos futuros, a seria de grande interesse a investigaao dos aspectos aqui abordados com relaao c c a outros mercados da Amrica Latina. e

Referncias e
Andersen, T. G. (2000). Some reections on analysis of high-frequency data. Journal of Business & Economic Statistics, 18(2):146153. Andersen, T. G. & Bollerslev, T. (1997). Intraday periodicity and volatility persistence in nancial markets. Journal of Empirical Finance, (4):115158. Andersen, T. G. & Bollerslev, T. (1998a). Answering the skeptics: Yes, standard volatility models do provide accurate forecasts. International Economic Review, 39(4):885905. Andersen, T. G. & Bollerslev, T. (1998b). Deutsche mark-dollar volatility: Intraday activity patterns, macroeconomic announcements, and longer run dependencies. The Journal of Finance, 53(1):219265. Andersen, T. G. & Bollerslev, T. (1999). Forecasting nancial market volatility: Sample frequency vis-`-vis forecast horizon. Journal of Empirical Finance, a 6:457477. Beltratti, A. & Morana, C. (1999). Computing value at risk with high frequency data. Journal of Empirical Finance, 6:431455. Giot, P. (2000a). Intraday value-at-risk. Department of Quantitative Economics, Maastricht University (Holland) and Center for Operations Research and Econometrics (CORE), UCL (Belgium). Dispon vel em http://www.gloriamundi.org/var/wps.html. Giot, P. (2000b). Time transformations, intraday data and volatility models. Journal of Computational Finance, 4(2):3162. Giot, P. & Laurent, S. (2001a). Modelling daily value-at-risk using realized volatility and arch type models. Department of Quantitative Economics, Maastricht University (Holland) and Center for Operations Research and Econometrics (CORE), UCL (Belgium) - april/2001. Dispon vel em http://www.gloriamundi.org/var/wps.html.
RBE Rio de Janeiro 58(1):99-120 JAN/MAR 2004

120

Joo Maur de Souza Moreira, Eduardo Fac Lemgruber a cio o

Giot, P. & Laurent, S. (2001b). Value-at-risk for long and short trading positions. Department of Quantitative Economics, Maastricht University (Holland) and Center for Operations Research and Econometrics (CORE), UCL (Belgium). Dispon em http://www.gloriamundi.org/var/wps.html. vel Goodhart, C. A. E. & Ohara, M. (1997). High frequency data in nancial markets: Issues and applications. Journal of Empirical Finance, 4:73114. Jorion, P. (1998). Value at risk: A nova fonte de referncia para o controle de e risco de mercado. Bolsa de Mercadorias e Futuros - So Paulo. a Kupiec, P. (1995). Techniques for verifying the accuracy of risk measurement models. Journal of Derivatives, 2:7384. Lemgruber, E. F. & Cunha, J. (2001). Comparaao das metodologias de mapec amento sugeridas pelo RiskMetrics para clculo de risco de mercado de t a tulos pr-xados no Brasil. Publicado em Gesto de Risco e Derivativos: Aplicaoes e a c no Brasil. Lemgruber, E. F. & Ohanian, G. (2001). O modelo de projeao de volatilidade do c RiskMetrics e a hiptese de distribuiao normal condicional para alguns fatores o c de risco do Brasil. Publicado em Gesto de Risco e Derivativos: Aplicaoes no a c Brasil. Moreira, J. M. S. (2002). O uso de dados de alta freqncia na estimaao de volatiue c lidade e valor em risco para o Ibovespa. Orientador: Eduardo Fac Lemgruber. o Rio de Janeiro: UFRJ/COPPEAD, 95 p. Dissertaao de Mestrado. c Parkinson, M. (1980). The extreme value method for estimating the variance of the rate of return. Journal of Business, 53(1):6165. Riskmetrics Group (1996). RiskMetrics - Technical Document. J. P. Morgan, New York. Taylor, S. J. & Xu, X. (1997). The incremental volatility information in one million foreign exchange quotations. Journal of Empirical Finance, 4:317340.

RBE

Rio de Janeiro

58(1):99-120

JAN/MAR 2004