Baixe o app para aproveitar ainda mais
Prévia do material em texto
TIAGO ANGELINO DA SILVA SOUTO TRABALHO de CONCLUSÃO DE CURSO TEMA Análise de série de retornos mensais da ação preferencial da Usiminas no período 2007-2017 e previsão de preços MODELOS ALTERNATIVOS DE SÉRIES TEMPORAIS: 1º Problema Objetivo 2º Referência Método TÓPICOS 3º Resultados Conclusões PROBLEMA de pesquisa 1º Qual é o modelo mais eficiente para previsão ex-ante de seis meses dos retornos e dos preços mensais de uma série temporal da ação preferencial da empresa Usiminas.SA? Objetivo geral e ESPECÍFICOS 1º Em que se resume o tcc: Fazer uma aplicação das técnicas de modelagem de ST Previsão Comparar resultados, REFERÊNCIA 2º FINANÇAS: relações financeiras em economias modernas Mercado Financeiro Mercado de ações ECONOMETRIA E ESTATÍSTICA: Análise de risco - retorno Série Temporal Financeira as inovações introduzidas em economias modernas pelas relações entre os agentes econômicos que possuem recursos poupados, e os que realizam investimento, produziram uma diversidade de mecanismos e tipos de contratos específicos, de certo modo personalizados para cada tipo de demanda, como as ações. O mercado de ações é derivado do mercado de capitais, que por sua vez compõe o mercado financeiro e assim faz parte de todo um sistema financeiro. E, ainda que essa diversidade de mercados possuam características distintas, sendo definidos basicamente pela natureza, tempo de maturidade e momento de transação dos ativos, possui um objetivo básico comum, a eficiente alocação de recursos disponíveis na economia. 6 MÉTODO E DADOS 2º PROCEDIMENTOS DE ANÁLISE: Estatística - Gráfica TRATAMENTO DE DADOS: estacionariedade Correlograma – FAC e FACP ADF Ljung-Box Sazonalidade MODELAGEM: Arima Arch e Egarch MÉTODOS DE AVALIAÇÃO: Akaike Log-verossimilhança RMSE Software Rstudio Pacotes X13-ARIMA-SEATS Algoritmo de seleção como fiz isso: tranformação da série de preços em retornos verificação da estacionariedade - estacionária na média, mas nao na variancia modelagem arima - identificação : automático forecast; Estimação: modelos candidatos;verificação significancia dos parametros; seleção menor AIC; Validação: teste nos resíduos; LB-não correlação; lm arch-processos arch previsão arch - identificação: algoritmo de seleção; menor AIC estimação: modelo candidato; verificação significancia dos parametros; validação: teste nos resíduos; LB-não correlação; previsão 7 RESULTADOS 3º Após 2014 média de preços de R$4,00 reais Menor volatilidade Não apresenta sazonalidade – teste do X13 Transformação, para estacionariedade RESULTADOS 3º Conclusões da análise estatística e gráfica 9 RESULTADOS 3º Série modelada Estacionária ao menos na média Variância não estacionária - heterocedasticidade 10 RESULTADOS 3º Séries ARCH e EGARCH eliminaram a variância Retornos abaixo de zero 11 RESULTADOS 3º 4.53 RESULTADOS Modelo Selecionado 3º CONCLUSÃO 3º Para a USIM5.SA Da aplicação das técnicas de modelagem de ST: Modelos candidatos ARIMA(1, 0, 1), ARCH(2)-ARMA(1,1), EGARCH(1,1)-ARMA(5,5) Previsão: Retornos abaixo de zero; Preço em média a R$4,53 reais e Movimento lateralizado, com leve tendência decrescente. Comparação dos resultados: Modelo EGARCH(1,1)-ARMA(5,5) é o mais eficiente. 14 ASSAF NETO, A. Mercado financeiro. 13a edição. [s.l.] São Paulo: Atlas, 2015. BARROS, A. C. et al. Análise de Séries Temporais. 1. ed. Rio de Janeiro: Elsevier Brasil: FGV IBRE, 2017. BLANCHARD, O. Macroeconomia. 4a edição. Tradução: Cláudia Martins e Mônica Rosemberg; Revisão técnica Eliezer Martins Diniz. São Paulo: Pearson Prentice Hall, 2007. v. 602 BM&FBOVESPA. BM&FBOVESPA – Serviços financeiros · Centro de negócios. Disponível em: <http://www.bmfbovespa.com.br/pt_br/>. Acesso em: 24 nov. 2017. CARVALHO, F. J. C. DE et al. Economia monetária e financeira: teoria e política. 2a edição. [s.l.] Elsevier Brasil, 2007. v. 1 DE ALMEIDA, J. R. N. Economia monetária: uma abordagem brasileira. [s.l.] Atlas, 2009. EHLERS, R. Análise de Séries Temporais. Departamento de Estatística, Universidade Federal do Paraná, 2012. FERREIRA, P. C.; GONDIN JUNIOR, J. L.; MATTOS, D. M. DE. X-13arima-seats com R: um estudo de caso para a produção industrial brasileira. 2015. FORTUNA, E. Mercado financeiro: produtos e serviços. [s.l.] Qualitymark Editora Ltda, 2008. GHALANOS, A. rugarch: Univariate GARCH Models. [s.l: s.n.]. GIL, A. C. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2002. GRAVES, S. FinTS: Companion to Tsay (2005) Analysis of Financial Time Series, 2014. [s.l: s.n.]. GUJARATI, D. N.; PORTER, D. C. Econometria Básica. 5a ed. [s.l.] AMGH Editora, 2011. HAMNER, B.; FRASCO, M.; LEDELL, E. Metrics: Evaluation Metrics for Machine Learning. [s.l: s.n.]. HILL, R. C. et al. Econometria. Tradução: Alfredo Alves de Farias; Revisão Técnica: Edric Martins Ueda. 3a ed. São Paulo: Saraiva, 2010. HOTHORN, T. et al. lmtest: Testing Linear Regression Models. [s.l: s.n.]. HYNDMAN, R. fpp2: Data for “Forecasting: Principles and Practice” (2nd Edition). [s.l: s.n.]. HYNDMAN, R. et al. forecast: Forecasting Functions for Time Series and Linear Models. [s.l: s.n.]. HYNDMAN, R. .; KHANDAKAR, Y. Automatic Time Series Forecasting: The forecast Package for R. n. Journal of Statistical Software, 26(3), 2008. HYNDMAN, R. J.; ATHANASOPOULOS, G. Forecasting: Principles and Practice. [s.l: s.n.]. INSTITUTO AÇO BRASIL. Disponível em: <http://www.acobrasil.org.br/site2015/dados.asp>. Acesso em: 9 nov. 2017. MANKIW, N. G. Introdução à economia: princípios de micro e macroeconomia. Traducao Maria José Cyhlar Monteiro. tradução da 2a ed. original Maria José Cyhlar Monteiro. Rio de Janeiro: Elsevier, 2001. MANKIW, N. G. Macroeconomia. 5. ed. Rio de Janeiro: Livros Técnicos e Científicos, 2004. MATTOS, D. M.; FERREIRA, P. G. C. Usando o R para ensinar Ajuste Sazonal. 2016. Referência 15 MENESES, A.; MARIANO, F. Mercado Financeiro. 2a edição. São Paulo: Método, 2015. MICHEL, M. H. Metodologia E Pesquisa Científica Em Ciências Sociais. [s.l.] Editora Atlas SA, 2005. MIKLOVIC, D. W. AND Y. C. WITH CONTRIBUTION FROM M.; BOUDT, C.; OTHERS, P. C. AND. fGarch: Rmetrics - Autoregressive Conditional Heteroskedastic Modelling. [s.l: s.n.]. MONTGOMERY, D. C.; JENNINGS, C. L.; KULAHCI, M. Introduction to time series analysis and forecasting. [s.l.] John Wiley & Sons, 2015. MORETTIN, P. A. Econometria financeira: um curso em séries temporais financeiras. [s.l.] Edgard Blücher, 2008. MORETTIN, P. A.; TOLOI, C. Análise de séries temporais. [s.l.] Blucher, 2006. PFAFF, B.; ZIVOT, E.; STIGLER, M. urca: Unit Root and Cointegration Tests for Time Series Data. [s.l: s.n.]. R: The R Project for Statistical Computing. Disponível em: <https://www.r-project.org/>. Acesso em: 10 nov. 2017. ROSS, S. A. et al. Administração Financeira - 10 ed. [s.l.] AMGH Editora, 2015. ROSSI, J. W.; NEVES, C. DAS. Econometria e séries temporais com aplicações a dados da economia brasileira. [Minha Biblioteca]. Retirado de https://integrada.minhabiblioteca.com.br/#/books/978-85-216-2685-5/. Rio de Janeiro, 2014. SAX, C. seasonal: R Interface to X-13-ARIMA-SEATS. [s.l: s.n.]. TRAPLETTI, A.; HORNIK, K.; CODE, B. L. (BDS TEST. tseries: Time Series Analysis and Computational Finance. [s.l: s.n.]. US CENSUS BUREAL, B. C. M. US Census Bureau - X-13ARIMA-SEATS Seasonal Adjustment Program - Home page. Disponível em: <https://www.census.gov/srd/www/x13as/>. Acesso em: 13 nov. 2017. USIMINAS. Disponível em: <https://www.usiminas.com/>. Acesso em: 9 nov. 2017. WEBB, R.; BRAHMA, S. Mercados Financeiros. Tradução Sonia Midori Yamamoto; Revisão Técnica Tricia Thaise e Silva Pontes. 1a edição. São Paulo: Saraiva, 2015. WICKHAM, H. et al. readxl: Read Excel Files. [s.l: s.n.]. YAHOO, F. USIM5.SA Historical Prices | USIMINAS USI SD MG Stock - Yahoo Finance. Disponívelem: <https://finance.yahoo.com/quote/USIM5.SA/history/>. Acesso em: 24 nov. 2017. ZIVOT, E. Microsoft PowerPoint - univariateGarch2012.pptx - univariateGarch2012powerpoint.pdf. Disponível em: <https://faculty.washington.edu/ezivot/econ589/univariateGarch2012powerpoint.pdf>. Acesso em: 11 nov. 2017. Referência Obrigado! Tabela 1 - Resumo da coleta dos dados, variável analisada e período de análise Coleta de dados: Variável analisada: Período de análise: •Site Yahoo Finance; •Demonstrações - BM&FBovespa. •Preço de Fechamento Ajustado Mensal. •01/01/2007 até 30/06/2017, totalizando 125 observações. Fonte: Elaboração própria. Figura 1 – Evolução dos preços no período 2007 -2017 Fonte: Elaboração própria. Gráfico obtido do programa R. Estatística Valor Mínimo 0.8500 Média aritmética 13.4648 Máximo 40.8368 Erro padráo médio 0.8007 Variância 80.1494 Desvio padrão 8.9526 Figura 1 – Série de retornos mensais dos preços em logaritmo. Fonte: Elaboração própria. Gráfico obtido do programa R. Figura 1 – Gráfico comparativo dos retornos dos modelos ARIMA (1, 0, 1), ARCH(2)- ARMA(1,1), EGARCH(1,1) -ARMA(5,5) e, Retorno Observado Fonte: Elaboração própria. Gráfico obtido do programa R. Legenda: Tabela 1 – Comparativo entre os modelos, dos p reços previstos seis passos à frente (julho/2017 a dezembro/2017) . MÊS ARIMA(1, 0, 1) ARCH(2)- ARMA(1,1) EGARCH(1,1)- ARMA(5,5) jun/17 R$ 4,62 R$ 4,60 R$ 4,50 jul/17 R$ 4,61 R$ 4,60 R$ 4,46 ago/17 R$ 4,62 R$ 4,60 R$ 4,45 set/17 R$ 4,61 R$ 4,60 R$ 4,36 out/17 R$ 4,62 R$ 4,59 R$ 4,28 nov/17 R$ 4,61 R$ 4,59 R$ 4,29 dez/17 R$ 4,61 R$ 4,59 R$ 4,25 Fonte: Elaboração própria. Resultado obtido do programa R. .MsftOfcThm_Background1_Stroke { stroke:#FFFFFF; } .MsftOfcThm_Background1_Stroke { stroke:#FFFFFF; } Tabela 1 – Comparativo quanto aos principais resultados estatísticos apontados para estes modelos. AIC Log-liklehood RMSE Ljung-Box Jarque-Bera ARIMA(1, 0, 1) -71,72 38,8600 0.1767 0.7227 0,0000 ARCH(2)-ARMA(1,1) -0,7668 53,5390 0.1780 0.0940 0,0000 EGARCH(1,1)-ARMA(5,5)* -0,8416 67,1766 0.1698 0.0782 0,0000 Fonte: Elaboração própria. Resultado obtido do programa R. *Melhor modelo selecionado. .MsftOfcThm_Background1_Stroke { stroke:#FFFFFF; } .MsftOfcThm_Background1_Stroke { stroke:#FFFFFF; }
Compartilhar