A influência da pandemia COVID-19 na volatilidade dos índices de mercado de ações (Ibovespa): Aplicação do modelo Markov Switching Autoregressivo / The influence of the COVID-19 pandemic on the volatility of stock market index (Ibovespa): Application of the Markov Switching Autoregressive model

Carlos Alberto Gonçalves da Silva

Resumo


O presente artigo utiliza o modelo Markov Switching Autoregressivo de dois estados desenvolvido por Hamilton (1989), para capturar mudanças de regime tanto na média quanto na variância dos retornos mensais do índice de mercado de ações (Ibovespa) entre janeiro de 2000 e março de 2021. Na matriz de transação e persistência dos regimes, verifica-se que o regime 1 (baixa volatilidade) é mais persistente, ou seja, a probabilidade de permanecer neste regime em período posterior é de 96,49% e no regime 2 (alta volatilidade) a probabilidade de continuar neste regime no período t+1 corresponde a 48,55%. Os resultados obtidos do modelo MS(2)-AR(1) detectaram  momento das mudanças de regimes dos retornos, por causa do atentado terrorista de 11/09/2001, do momento de transição da política brasileira (vitória de Lula na eleição presidencial 2002), crises financeiras 2008 (falência do banco de investimentos dos EUA, o Lehman Brothers) e a pandemia COVID-19 (2020/2021).


Palavras-chave


O presente artigo utiliza o modelo Markov Switching Autoregressivo de dois estados desenvolvido por Hamilton (1989), para capturar mudanças de regime tanto na média quanto na variância dos retornos mensais do índice de mercado de ações (Ibovespa) entre ja

Texto completo:

PDF

Referências


AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), p.716-723, 1974.

ANG, A.; BEKAERT, G. International Asset Allocation with Regime Shifts. Review of Financial Studies, 15, p.1137-1187, 2002.

ASSOE, K. G. Regime Switching in emerging stock market returns. Multinational Finance Journal, v.2, n.2, p.101-132, 1998.

BROCK,W.A.; DECHERT,W.D.; SCHEINKMAN,J. A Test for Independence Based on the Correlation Dimension. Department of Economics, University of Wisconsin, SSRI Working Paper, 8702, 1987.

DICKEY, D. A.; FULLER, W. A. Likelihood ratio statistics for autoregressive Time series with unit root . Econometrica, 49(4), p.1057-1072, 1981.

DIEBOLD, F. X.; LEE, J. H.; WEINBACH, G. C. Regime switching with time-varying transition probabilities. Oxford University Press, p. 283-302, 1994.

DOORNIK, J. A. A markov switching model with component structure for US GNP. Economics Letters, v.118, n.2, p. 265- 268, 2013.

GOLDFELD, S. M.; QUANDT. R. E. A Markov model for switching regressions, Journal of Econometrics, 1, p. 3-16, 1973.

HAMILTON, J. A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle. Econometrica, 57, p. 357-384, 1989.

ISMAIL, M.T.; ISA, Z. Identifying regime shifts in Malaysian stock market returns. International Research Journal of Finance and Economics, 15, p. 44-57, 2008.

JARQUE, C.; BERA, A. Test for normality of observations and regression residuals. International Statistical Review, 55(2), p. 163-172, 1987.

JUNIOR, M. V. W.; ZUANAZZI, P. T. A sensibilidade de ativos em diferentes ambientes de risco: Uma análise para empresas gaúchas. Ensaios FEE, v. 35, n.1, p. 231-248, 2014.

KIM, C. Dynamic linear models with Markov-switching. Journal of Econometrics, 60, p. 1-22, 1994.

KIM, C.; NELSON C. State-space models with regime switching. MIT Press, 1999.

KROLZIG, H. M. Markov-Switching Vector Autoregressions: Modelling, Statistical Inference, and Application to Business Cycle Analysis. Berlin, Springer, 1997.

KROLZIG, H. M.; TORO, J. Multiperiod Forecasting in Stock Markets: A Paradox Solved. Decision Support Systems, Volume 37(4), p. 531-542, 2004.

KWIATKOWSKIK, D.; PHILLIPS, P.C.B.; SCHMIDT P.; SHIN, Y. Testing the null hypothesis of stationarity against the alternative of a unit root: How sure are we that economic time series have a unit root?. Journal of Econometrics, 54(1), p. 159-178, 1992.

MOORE, T.; Wang. P. Volatility in stock returns for new EU member states: Markov regime switching model. International Review of Financial Analysis, 16, p. 282-292, 2007.

NORDEN, S. V.; SCHALLER, H. Regime Switching in Stock Market Returns. Econometrics, p. 357-384, 1995.

NORDEN, S. V.; SCHALLER, H. The predictability of stock market regime: evidence from the Toronto stock exchange. The Review of Economics and Statistics, v.75(3), p. 505-510, 1993.

OLIVEIRA, A. B.; PEREIRA, P. L. V. Asset allocation with markovian regime switching: Efficient frontier and tangent portfolio with regime switching. Brazilian Review of Econometrics, v.38 (1), p. 97-127, 2018.

PHILLIPS, P.C.B.; PERRON, P. Testing for a unit root in time series regression. Biometrika, 75(3), p. 335-346, 1988.

SAFAEI M.; MOSTAFAEI H. Point Forecast Markov Switching Model for U.S. Dollar/ Euro Exchange Rate. Sains Malaysiana, 41(4), p. 481-488, 2012.

SCHWARZ, G. Estimating the dimensional of a model. Annals of Statistics, Hayward, 6(2), p. 461-464, 1978.

TURNER, M. C.; STARTZ, R.; NELSON, C. F. A Markov model of heteroskedasticity, risk, and learning in the stock market. Journal of Financial Economics, 25, p. 3-22, 1989.

WANG, P.; THEOBALD, M. Regime switching volatility of six East Asian emerging markets. Research in International Business and Finance, 22, p. 267-283, 2007.




DOI: https://doi.org/10.34140/bjbv3n3-030

Apontamentos

  • Não há apontamentos.