Neste trabalho analisaremos a utilização dos modelos de mudança de regime markoviano para a variância condicional. Estes modelos podem estimar de maneira fácil e inteligente a variância condicional não observada em função da variância anterior e do regime. Isso porque, é razoável ter coeficientes variando no tempo dependendo do regime correspondentes à persistência da variância (variância anterior) e às inovações. A noção de que uma série econômica possa ter alguma variação na sua estrutura é antiga para os economistas. Marcucci (2005) comparou diferentes modelos com e sem mudança de regime em termos de sua capacidade para descrever e predizer a volatilidade do mercado de valores dos EUA. O trabalho de Hamilton (1989) foi uns dos mais importantes para o desenvolvimento de modelos com mudança de regime. Inicialmente mostrou que a série do PIB dos EUA pode ser modelada como um processo que tem duas formas diferentes, uma na qual a economia encontra-se em crescimento e a outra durante a recessão. O câmbio de uma fase para outra da economia pode seguir uma cadeia de Markov de primeira ordem. Utilizamos as séries de índice Bovespa e S&P500 entre janeiro de 2003 e abril de 2012 e ajustamos o modelo GARCH(1,1) com mudança de regime seguindo uma cadeia de Markov de primeira ordem, considerando dois regimes. Foram consideradas as distribuições gaussiana, t de Student e generalizada do erro (GED) para modelar as inovações. A distribuição t de Student com mesmo grau de liberdade para ambos os regimes e graus distintos se mostrou superior à distribuição normal para caracterizar a distribuição dos retornos em relação ao modelo GARCH com mudança de regime. Além disso, verificou-se um ganho no percentual de cobertura dos intervalos de confiança para a distribuição normal, bem como para a distribuição t de Student com mesmo grau de liberdade para ambos os regimes e graus distintos, em relação ao modelo GARCH com mudança de regime quando comparado ao modelo GARCH usual. / In this work we analyze heterocedastic financial data using Markov regime switching models for conditional variance. These models can estimate easily the unobserved conditional variance as function of the previous variance and the regime. It is reasonable to have time-varying coefficients corresponding to the persistence of variance (previous variance) and innovations. The economic series notion may have some variation in their structure is usual for economists. Marcucci (2005) compared different models with and without regime switching in terms of their ability to describe and predict the volatility of the U.S. market. The Hamiltons (1989) work was the most important one in the regime switching models development. Initially showed that the series of U.S. GDP can be modeled as a process that has two different forms one in which the economy is growing and the other during the recession. The change from one phase to another economy can follow a Markov first order chain. We use the Bovespa series index and S&P500 between January 2003 and April 2012 and fitted the GARCH (1,1) models with regime switching following a Markov first order chain, considering two regimes. We considered Gaussian distribution, Student-t and generalized error (GED) to model innovations. The t-Student distribution with the same freedom degree for both regimes and distinct degrees showed higher than normal distribution for characterizing the distribution of returns relative to the GARCH model with regime switching. In addition, there was a gain in the percentage of coverage of the confidence intervals for the normal distribution, as well as the t-Student distribution with the same freedom degree for both regimes and distinct degrees related to GARCH model with regime switching when compared to the usual GARCH model.

Neste trabalho analisaremos a utilização dos modelos de mudança de regime markoviano para a variância condicional. Estes modelos podem estimar de maneira fácil e inteligente a variância condicional não observada em função da variância anterior e do regime. Isso porque, é razoável ter coeficientes variando no tempo dependendo do regime correspondentes à persistência da variância (variância anterior) e às inovações. A noção de que uma série econômica possa ter alguma variação na sua estrutura é antiga para os economistas. Marcucci (2005) comparou diferentes modelos com e sem mudança de regime em termos de sua capacidade para descrever e predizer a volatilidade do mercado de valores dos EUA. O trabalho de Hamilton (1989) foi uns dos mais importantes para o desenvolvimento de modelos com mudança de regime. Inicialmente mostrou que a série do PIB dos EUA pode ser modelada como um processo que tem duas formas diferentes, uma na qual a economia encontra-se em crescimento e a outra durante a recessão. O câmbio de uma fase para outra da economia pode seguir uma cadeia de Markov de primeira ordem. Utilizamos as séries de índice Bovespa e S&P500 entre janeiro de 2003 e abril de 2012 e ajustamos o modelo GARCH(1,1) com mudança de regime seguindo uma cadeia de Markov de primeira ordem, considerando dois regimes. Foram consideradas as distribuições gaussiana, t de Student e generalizada do erro (GED) para modelar as inovações. A distribuição t de Student com mesmo grau de liberdade para ambos os regimes e graus distintos se mostrou superior à distribuição normal para caracterizar a distribuição dos retornos em relação ao modelo GARCH com mudança de regime. Além disso, verificou-se um ganho no percentual de cobertura dos intervalos de confiança para a distribuição normal, bem como para a distribuição t de Student com mesmo grau de liberdade para ambos os regimes e graus distintos, em relação ao modelo GARCH com mudança de regime quando comparado ao modelo GARCH usual. / In this work we analyze heterocedastic financial data using Markov regime switching models for conditional variance. These models can estimate easily the unobserved conditional variance as function of the previous variance and the regime. It is reasonable to have time-varying coefficients corresponding to the persistence of variance (previous variance) and innovations. The economic series notion may have some variation in their structure is usual for economists. Marcucci (2005) compared different models with and without regime switching in terms of their ability to describe and predict the volatility of the U.S. market. The Hamiltons (1989) work was the most important one in the regime switching models development. Initially showed that the series of U.S. GDP can be modeled as a process that has two different forms one in which the economy is growing and the other during the recession. The change from one phase to another economy can follow a Markov first order chain. We use the Bovespa series index and S&P500 between January 2003 and April 2012 and fitted the GARCH (1,1) models with regime switching following a Markov first order chain, considering two regimes. We considered Gaussian distribution, Student-t and generalized error (GED) to model innovations. The t-Student distribution with the same freedom degree for both regimes and distinct degrees showed higher than normal distribution for characterizing the distribution of returns relative to the GARCH model with regime switching. In addition, there was a gain in the percentage of coverage of the confidence intervals for the normal distribution, as well as the t-Student distribution with the same freedom degree for both regimes and distinct degrees related to GARCH model with regime switching when compared to the usual GARCH model.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-04-25T19:30:00Z No. of bitstreams: 1 Sabrina Monique Schenato Bredow_.pdf: 1816066 bytes, checksum: dfc2fea0a5369d22e5ec14fc8ea0cd5a (MD5) / Made available in DSpace on 2016-04-25T19:30:00Z (GMT). No. of bitstreams: 1 Sabrina Monique Schenato Bredow_.pdf: 1816066 bytes, checksum: dfc2fea0a5369d22e5ec14fc8ea0cd5a (MD5) Previous issue date: 2016-02-29 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho analisa a influência do recente ciclo de alta dos preços das commodities sobre a entrada de capital externo no Brasil. Para o alcance desse objetivo, foram utilizadas duas metodologias econométricas diferentes: Modelos de Mudanças de Regimes Markovianos e Modelo Vetorial de Correção de Erros (VAR/VEC). O primeiro modelo foi utilizado para delimitar o ciclo de alta dos preços das commodities e para verificar se este período é concomitante ao período de elevação da entrada de capital externo no Brasil. Os resultados apontam que o recente período de alta dos preços das commodities ocorre entre os anos de 2002 e 2014, que é o último ano da amostra utilizada nesta pesquisa. Ademais, os regimes de alta estimados para as exportações, Investimento Estrangeiro Direto (IED) e Investimento Estrangeiro em Carteira (IEC), que são os três principais agregados do Balanço de Pagamentos que representam o ingresso de capitais externos no país, ocorrem em períodos similares ao observado para a série dos preços das commodities. A partir destes resultados, a influência da alta dos preços das commodities sobre a entrada de capital externo no Brasil foi analisada através do emprego da metodologia VAR/VEC, para o período entre o ano de 2002 e 2014, a partir da estimação de três modelos diferentes, um para cada agregado do Balanço de Pagamentos brasileiro. Os resultados apontam que o ciclo de alta dos preços das commodities influenciou significativamente a entrada de dividas externas no Brasil, sendo que os efeitos mais expressivos ocorrem via comércio e entrada de capitais de curto prazo. / This study analyzes the influence of the recent cycle of high commodity prices on foreign capital inflows in Brazil. To achieve this goal, it was used two different econometric methodologies: Markov-Switching Model and Vector Error Correction Model (VAR/VEC). The first model was used to define the cycle of high commodity prices and to check if this period is concomitant to the raise period of foreign capital inflows in Brazil. The results show that the recent period of high commodity prices occurs between the years 2002 and 2014, which is the last year of the sample used in this research. Moreover, the estimated high regime for exports, Foreign Direct Investment and Foreign Portfolio Investment, which are the three main aggregates of the Balance of Payments representing the inflow of foreign capital in the country occur in similar periods to that observed for the series of commodity prices. From these results, the influence of higher commodity prices on foreign capital inflows in Brazil was analyzed through the use of VAR/VEC methodology for the period between 2002 and 2014, from the estimation of three different models, one for each aggregate of the Balance of Payments. The results show that the cycle of high commodity prices significantly influenced the foreign capital inflows in Brazil, with the most significant effects occur via trade and short-term capital inflows.