Assessing the contribution of garch-type models with realized measures to BM&FBovespa stocks allocation

• Ano de defesa: 2018
• Autor(a) principal: Boff, Tainan de Bacco Freitas
• Orientador(a): Ziegelmann, Flavio Augusto
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Estimação; Volatilidade; Bolsa de valores
• Palavras-chave em Inglês: Volatility forecasting; Dynamic Conditional Correlation; High frequency data; Realized volatility
• Link de acesso: http://hdl.handle.net/10183/182337

Neste trabalho realizamos um amplo estudo de simulação com o objetivo principal de avaliar o desempenho de carteiras de mínima variância global construídas com base em modelos de previsão da volatilidade que utilizam dados de alta frequência (em comparação a dados diários). O estudo é baseado em um abrangente conjunto de dados financeiros, compreendendo 41 ações listadas na BM&FBOVESPA entre 2009 e 2017. Nós avaliamos modelos de previsão de volatilidade que são inspirados na literatura ARCH, mas que também incluem medidas realizadas. Eles são os modelos GARCH-X, HEAVY e Realized GARCH. Seu desempenho é comparado com o de carteiras construídas com base na matriz de covariância amostral, métodos de encolhimento e DCC-GARCH, bem como com a carteira igualmente ponderada e o índice Ibovespa. Uma vez que a natureza do trabalho é multivariada, e a fim de possibilitar a estimação de matrizes de covariância de grandes dimensões, recorremos à especificação DCC. Utilizamos três frequências de rebalanceamento (diária, semanal e mensal) e quatro conjuntos diferentes de restrições sobre os pesos das carteiras. A avaliação de desempenho baseia-se em medidas econômicas tais como retornos anualizados, volatilidade anualizada, razão de Sharpe, máximo drawdown, Valor em Risco, Valor em Risco condicional e turnover. Como conclusão, para o nosso conjunto de dados o uso de retornos intradiários (amostrados a cada 5 e 10 minutos) não melhora o desempenho das carteiras de mínima variância global.