The aim of this work was to assess the causality relation among the set of macroeconomic variables, represented by interest and exchange rates, inflation and Industrial Production Index as proxy of the Gross Internal Product regarding São Paulo Stock Exchange Index (IBOVESPA). The period of analysis was between January 1995 and December 2010 with 192 observations for each variable. Johansen s tests through Estatistical Trace and Maximum Eigenvalue indicated that there is at least one cointegration vector. In the analysis of Granger Causality Tests by way of Error Correction, it was found that there was short-term causality between Consumer Price Index and IBOVESPA. Regarding long-term results of Granger Causality, it was showed behavior of long-term among the macroeconomic variables with IBOVESPA. The results of the long-term of normalized vector for the IBOVESPA variable showed that most of sign parameters of cointegration equation are in agreement with the one suggested by economic theory. In other words, there was a positive behavior regarding Gross Internal Product and a negative one regarding inflation and exchange rate (it was hoped a positive relation) regarding IBOVESPA, except Brazil interest rate, which was not significant with that index. The variable of IBOVESPA was explained in more than 90% by itself in the twelfth month, followed by country-risk with less than 5%. / O objetivo deste trabalho foi de verificar a relação de causalidade entre um conjunto de variáveis macroeconômicas, representadas por taxa de câmbio, taxa de juros, inflação (IPCA), índice de produção industrial como proxy do Produto Interno Bruto em relação ao Índice de Bolsa de Valores de São Paulo (Ibovespa). O período de análise compreendeu os meses de janeiro de 1995 a dezembro de 2010, perfazendo um total de 192 observações para cada variável. Os testes de Johansen, através da estatística do traço e do máximo autovalor, indicaram a existência de pelo menos um vetor de cointegração. Na análise dos testes de causalidade de Granger via correção de erros, ficou constatado que existiu causalidade de curto prazo entre o IPCA e o Ibovespa. No que concerne à causualidade de Granger de longo prazo, os resultados indicaram comportamento de longo prazo entre as variáveis macroeconômicas com o IBOVESPA. Os resultados do vetor normalizado de longo prazo para a variável Ibovespa evidenciaram que a maioria dos sinais dos parâmetros da equação de cointegração estão de acordo com o sugerido pela teoria econômica. Em outras palavras, houve um comportamento positivo do PIB e negativo da inflação e da taxa de câmbio (esperava-se uma relação positiva) em relação ao Ibovespa, com exceção da taxa Selic., que não foi significativa com o referido índice. A variância do Ibovespa foi explicada em mais de 90% por ela mesma no mês 12, seguida do risco-país, com menos de 5%.

Made available in DSpace on 2014-12-17T13:53:32Z (GMT). No. of bitstreams: 1 RenataLRS_DISSERT.pdf: 1647146 bytes, checksum: 4d5eb3f745488991eeacb24559330562 (MD5) Previous issue date: 2011-12-20 / Forecast is the basis for making strategic, tactical and operational business decisions. In financial economics, several techniques have been used to predict the behavior of assets over the past decades.Thus, there are several methods to assist in the task of time series forecasting, however, conventional modeling techniques such as statistical models and those based on theoretical mathematical models have produced unsatisfactory predictions, increasing the number of studies in more advanced methods of prediction. Among these, the Artificial Neural Networks (ANN) are a relatively new and promising method for predicting business that shows a technique that has caused much interest in the financial environment and has been used successfully in a wide variety of financial modeling systems applications, in many cases proving its superiority over the statistical models ARIMA-GARCH. In this context, this study aimed to examine whether the ANNs are a more appropriate method for predicting the behavior of Indices in Capital Markets than the traditional methods of time series analysis. For this purpose we developed an quantitative study, from financial economic indices, and developed two models of RNA-type feedfoward supervised learning, whose structures consisted of 20 data in the input layer, 90 neurons in one hidden layer and one given as the output layer (Ibovespa). These models used backpropagation, an input activation function based on the tangent sigmoid and a linear output function. Since the aim of analyzing the adherence of the Method of Artificial Neural Networks to carry out predictions of the Ibovespa, we chose to perform this analysis by comparing results between this and Time Series Predictive Model GARCH, developing a GARCH model (1.1).Once applied both methods (ANN and GARCH) we conducted the results' analysis by comparing the results of the forecast with the historical data and by studying the forecast errors by the MSE, RMSE, MAE, Standard Deviation, the Theil's U and forecasting encompassing tests. It was found that the models developed by means of ANNs had lower MSE, RMSE and MAE than the GARCH (1,1) model and Theil U test indicated that the three models have smaller errors than those of a na?ve forecast. Although the ANN based on returns have lower precision indicator values than those of ANN based on prices, the forecast encompassing test rejected the hypothesis that this model is better than that, indicating that the ANN models have a similar level of accuracy . It was concluded that for the data series studied the ANN models show a more appropriate Ibovespa forecasting than the traditional models of time series, represented by the GARCH model / Nas organiza??es, a previs?o constitui a base para a tomada de decis?es estrat?gicas, t?ticas e operacionais. Na economia financeira, diversas t?cnicas t?m sido usadas a fim de prever o comportamento de ativos no decorrer das ?ltimas d?cadas. Assim, existem diversos m?todos para auxiliar na tarefa de previs?o de s?ries temporais, entretanto, t?cnicas de modelagem convencionais como modelos estat?sticos e aqueles baseados em modelos matem?ticos te?ricos t?m produzido previs?es insatisfat?rias, aumentando o n?mero de estudos em m?todos mais avan?ados de previs?o. Dentre estes, as Redes Neurais Artificiais (RNA) s?o um m?todo relativamente recente e promissor para a previs?o em neg?cios que se revela uma das t?cnicas que tem causado muito interesse no ambiente financeiro e tem sido utilizado com sucesso em uma ampla variedade de aplica??es de sistemas de modelagem financeiro, provado em muitos casos sua superioridade sobre os modelos estat?sticos ARIMA-GARCH (OLIVEIRA,2007). Nesse contexto, o presente trabalho teve por objetivo analisar se as RNAs s?o um m?todo mais adequado para a previs?o do comportamento de ?ndices em Mercados de Capital do que m?todos tradicionais de an?lise de s?ries temporais. Para tanto, foi desenvolvido um estudo quantitativo que, a partir de ?ndices econ?mico financeiros, elaborou dois modelos de RNA do tipo feedfoward de aprendizado supervisionado, cujas estruturas consistiram em 20 dados na camada de entrada, 90 neur?nios em uma camada oculta e um dado como camada de sa?da (?ndice Ibovespa). Estes modelos utilizaram BackPropagation, fun??o de ativa??o de entrada baseada na tangente Sigmoid e uma fun??o de sa?da linear. Visto o intuito de analisar a ader?ncia do M?todo de Redes Neurais Artificiais ? realiza??o de previs?es do Ibovespa, optou-se por realizar tal an?lise por meio da compara??o de resultados entre este e o M?todo de previs?o em s?ries temporais GARCH, desenvolvendo-se um modelo GARCH (1,1). Uma vez aplicadas ambas as metodologias (RNA e GARCH) e desenvolvidos os modelos, realizou-se a an?lise dos resultados obtidos comparando-se os resultados das previs?es com os dados hist?ricos e estudando-se os erros de previs?o por meio do MSE, RMSE, MAE, Desvio Padr?o, U de Theil e teste abrangente da previs?es. Verificou-se que os modelos desenvolvidos por meio de RNAs apresentaram menores MSE, RMSE e MAE que o modelo de controle e o teste U de Theil indicou que os tr?s modelos estudados apresentam erros menores que os de uma previs?o ing?nua. Embora a RNA baseada em retornos tenha apresentado valores dos indicadores de precis?o inferiores aos da RNA baseada em pre?os, o teste abrangente de regress?es rejeitou a hip?tese de que este modelo seja superior que aquele, indicando que os modelos de RNA apresentam um n?vel semelhante de precis?o. Concluiu-se que, para a s?rie de dados estudada neste trabalho, as Redes Neurais artificiais se mostram um modelo mais adequado de previs?o do que os modelos tradicionais de s?ries temporais, representado neste pelo m?todo GARCH

Este estudo tem como principal objetivo analisar a relação causal entre um conjunto de variáveis macroeconômicas e o mercado acionário brasileiro, aqui representado pelo Ibovespa, e para tal utilizará o enfoque multivariado VAR. Buscou-se analisar o efeito dos choques inesperados nas variáveis macroeconômicas sobre o índice da Bolsa de Valores de São Paulo. O período analisado compreendeu os meses de janeiro de 1995 a dezembro de 2003. O modelo proposto, visando à análise, foi implementado utilizando-se os testes de raiz unitária de Dickey e Fuller Aumentado (ADF) e Perron, de co-integração de Johansen e o método de Auto Regressão Vetorial com Correção de Erro (VEC). Primeiramente empregou-se o VEC convencional seguindo a proposição de Gjerde & Sættem (1999) e Burgstaller (2002). Os resultados obtidos deixaram claro a sua instabilidade. Buscando eliminar esta instabilidade empregou-se o procedimento de Bernanke (1986). Os resultados dos três modelos analisados mostram-se semelhantes. Nas matrizes de relações contemporâneas observam-se relações significativas entre a taxa de câmbio real e a taxa de juros de curto prazo com o Ibovespa. Por sua vez, o preço do petróleo no mercado internacional não explica contemporaneamente o Ibovespa. Nas decomposições das variâncias dos erros de previsão os resultados deixam claro o poder explanatório da taxa de juros de curto prazo sobre o índice da Bolsa de São Paulo. O próprio índice também tem um grande poder explicativo, importância essa não observada quando da análise das outras variáveis empregadas. Conforme verificado na matriz de relações contemporâneas, um choque inesperado na taxa de câmbio real e a taxa de juros de curto prazo leva a uma redução no Ibovespa já no primeiro momento. Os resultados obtidos deixam claro a elevada sensibilidade do Ibovespa frente à taxa de juros real de curto prazo (SELIC), tanto no tocante a decomposição do erro de previsão quanto da função de resposta a impulsos elasticidade. Dentre as variáveis empregadas no presente estudo, a taxa básica de juros da economia é a que mais impacta no índice da BOVESPA. Esse resultado mostra a importância exercida pela taxa de juros na economia brasileira, sugerindo, assim, que os agentes econômicos que investem no mercado acionário brasileiro vêem o investimento em renda fixa como sendo grande substituto das aplicações em ações. / The main objective of this study was to investigate the casual relationship among a sort of macroeconomic variables and the Brazilian stock market, represented here by Ibovespa, using multivariate VAR focus. This meant to analyze the effect of unexpected shocks in macroeconomic variables on São Paulo Stock Exchange index. The period of study was from January 1995, to December 2003. The present model was implemented using augmented Dickey-Fuller test for unit root (ADF) and Perron, Johansen co-integration in VAR models and the method of Vector Auto-Regression with error correction (VEC). First of all, conventional VEC was used according to Gjerde & Saettem (1999) and Burgstaller (2002). Data showed clearly the instability of the process. Aiming to eliminate this instability, Bernanke (1986) procedure was used. Results of the three models analyzed were similar. In contemporaneous relation matrixes were observed significant relations between the real exchange rate and short run interest rate in comparison to Ibovespa. On the other hand, petroleum prices set in the international market do not explain Ibovespa contemporaneously. In variables decomposition of forecast error, data is clear in showing the explanation power of short term interest on São Paulo Stock Exchange index. Index per se explains itself conveniently, what was not observed when analyzed the other variables investigated. As noticed in contemporaneous relation matrix, an unexpected shock in the real exchange rate and the interest rate of short date leads to a reduction in Ibovespa at the first moment. Data obtained showed strong sensibility of Ibovespa in comparison to real short term interest rate (SELIC), when observed the decomposition of the forecast error and function of impulse response of elasticity. Among used variables in this present study, basic interest rate of the economy is the one that most shock in BOVESPA index. This result shows the importance exerted by interest rates in Brazilian economy, suggesting that economic agents that invest in Brazilian stock market are more interested in investment of fixed rent than in stock applications.

[pt] A modelagem do mercado financeiro requer uma descrição completa da estatística dos preços assim como de sua dinâmica. Analisamos as flutuações de preço do mercado de ações brasileiro (IBOVESPA) em escala de tempo intradiária, no período 2002-2004, considerando distribuições q- Gaussianas P(q) (x,t) provenientes da estatística não-extensiva de Tsallis. Estas distribuições são soluções de uma equação de Fokker-Planck (EFP) não-linear, que permite modelar a difusão anômala observada na série temporal de preços de alta freqüência a partir de mecanismos de feedback estatístico na dinâmica de formação de preços. Nossos resultados mostram que, quando retornos de preços são medidos em escalas temporais de até 30 minutos, as distribuições empíricas são bem descritas por q-Gaussianas, com parâmetro não- extensivo q estacionário e com truncamento exponencial das caudas. Através da análise das propriedades de escala temporal dos primeiros momentos das distribuições empíricas, analisamos a consistência entre a evolução temporal observada e a prevista pela EFP não- linear e obtemos os parâmetros do modelo que caracterizam a dinâmica de nosso mercado. A presença de correlação temporal retarda a convergência das distribuições de retornos de preços para o regime Gaussiano de acordo com o T.L.C., surgindo assim um novo regime q-Gaussiano para escalas de tempo curtas, cujo comportamento superdifusivo é regido pela EFP considerada. Nossos resultados indicam que esta modelagem fornece uma descrição adequada para a dinâmica das flutuações de preços intradiárias do IBOVESPA. / [en] The stock market modeling requires a complete statistical description of the price and its dynamics. We analyze the intra-day Brazilian stock market price fluctuations (IBOVESPA), in the period 2002-2004, considering q-Gaussians distributions P(q) (x,t) derived from Tsallis non- extensive statistics. Such distributions are solutions of a non-linear Fokker-Planck equation (F.P.E.), allowing to model the anomalous diffusion found at high frequency price time series from statistical feedback mechanisms in the dynamics of price formation. Our results show that, when returns are measured over intervals less than 30 minutes, the empirical distributions are well fitted by q- Gaussians, with stationary non-extensive parameter q and exponential damped tails. From the time scale properties of the first moments of the empirical distributions, we analyze the consistency between the observed time evolution and the foreseen behavior within the non-linear F.P.E. and get the model parameters that characterize our high frequency market dynamics. The presence of time correlation slows down the convergence of the price return distributions to a Gaussian regime according to C.L.T., giving rise to a new q-Gaussian regime for very short time scales, with super diffusive behavior driven by the considered F.P.E. Our results show that this modeling provides an adequate description of the dynamics of the Brazilian stock market intra-day price fluctuations.

[pt] Este estudo buscou analisar a relação dinâmica entre três variáveis macroeconômicas no Brasil: Taxa de juros, Taxa de câmbio e Índice Ibovespa. A primeira variável analisada foi a taxa de juros, utilizando-se os preços de contratos futuros de taxas CDI negociados na BMeF Bovespa com vencimento em 360 dias e levantados através da plataforma Bloomberg. A segunda variável analisada foi a taxa de câmbio Real/Dolar real histórica fornecida pelo Banco Central do Brasil. A terceira variável analisada foi o Índice Ibovespa levantado pelo programa Economática. Para este estudo, foram coletados dados diários para as três variáveis do período de 04 de janeiro de 1999 a 04 de setembro de 2015 com o objetivo de se estudar a relação dinâmica entre as variáveis e a existência da memória longa e análise dos choques de volatilidade através da aplicação de modelos econométricos. O modelo VAR foi aplicado com 13 lags para a análise da relação dinâmica com o objetivo de estudar o poder explanatório entre as três variáveis. O modelo FIPARCH foi aplicado para testar a existência da memória longa e analisar os impactos dos choques de volatilidade nas variáveis. Os resultados foram significativos e mostraram um maior poder explanatório da taxa de câmbio sobre as demais variáveis, a existência da memória longa e que a volatilidade condicional é mais afetada por choques positivos para o índice Ibovespa e mais afetada por choques negativos para a taxa de câmbio e para a taxa de juros. Este estudo é importante para que profissionais de empresas e do governo planejem suas ações de curto e longo prazo para controle e planejamento da economia e para contribuir com os demais estudos sobre este tema. / [en] This study investigates the dynamic relationship between three macroeconomic variables in Brazil: Interest rate, exchange rate and Ibovespa index. The first variable analyzed was the interest rate, using the prices of futures contracts CDI traded on the BMeF Bovespa maturing in 360 days and raised through the Bloomberg platform. The second variable analyzed was the exchange rate real/dolar real historic provided by the Central Bank of Brazil. The third variable analyzed was the Ibovespa index raised by Economática program. For this study were collected daily data for the three variables between January 4,1999 to September 4, 2015 in order to study the dynamic relationship between the variables and the existence of long-term memory and analysis of shocks volatility by applying econometric models. The VAR model was applied with 13 lags for the analysis of the dynamics related to study the explanatory power between the three variables. The FIPARCH model was applied to test the existence of long memory and analyze the impacts of volatility shocks in the variables. The results were significant and showed a greater explanatory power of the exchange rate on the remaining variables, the existence of long memory and that the conditional volatility is more affected by positive shocks to the Ibovespa index and more affected by negative shocks to the exchange rate and the interest rate. This study is important for professionals in business and government to plan their short and long term actions to control and planning of the economy and to contribute for others studies of this topic.

Made available in DSpace on 2016-04-25T18:40:21Z (GMT). No. of bitstreams: 1 Andre Luiz Ramos.pdf: 981504 bytes, checksum: 372936390016c064dc09cae664a1821a (MD5) Previous issue date: 2007-03-26 / The theory and identification of stock market behavioral reactions should be perceived as a contribution to a better understanding of this financing instrument - the Stock Market. This piece of work aims to study, analyze, and perceive the financial market in order to contribute for a better understanding of reactions not clearly explained by the traditional financial theory. It is an attempt to incorporate some behavior theories in a way to add to the explanations about some market movements not only the economical, financial, or political variables, but also information on how human beings react as investors in several situations they are exposed to. After this theoretical work, it was carried out a study trying to prove the existence of financial market anomalies in Brazilian market. I was used some statistical approach of BOVESPA Index, based on a number of data accrued from BOVESPA price closure daily indexes. Such information was obtained at the Broadcast database and covers the period from March 1997 to July 2005. The statistical analysis of market inefficiency was not able to prove the existence of price barriers once prices didn t reflect the true value around the psychological levels of reference. Therefore, this study could not infer in the existence of irrationality according to its parameters. However, it didn t infer in the inexistence of this proposition either, because in current market globalization, indexes are not analyzed in the light of the same conversion unit, and this might be the reason why statistics research has not been successful / A teoria e a identificação de reações comportamentais no mercado de capitais devem ser entendidas como uma contribuição à melhor compreensão deste instrumento de capitalização que é a Bolsa de Valores. Neste trabalho tem-se o objetivo de estudar, analisar e compreender o mercado financeiro, contribuindo para melhor entender as reações não explicadas com clareza pela teoria tradicional de finanças. Procurou-se incorporar teorias de comportamento de forma a acrescentar às justificativas de alguns movimentos de mercado, não somente as variáveis econômicas, financeiras ou políticas, mas também informações sobre como o ser humano, na qualidade de investidor, reage frente às diversas situações às quais se expõe. Feita a revisão teórica, elaborou-se um estudo que procura demonstrar anomalias no mercado de ações brasileiro. Utilizou-se uma abordagem estatística em torno do Índice Bovespa, baseada em uma série de dados resultantes do índice diário do seu preço de fechamento. Essas informações foram obtidas junto ao banco de dados da empresa BroadCast e abrange o período de março de 1997 até julho de 2005. A análise estatística sobre a ineficiência de mercado não comprovou a existência de barreiras de preço, uma vez que os preços não refletiriam o verdadeiro valor em torno dos níveis de referência psicológicos. Assim, os resultados do estudo não permitem concluir que exista irracionalidade, de acordo com os parâmetros utilizados neste trabalho. Entretanto, não se pode excluir tal hipótese, pois devido à atual globalização dos mercados, os índices não são analisados à luz da mesma unidade de conversão, e esta poderia ser uma das causas do insucesso da pesquisa estatística

Neste trabalho estudamos diferentes variantes dos modelos GARCH quando consideramos a chegada da informação heterogênea sob a forma de dados de alta freqüência. Este tipo de modelos, conhecidos como HARCH(n), foram introduzidos por Muller et al. (1997). Para entender a necessidade de incorporar esta característica da heterogeneidade da informação, estudamos o problema da agregação temporal para processos GARCH e a modelagem destes em dados de alta freqüência e veremos quais são as desvantagens destes modelos e o porquê da necessidade de corrigi-lo. Propusemos um novo modelo que leva em conta a heterogeneidade da informação do mercado financeiro e a memória longa da volatilidade, generalizando assim o modelo proposto por Müller et al.(1997), e estudamos algumas das propriedades teóricas do modelo proposto. Utilizamos estimação via máxima verossimilhança e amostrador de Griddy-Gibbs, e para avaliar o desempenho destes métodos realizamos diversas simulações. Também fizemos aplicações a duas séries de alta freqüência, a taxa de câmbio Euro- Dólar e o índice Ibovespa. Uma modificação ao algoritmo de Griddy-Gibbs foi proposta, para ter uma janela móvel de pontos, para a estimação das distribuições condicionais, a cada iteração. Este procedimento foi validado pela proximidade das estimações com a técnica de máxima verossimilhança. Disponibilizaremos algumas bibliotecas para o pacote S-Plus em que as análises descritas neste trabalho poderão ser reproduzidas. Informações relativas a tais bibliotecas estarão disponíveis na página Web http://www.ime.usp.br/~ruilova. / In this work we study different variants of GARCH models to analyze the arrival of heterogeneous information in high frequency data. These models, known as HARCH(*n*) models, were introduced by Müller et al.(1997). To understand the necessity to incorporate this characteristic, heterogeneous information, we study temporal aggregation on GARCH processes for high frequency data, and show some problems in the application of these models and the reason why it is necessary to develop new models. We propose a new model, that incorporates the heterogeneous information present in the financial market and the long memory of the volatility, generalizing the model considered by Müller et al.(1997). We propose to estimate the model via maximum likelihood and Griddy-Gibbs sampler. To assess the performance of the suggested estimation procedures we perform some simulations and apply the methodology to two time series, namely the foreign exchange rate Euro-Dollar and the series of the Ibovespa index. A modification of the algorithm of Griddy-Gibbs sampler was proposed to have a grid of points in a mobile window, to estimate the condicional distributions, in each iteration. This was validated by the similar results between maximum likelihood and Griddy-Gibbs sampler estimates obtained. We implemented the methods described in this work creating some libraries for the SPlus package. Information concerning these libraries is available in the Web page http://www.ime.usp.br/~ruilova.

Submitted by Timbo Noeme (noeme.timbo@metodista.br) on 2016-08-08T18:55:47Z No. of bitstreams: 1 DanielaAndrade.pdf: 1158813 bytes, checksum: 7d18c40338f8288dcdc269c8c9505c85 (MD5) / Made available in DSpace on 2016-08-08T18:55:47Z (GMT). No. of bitstreams: 1 DanielaAndrade.pdf: 1158813 bytes, checksum: 7d18c40338f8288dcdc269c8c9505c85 (MD5) Previous issue date: 2015-12-16 / The most liquid shares of the IBOVESPA index, reflect the behavior of stocks in general, and the relationship of macroeconomic variables in their behavior and are among the most actively traded securities in the Brazilian capital market. Thus, one can understand that there are consequences of factors that impact the most liquid companies that define the behavior of macroeconomic variables and the reverse is also true, fluctuations in macroeconomic factors also affect the most liquid stocks, as IPCA, GDP Selic and exchange rates. The study proposes an analysis of the relationship between macroeconomic variables and the behavior of most liquid shares of the IBOVESPA bovespa index, corroborating studies that seek to understand the influence of macroeconomic factors on the stock price and empirically contributing to the formation of investment portfolios. The work covered the period from 2008 to 2014. The results concluded that the formation of portfolios in order to protect the invested capital, must contain assets with negative correlation in relation to variables, which makes possible the composition of a reduced risk with portfolio. / As ações de maior liquidez do índice IBOVESPA, refletem o comportamento das ações de um modo geral, bem como a relação das variáveis macroeconômicas em seu comportamento e estão entre as mais negociadas no mercado de capitais brasileiro. Desta forma, pode-se entender que há reflexos de fatores que impactam as empresas de maior liquidez que definem o comportamento das variáveis macroeconômicas e que o inverso também é uma verdade, oscilações nos fatores macroeconômicos também afetam as ações de maior liquidez, como IPCA, PIB, SELIC e Taxa de Câmbio. O estudo propõe uma análise da relação existente entre variáveis macroeconômicas e o comportamento das ações de maior liquidez do índice IBOVESPA, corroborando com estudos que buscam entender a influência de fatores macroeconômicos sobre o preço de ações e contribuindo empiricamente com a formação de portfólios de investimento. O trabalho abrangeu o período de 2008 a 2014. Os resultados concluíram que a formação de carteiras, visando a proteção do capital investido, deve conter ativos com correlação negativa em relação às variáveis estudadas, o que torna possível a composição de uma carteira com risco reduzido.

Neste trabalho estudamos diferentes variantes dos modelos GARCH quando consideramos a chegada da informação heterogênea sob a forma de dados de alta freqüência. Este tipo de modelos, conhecidos como HARCH(n), foram introduzidos por Muller et al. (1997). Para entender a necessidade de incorporar esta característica da heterogeneidade da informação, estudamos o problema da agregação temporal para processos GARCH e a modelagem destes em dados de alta freqüência e veremos quais são as desvantagens destes modelos e o porquê da necessidade de corrigi-lo. Propusemos um novo modelo que leva em conta a heterogeneidade da informação do mercado financeiro e a memória longa da volatilidade, generalizando assim o modelo proposto por Müller et al.(1997), e estudamos algumas das propriedades teóricas do modelo proposto. Utilizamos estimação via máxima verossimilhança e amostrador de Griddy-Gibbs, e para avaliar o desempenho destes métodos realizamos diversas simulações. Também fizemos aplicações a duas séries de alta freqüência, a taxa de câmbio Euro- Dólar e o índice Ibovespa. Uma modificação ao algoritmo de Griddy-Gibbs foi proposta, para ter uma janela móvel de pontos, para a estimação das distribuições condicionais, a cada iteração. Este procedimento foi validado pela proximidade das estimações com a técnica de máxima verossimilhança. Disponibilizaremos algumas bibliotecas para o pacote S-Plus em que as análises descritas neste trabalho poderão ser reproduzidas. Informações relativas a tais bibliotecas estarão disponíveis na página Web http://www.ime.usp.br/~ruilova. / In this work we study different variants of GARCH models to analyze the arrival of heterogeneous information in high frequency data. These models, known as HARCH(*n*) models, were introduced by Müller et al.(1997). To understand the necessity to incorporate this characteristic, heterogeneous information, we study temporal aggregation on GARCH processes for high frequency data, and show some problems in the application of these models and the reason why it is necessary to develop new models. We propose a new model, that incorporates the heterogeneous information present in the financial market and the long memory of the volatility, generalizing the model considered by Müller et al.(1997). We propose to estimate the model via maximum likelihood and Griddy-Gibbs sampler. To assess the performance of the suggested estimation procedures we perform some simulations and apply the methodology to two time series, namely the foreign exchange rate Euro-Dollar and the series of the Ibovespa index. A modification of the algorithm of Griddy-Gibbs sampler was proposed to have a grid of points in a mobile window, to estimate the condicional distributions, in each iteration. This was validated by the similar results between maximum likelihood and Griddy-Gibbs sampler estimates obtained. We implemented the methods described in this work creating some libraries for the SPlus package. Information concerning these libraries is available in the Web page http://www.ime.usp.br/~ruilova.

[pt] Este estudo tem como objetivo averiguar, primeiramente, se o índice de volatilidade implícita brasileiro, o IVol-BR, pode ser considerado um indicador antecedente dos retornos futuros do mercado acionário brasileiro dado que o IVol-BR representa a volatilidade esperada do índice Bovespa (Ibovespa) dois meses à frente. Esta pesquisa examina, por meio de regressão por mínimos quadrados e regressão quantílica, a relação entre o IVol-BR e os retornos futuros de 1, 5, 20 e 60 dias do Ibovespa. Em seguida, este trabalho investiga se o IVol-BR pode ser considerado um indicador antecedente dos retornos futuros setoriais. Os setores econômicos considerados neste estudo são: consumo, energia elétrica, financeiro, materiais básicos, imobiliário, industrial e utilidade pública. É importante notar que o período de análise selecionado é entre agosto de 2011 e setembro de 2018. Os resultados obtidos sugerem que o IVol-BR pode auxiliar na previsão dos retornos futuros do Ibovespa e dos setores econômicos, principalmente, para retornos futuros de 20 e 60 dias. / [en] The objective of this study is to investigate the forecasting power of Brazil s implied volatility index, the IVol-BR, on future Brazilian stock market returns since the IVol-BR measures the expected volatility of the Brazilian stock index (Ibovespa) two months ahead. This research examines the relationship between the IVol-BR and 1-, 5-, 20- and 60-days future Ibovespa returns using the least-squares and quantile regressions methods. This study also investigates the forecasting power of IVol-BR on future economic sectors returns. The economic sectors considered in this paper are: consumer, electricity, financials, basic materials, real estate, industrials, and public utilities. It is important to note that the research analysis period is from August 2011 to September 2018. Overall, results suggest that the IVol-BR may help predict Ibovespa and economic sectors forward looking returns, mainly 20- and 60-days future returns.