ANÁLISE DO COMPORTAMENTO DA VOLATILIDADE DA TAXA DE CÂMBIO EURO-DÓLAR
DOI:
https://doi.org/10.12957/cadest.2016.27738Resumo
DOI: 10.12957/cadest.2016.27738
O presente trabalho analisa a série de retornos da taxa de câmbio euro-dólar, com frequência diária. A estacionariedade é comprovada através dos testes ADF e Phillips-Perron. Foi constatada a não-normalidade da série de retornos. A dependência temporal dos retornos foi testada através das autocorrelações dos mesmos e posteriormente modelada. Ajustou-se a dependência não-linear através de alguns modelos da família GARCH lineares e não lineares. Posteriormente, avaliou-se a capacidade de previsão de cada modelo. Os resultados empíricos indicam um alto grau de persistência da volatilidade da taxa de cambio. O modelo EGARCH foi aquele que apresentou melhor capacidade preditiva, embora os três modelos de volatilidade condicional analisados tenham fornecido previsões de volatilidade muito próximas.
Referências
ABDALLA, Suliman Zakaria Suliman. Modelling Exchange Rate Volatility using GARCH Models: Empirical Evidence from Arab Countries. International Journal Of Economics And Finance, [s.l.], v. 4, n. 3, p.216-229, 23 fev. 2012.
BLACK, F. The price of commodity contracts. Journal of Financial Economics.3:167-79, 1976.
BOLLERSLEV, T. Generalized Autorregressive Conditional Heteroskedasticity, Journal of Econometrics, v.31, p.307-327, 1986.
CAMPBELL, J.; LO, A.; MCKINLAY, C. The econometrics of financial markets. Princeton: Princeton University; 1997.
DIEBOLD, F.X., MARIANO, R. (1995). Comparing Predictive Accuracy. Journal of Business and Economic Statistics 13, 253-265.
DING, Zhuanxin; GRANGER, Clive W.j.; ENGLE, Robert F.. A long memory property of stock market returns and a new model. Journal Of Empirical Finance, [s.l.], v. 1, n. 1, p.83-106, jun. 1993.
ENGLE, R. F. Autorregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica, v.50, n.4, p.987-1007, 1982.
ENGEL, R.F, BOLLERSLEV, T. 1986. Modelling the persistence of conditional variances. Econometric Reviews 5, 1-50.
GLOSTEN, L.R., JAGANNATHAN, R., RUNKLE, D.E., 1993. On the relation between the expected value and the volatility of the nominal excess return on stocks. Journal of Finance 48, 1779-1801.
HANSEN, P.R., 2005. A test for superior predictive ability. Journal of Business & Economic Statistics 23, 365-380.
KANG, S.H., KANG, S.M, YOON, S.M., 2009. Forecasting volatility of crude oil markets. Energy Economics 31, 119-125.
LOPEZ, J.A., 2001. Evaluating the predictive accuracy of volatility models. Journal of Forecasting 20, 87-109.
LJUNG GM, Box GEP. On a measure of lack of fit in time series models. Biometrika.65: 297-303. 1978
MARZO, Massimiliano; ZAGAGLIA, Paolo. Volatility forecasting for crude oil futures. Applied Economics Letters, [s.l.], v. 17, n. 16, p.1587-1599, 28 out. 2010.
NELSON, D.B. 1991. Conditional heteroskedasticy in asset returns: a new approach. Econometrica 59, 347-370.
SCHWARZ, Gideon. Estimating the Dimension of a Model. The Annals of Statistics, v.6, n. 2, 461-464, 1978.
SENNA, José Júlio. Política monetária: ideias, experiências e evolução. Rio de Janeiro: Editora FGV, 2010.
SADORSKY, P., 2006. Modeling and forecasting petroleum futures volatility. Energy Economics 28, 467-488.
SWANSON, N.R., ELLIOTT, G., Ghysels, E., GONZALO, J., 2006. Predictive methodology and application in economics and finance: volume in honor of the accomplishments of Clive W.J. Granjer. Journal of Econometrics 135, 1-9.
ZAKOIAN, J-M. 1994. Threshold heteroskedastic models. Journal of Economic Dynamics and Control 18, 931-955.BRAYNER, A.R.A.; MEDEIROS, C.B. Incorporação do tempo em SGBD orientado a objetos. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS, 9.; 1994, São Paulo. Anais... São Paulo: USP, 1994. p. 16-29.
