Estabilidade De Preços De Ações No Mercado De Capitais Brasileiro: Um Estudo Aplicando Redes Neurais E Expoentes De Lyapunov

Informações

Código: FIN59
Divisão: FIN - Finanças
Tema de Interesse: Tema 04 - Investimento e Apreçamento de Ativos

Autores

Mauri Aparecido de Oliveira, Daniel Reed Bergmann, Wesley Mendes da Silva, Alessandra de Ávila Montini

Resumo

Neste trabalho é apresentado um estudo sobre a estabilidade dos preços de mercado de açõespara duas categorias de empresas denominadas como industrial e outros setores, no período de2 de Janeiro de 1995 a 2 de Janeiro de 2008. Ou seja, é analisada a estabilidade dos preços demercado para o período anterior a crise de 2008, iniciada com os títulos subprime dos EstadosUnidos. São analisadas as implicações da estabilidade do processo de geração de retorno porparadigmas de racionalidade. A verificação da estabilidade foi feita através da aplicação deexpoentes de Lyapunov. São apresentados resultados sobre a estabilidade dos preços paraduas categorias de empresas, as indústrias (IND) formadas por Acesita, Ambev, Aracruz,Braskem, Duratex, Fosfertil, Gerdau, Klabin, Randon, Sadia, Sid Nacional, Souza Cruz,Unipar, Usiminas e VCP, e as empresas da categoria outros setores (OSE) formadas porAmpla Energia, Bradesco, Brasil Telecom, Cemig, Eletrobrás, Eletrobrás, Itaubanco, Itausa,JB Duarte, Pronor, Besc, Alfa Financeira e Inepar. Um diagrama de dispersão do logaritmodos preços sem tendência versus os retornos destas duas categorias (ou portfólios) mostrouum padrão caótico nos preços das ações indicando a presença de não-linearidade. No entanto,calculando-se os expoentes de Lyapunov foram obtidos valores negativos. Isso indica que asflutuações das trinta empresas analisadas resultam de processos de difusão ao invés dedinâmicas não-lineares. A racionalidade do comportamento dos preços é estudada através daverificação dos resíduos gerados a partir de previsões de modelos ARMA, Naive e de RedesNeurais Feedforward. Foram analisadas trinta empresas, divididas em dois portfólios, oucategorias, uma denominada de Indústria (IND) e a outra chamada de Outros Setores (OSE)contemplando empresas do setor de energia, financeiro e varejo. Foram encontradasevidências de não estacionariedade nos dados, o que levou a ter que transformar os dados paranão incorrer em problemas de previsão devido à variância crescente. Também verificou-senão-linearidade nos dados, mas com evidências insuficientes de padrões determinísticos quepossibilitasse concluir sobre a estabilidade dos preços das ações. Pode-se concluir que, apósas transformações necessárias, os modelos de previsão que utilizam redes neurais mostraramseum pouco melhores do ponto de vista de racionalidade. A sofisticação de um modelo podeinicialmente ser definida em termos da precisão ex-post (por exemplo, o RMSE) mas, alémdisso pode-se também considerar a compreensão do conjunto de informação. O modelo Naiveé baseado na quantidade mínima de informação e tem a menor taxa de precisão entre as trêsclasses de modelos considerados. A rede neural possui a maior compreensão do conjunto deinformação porque inclui vários valores de retornos passados, bem como os retornosdefasados do IBOVESPA. Dessa forma, a rede neural é em média cerca de 37% mais precisaque as previsões Naive em termos do RMSE. Os modelos ARMA variam com respeito àprecisão, verificando-se que em média as RNA são 5% mais precisas que as previsões geradaspelos modelos ARMA.

Abrir PDF