Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2015-06-26T17:56:20Z No. of bitstreams: 1 CleiaDuarteMachado.pdf: 663088 bytes, checksum: dee11069e4c8adc0f1abe00e964f5b4c (MD5) / Made available in DSpace on 2015-06-26T17:56:20Z (GMT). No. of bitstreams: 1 CleiaDuarteMachado.pdf: 663088 bytes, checksum: dee11069e4c8adc0f1abe00e964f5b4c (MD5) Previous issue date: 2011-06-30 / Banco Santander / Banespa / O presente estudo analisa a volatilidade da Bolsa de Valores para os países do BRIC entre janeiro de 2005 a março de 2010. A pesquisa tem a finalidade de verificar a existência do efeito contágio entre esses emergentes. Foram utilizados diversos modelos de volatilidade determinística da família GARCH, tanto univariado, quanto multivariado. Também foi investigado até que ponto a crise financeira de 2008 resultou em mudanças na relação entre esses países. Para tanto, foram feitas estimativas para o período pré e pós 2008. Os resultados sinalizaram a existência de diversos fatos estilizados na volatilidade da bolsa de valores, como assimetria, aglomeração e efeito leverage. Porém, não foi possível aceitar a hipótese de efeito contágio, apesar de os valores encontrados para correlação para o período de pós crise serem superiores aos calculados para o período que a antecede. Sendo assim, ao investir em ativos nos países do BRIC os investidores internacionais conseguem diversificar riscos. / This study examines the volatility of the stock exchange for the BRIC countries from January 2005 to March 2010. The research aims to verify the existence of the contagion effect between these emerging markets. We used several models of deterministic GARCH volatility, both univariate and multivariate. We also investigated the extent to which the financial crisis of 2008 resulted in changes in the relationship between these countries. To this end, estimates were made for the period before and after 2008. The results showed the existence of several stylized facts of volatility in the stock market, as asymmetry, clustering and leverage effect. However, we could not accept the contagion effect hypothesis, although the values found for correlation to the post crisis period are higher than those calculated for the period that precedes it. Thus, by investing in assets in BRIC countries international investors can diversify risks.

Neste artigo, avaliamos o prêmio de risco implícito incorporado nos preços futuros de soja através de um modelo de dois fatore bem conhecido na literatura de commodities. Como os preços da soja na última década têm flutuado muito, primeiro examinamos as quebras estruturais na variância/volatilidade para obter uma proxy para as mudanças nos prêmios de risco. Em seguida, calibramos o modelo de dois fatores em cada subperíodo de toda a série de acordo com as quebras encontradas. Em seqüência, calculamos o prêmio de risco implícito pelo modelo. Constatamos que o prêmio de risco é variável no tempo, não apenas no sinal, mas também na magnitude. Além disso, quando os preços estavam subindo, a posição dominante era dos produtores protegendo-se com um prêmio de risco positivo, enquanto quando os preços estavam caíndo, consumidores se protegiam com um prémio de risco negativo. / In this paper we evaluate the implied risk premium embedded in soybean future prices through a well-known two-factor model in the commodity literature. Since soybean prices in the past decade have fluctuated greatly, we first examine the structural breaks in variance/volatility to obtain a proxy for risk premiums changes. Then we calibrate the two-factor model in each sub-period of the entire series according to the breaks found. In sequence we compute the risk premium implied by the model. We find that the risk premium is time-varying, not only in sign but also in magnitude. Furthermore, when prices were rising prevailing position was of producers hedging with a positive risk premium, while when prices were falling consumers hedged with a negative risk premium.

O estudo da volatilidade dos retornos dos ativos ocupa um lugar de destaque dentro da moderna teoria de finanças. Tradicionalmente, os modelos empregados para a modelagem da volatilidade são estimados a partir de dados diários. No entanto, a recente disponibilidade de dados intradiários tem permitido a modelagem e a previsão da volatilidade dos ativos por meio da chamada variância realizada. Dessa forma, o objetivo principal da presente dissertação foi analisar como os modelos que incorporam dados intradiários se comportam, em termos de acurácia de previsão de volatilidade diária, em relação àqueles que utilizam apenas dados diários. Foram observados os comportamentos dos índices Ibovespa e S&P 500 durante o período de janeiro de 2006 a junho de 2009. Os resultados revelaram que o desempenho de previsão dos modelos estimados a partir de dados diários foi superior ao dos modelos de variância realizada para os dois índices. Buscou-se ainda comparar o comportamento dos modelos durante o período da crise de 2008. Novamente os resultados apontaram para uma melhor acurácia de previsão dos modelos que utilizaram apenas dados diários. / The study of volatility in asset returns is relevant within the modern theory of finance. Modeling volatility has been frequently based on daily data. Recent availability of intraday data has allowed volatility modeling and forecasting through the so called realized variance. The main objective of this master’s thesis was, therefore, to compare the accuracy of daily volatility forecasting between models that use either daily or intraday data. Returns during the period January 2006 to June 2009 on two indexes, the Ibovespa and the S&P 500, were used. Results showed that, for both indexes, forecasting based on daily data was superior to forecasting that used intraday returns. Comparison between models was also tested during the 2008 crisis. Similarly, results showed a better forecasting performance of daily data models.

A modelagem da estrutura de dependência é de grande importância em todos os ramos da economia onde há incerteza. Ela é um elemento crucial na análise de risco e para a tomada de decisão sob incerteza. As cópulas oferecem aos agentes que se deparam com este problema um poderoso e flexível instrumento para modelar a estrutura de dependência entre variáveis aleatórias e que é preferível ao instrumento tradicional baseado na correlação linear. Neste estudo, nós analisamos a dinâmica temporal da estrutura de dependência entre índices de mercados financeiros internacionais e propomos um novo procedimento para capturar a estrutura de dependência ao longo do tempo. Adicionalmente, estudamos alguns fatos estilizados sobre índices de mercados financeiros como a relação entre volume-volatilidade e retorno-volatilidade. / Modelling dependence is of key importance to all economic fields in which uncertainty plays a large role. It is a crucial element of risk analysis and decision making under uncertainty. Copulas offer economic agents facing uncertainty a powerful and flexible tool to model dependence between random variables and often are preferable to the traditional, correlation-based approach. In this work we analyze the time dynamics of the dependence structure between broad stock market indices and propose a novel procedure to capture dependence structure over time. Additionally, we study some stylized facts about stock market indexes such as volume-volatility and return-volatility relations.

As séries temporais financeiras são marcadas por comportamentos complexos e não-lineares. No mercado financeiro, além da trajetória das cotações, a sua variabilidade, representada pela volatilidade, consiste em importante informação para o mercado. Redes neurais são modelos não lineares flexíveis com capacidade de descrever funções de distintas classes, possuindo a propriedade de aproximadores universais. Este trabalho busca empregar redes neurais, especificamente Perceptron de múltiplas camadas com uma única camada escondida alimentada para frente (Feedforward Multilayer Perceptron), para a previsão da volatilidade. Mais ainda, é proposto um modelo híbrido que combina o modelo GARCH e redes neurais. Os modelos GARCH e redes neurais são estimados para duas séries financeiras: Índice S&P500 e cotações do petróleo tipo Brent. Os resultados indicam que a volatilidade aproximada por redes neurais é muito semelhante as estimativas dos tradicionais modelos GARCH. Suas diferenças são mais qualitativas, na forma de resposta da volatilidade estimada a choques de maior magnitude e sua suavidade, do que quantitativas, apresentando critérios de erros de previsão em relação a uma medida de volatilidade benchmark muito próximos. / The financial time series are characterized by complex and non-linear behaviors. In addition to the financial market trend in prices their variability or volatility, a risk estimate, is important information for the market players. Neural networks are flexible nonlinear models capable of describing functions of different classes, having the property of universal approximators. This paper employs neural networks, specifically one hidden layer feedforward Multilayer Perceptron, for volatility forecasting. Moreover, we propose a hybrid model that combines the GARCH model with neural networks. The GARCH and neural network models are estimated over two financial series: the S&P500 composite index and prices of Brent oil. The results indicate that the volatility approximated by neural networks is very similar to that estimated by the traditional GARCH models, while their differences are more qualitative than quantitative, with information content that differs from and complements each other for different market environments.

Os modelos de otimização de carteiras baseados na análise média-variância apresentam dificuldades para estimação das matrizes de covariância, usadas no processo de otimização, o que leva a necessidade de métodos ad hoc para limitar ou suavizar as alocações eficientes recomendadas pelo modelo. Embora as carteiras obtidas por este método sejam eficientes, não é assegurado que o tracking error seja estacionário, podendo a carteira se distanciar do benchmark, exigindo frequentes recomposições. Neste artigo é empregada a metodologia de cointegração para otimização de carteiras no âmbito de duas estratégias: index tracking e estratégia long-short. A estabilidade das carteiras otimizadas através da cointegração em diferentes cenários de mercado, diminuindo custos relativos a frequentes recomposições da carteira, e níveis de retorno e volatilidade superiores aos benchmarks, mostram que a metodologia é uma ferramenta eficiente e capaz de gerar resultados robustos, se caracterizando como uma atraente ferramenta para a gestão quantitativa de recursos. Modelar a estrutura a termo da taxa de juros é extremamente importante para macroeconomistas e participantes do mercado financeiro em geral. Neste artigo é empregada a formulação de Diebold-Li para ajustar e fazer previsões da estrutura a termo da taxa de juros brasileira. São empregados dados diários referentes às taxas dos contratos de DI Futuro negociados na BM&F que apresentaram maior liquidez para o período de Janeiro de 2006 a Fevereiro de 2009. Diferentemente da maior parte da literatura sobre curva de juros para dados brasileiros, em que o modelo de Diebold- Li é estimado pelo método de dois passos, neste trabalho o modelo é colocado no formado de estado espaço, e os parâmetros são estimados simultaneamente, de forma eficiente, pelo Filtro de Kalman. Os resultados obtidos tanto para o ajuste, mas principalmente no que diz respeito à previsão, mostram que a estimação do modelo através do Filtro de Kalman é a mais adequada, gerando melhores previsões para todas as maturidades quando é considerado horizontes de previsão de um mês, três meses e seis meses. No terceiro artigo artigo nós propomos estimar o modelo dinâmico da estrutura a termo da curva de juros de Nelson e Siegel (1987) considerando duas especificações alternativas. Na primeira, nós consideramos os pesos dos fatores como variantes no tempo e tratamos a heterocedasticidade condicional via um modelo volatilidade estocática com fatores comuns. No segundo caso, consideramos um modelo onde os fatores latentes seguem individualmente processos autoregressivos com volatilidade estocástica. Os assim chamados fatores de volatilidade buscam capturar a incerteza ao longo do tempo associada ao nível, inclinação e curvatura da curva de juros. A estimação é realizada através de métodos de inferência bayesiana, por Markov Chain Monte Carlo. Os resultados mostram que os fatores de volatilidade são altamente persistentes, dando suporte ao fato estilizado de que os choques na volatilidade das taxas de juros são altamente persistentes, e também indicam que o uso de estruturas de volatilidade estocástica levam a melhores ajustes dentro da amostra para a curva de juros observada. / The traditional models to optimize portfolios based on mean-variance analysis aim to determine the portfolio weights that minimize the variance for a certain return level. The covariance matrices used to optimize are difficult to estimate and ad hoc methods often need to be applied to limit or smooth the mean-variance efficient allocations recommended by the model. Although the method is efficient, the tracking error isn’t certainly stationary, so the portfolio can get distant from the benchmark, requiring frequent re-balancements. We used the cointegration methodology to devise two quantitative strategies: index tracking and long-short market neutral. We aim to design optimal portfolios acquiring the asset prices’ co-movements. We used Ibovespa’s index and stocks from Jan-2000 to Dec-2008. The results show that the devise of index tracking portfolios using cointegration generates goods results, replicating the benchmark’s return and volatility. The long-short strategy generated stable returns under several market circumstances, presenting low volatility. Modeling the term structure of interest rate is very important to macroeconomists and financial market practitioners in general. In this paper, we used the Diebold-Li interpretation to the Nelson Siegel model in order to fit and forecast the Brazilian yield curve. The data consisted of daily observations of the most liquid future ID yields traded in the BM&F from January 2006 to February 2009. Differently from the literature on the Brazilian yield curve, where the Diebold-Li model is estimated through the two-step method, the model herein is put in the state-space form, and the parameters are simultaneously and efficiently estimated using the Kalman filter. The results obtained for the fit and for the forecast showed that the Kalman filter is the most suitable method for the estimation of the model, generating better forecast for all maturities when we consider the forecasting horizons of one and three months. In the third essay we propose to estimate the dynamic Nelson-Siegel model of yield curve considering two alternative specifications. At first, we consider the factor loadings such as time-varying conditonal heteroskedasticity and treat via a common factors of stochastic volatility models. In the second case, we consider a model where the latent factors individually following autorregressive process with stochastic volatility. The volatility factors seek to capture the uncertainty over time associated with level, slope and curvature of yield curve.The estimation is performed through bayesian inference, Markov Chain Monte Carlo. The volatility factors showed high persistence, supporting the stylized fact that shocks in the volatility of interest rate are highly persistent, and also indicate that the used of structures of stochastic volatility lead to better in-sample fits of the observed yield curve.

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.

Orientador: Cristian Favio Coletti / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Matemática Aplicada, 2013

O objetivo desta dissertação foi avaliar a possível ocorrência de contágio de volatilidade no mercado de energia combustível, com foco em etanol, analisando commodities agrícolas e de energia. São examinados dois cenários. O Cenário I teve como objetivo identificar a presença de volatilidade spillover entre os preços futuros de petróleo e milho, cotados no mercado internacional, e o preço futuro de etanol, cotado no Brasil. Ou seja, se propôs a identificar a presença de volatilidade spillover no mercado futuro de etanol brasileiro. O Cenário II teve como objetivo identificar a presença de volatilidade spillover entre os preços futuros de petróleo e açúcar cotados no mercado internacional em relação ao preço físico de açúcar no Brasil. Neste caso o objetivo foi identificar a presença de volatilidade spillover no mercado físico de etanol brasileiro. As séries de preços trabalhadas abrangem o período de 18/05/10 a 29/12/11 e 20/05/03 a 29/12/11, para cada cenário respectivamente. Utilizou-se para análise uma modelagem GARCH multivariada, em função da robustez de seus resultados e da possibilidade de sua aplicação prática por profissionais do mercado. Concluiu-se que apenas no Cenário II foi possível identificar transmissão de volatilidade entre as estruturas analisadas. Porém, a não observação de contágio no Cenário I pode ter sido decorrente da limitação de dados disponíveis, dado ser recente a existência de contrato futuro de etanol brasileiro e pela baixa liquidez dos contratos negociados, o que incentiva análises futuras que busquem essa comprovação importante para a mitigação dos riscos inerentes a esses mercados. / The aim of this thesis was to evaluate the possible occurrence of volatility contagion in the fuel energy market, with focus on ethanol, analysing agricultural and energy commodities. Two scenarios are evaluated. Scenario I is proposed to identify the presence of volatility spillover between the futures prices of oil and corn, negotiated on the international future market and the futures prices of ethanol, negotiated in Brazil. That is, set out to identify the presence of volatility spillover in the ethanol Brazilian future market. Scenario II is proposed to identify the presence of volatility spillover between the futures prices of oil and sugar listed in the international market in relation to the spot price of sugar in Brazil. In this case the objective was to identify the presence of volatility spillover in the ethanol Brazilian spot market. The price series covered the period 05/18/10 until 12/29/11 and 12/29/11 until 05/20/03, respectively for each scenario. It was used the multivariate GARCH model to analyze this occurrence, because this model give robust results and the possibility of practical application by market professionals. It was concluded that only in Scenario II was identified volatility transmission between the analyzed structures. However, non-observation of contagion in Scenario I may have been due to the limited data available, since it is recent the existence of ethanol Brazilian futures contract and the low liquidity, which encourages future analyzes seeks to prove this evidence, important to mitigating the risks inherent in these markets.

Submitted by Jaqueline Silva (jtas29@gmail.com) on 2014-10-20T16:16:37Z No. of bitstreams: 2 Dissertação - Elsie Estela Moratoya - 2014.PDF: 1759354 bytes, checksum: c262cfaeef59e283285f32b837fdee16 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2014-10-20T16:16:54Z (GMT) No. of bitstreams: 2 Dissertação - Elsie Estela Moratoya - 2014.PDF: 1759354 bytes, checksum: c262cfaeef59e283285f32b837fdee16 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-10-20T16:16:54Z (GMT). No. of bitstreams: 2 Dissertação - Elsie Estela Moratoya - 2014.PDF: 1759354 bytes, checksum: c262cfaeef59e283285f32b837fdee16 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2014-02-28 / This study presents an empirical analysis of price and volatility transmission for soybean and corn prices, between an international market, represented by the Chicago Board of Trade, and four domestic markets in Brazil: State of Goiás, Mato Grosso, Paraná and Rio Grande do Sul. Daily soybean and corn prices were collected for the period January, 2008 to June 2013 from the Centre for Advanced Studies in Applied Economics and the Institute of Agricultural Economics in Brazil. Henceforth, returns for the nominal price series were calculated and logaritmized for a preliminary to assess the behavior of the series, in which all were found to be integrated of order (1). Furthermore, the international market and domestic markets were found to be highly correlated. Co-movement and price transmission speed for both crops in all domestic markets and international market were measured using the Johansen cointegration test and the error correction model. Empirical results for the soybean prices presented the state of Rio Grande do Sul as the market that more rapidly adjusts to international market prices, at a rate of speed of 55%. Soybean prices in the state of Goiás corrected at a rate of 40%, Mato Grosso at a rate of 46%, and Paraná at a rate of speed of 55%. In terms of corn prices, the state of Goiás was the first to arrive at equilibrium with those of CBOT, at a rate of speed of 1.12%. Corn prices in the state of Mato Grosso corrected at a rate of 0.67% and Paraná and Rio Grande do Sul at a rate of 0.83%. Volatility transmission was determined with the use of a lower triangular GARCH - BECK model and the Impulse Response Function. The results showed that, in the case of soybean prices, the state of Goiás was the only one that presents no evidence of volatility transmission. Evidence of volatility transmission was found from CBOT to Mato Grosso, Parana to CBOT and bi-directional transmission between CBOT and Parana. Furthermore, results of the impulse response function show that a shock in the international soybean prices on prices of the State of Goiás did not normalize within a period of twenty four months. Other domestic markets showed a tendency to stabilize on an average of twenty months. In the case of corn prices, evidence of bi-directional volatility transmission was found between CBOT prices and Goias, Mato Grosso and Parana. Volatility transmission was unidirectional for Rio Grande do Sul and CBOT. The reaction to a shock in prices in the international market showed that the persistence of the shock in the domestic markets lasted an average of ten days before normalizing. The results show that price and volatility transmission between the domestic markets for the commodities analyzed and CBOT do exist and new information within the individual markets play a bigger role on returns volatility than new information from CBOT. / Este estudo apresenta uma análise empírica de transmissão de preços e de volatilidade nos preços da soja e do milho entre o mercado internacional, representado pela CBOT, e quatro mercados domésticos no Brasil: o Estado de Goiás, Mato Grosso, Paraná e Rio Grande do Sul. Para isso, foram selecionados os preços diários da soja e do milho, para o período entre janeiro de 2008 e junho de 2013. Os preços foram obtidos junto ao Centro de Estudos Avançados de Economia Aplicada e o Instituto de Economia Agrícola; em seguida, foram convertidos em retornos e logaritimizados para as análises. Posteriormente, foi feita uma análise preliminar dos preços nominais para avaliar o comportamento das séries temporais, em que foi verificada a estacionariedade de ordem (1) para todas as séries de preços. Foi também constatada uma alta correlação entre o mercado internacional e os mercados domésticos. O comovimento e a velocidade da transmissão dos preços foram estimados mediante o uso do teste de cointegração de Johansen e o modelo de correção de erros. Os resultados apontaram uma cointegração entre os mercados domésticos e o mercado internacional para as duas culturas. Os resultados empíricos dos testes para os preços da soja mostraram que o Estado do Rio Grande do Sul é o mercado que mais rapidamente se ajusta e se equilíbra com os preços da CBOT, numa velocidade de 55%. Os preços da soja no Estado de Goiás se ajustam a uma velocidade de 40%, o de Mato Grosso a uma velocidade de 46%, e o Paraná a uma velocidade de 55%. Quanto aos preços do milho, o Estado de Goiás é o que mais rapidamente se equilibra com os preços da CBOT, com uma velocidade de 1,12%. Os preços do Mato Grosso se corrigem a uma velocidade do 0,67% e os mercados do Paraná e Rio Grande do Sul a uma velocidade de 0,83%. A análise empírica da transmissão de volatilidade foi estimada pelo uso do modelo GARCH-BECK triangular inferior. Os resultados para a soja apontam que o mercado do Estado de Goiás foi o único que não apresentou evidência de transmissão de volatilidade. Existência de transmissão de volatilidade foi encontrado da CBOT para Mato Grosso, do Paraná para CBOT, e bidirecional entre Rio Grande do Sul e CBOT. Além disso, os resultados da Função Resposta ao Impulso mostram que um choque do mercado internacional no mercado do Estado de Goiás não chega à estabilidade em um período de vinte e quatro meses. Os outros mercados domésticos mostraram uma tendência de se estabilizar, em média, a partir de vinte meses. No caso do milho, foram encontradas evidências de transmissão de volatilidade bidirecional nos Estados de Goiás, Mato Grosso e Paraná, e transmissão unidirecional de Rio Grande do Sul para CBOT. A reação a um choque da CBOT mostra que a persistência do choque nos mercados domésticos leva, em média, dez dias para se estabilizar. Portanto, os resultados mostram que existe transmissão de preços e de volatilidade entre os mercados domésticos para os commodities analisados com a CBOT, além do que as novas informações dos proprios mercados possuem maior papel na volatilidade dos retornos que das informações da CBOT.