VOLATILIDADES PÓS-PÂNICO INICIAL DA PANDEMIA: UM COMPARATIVO ENTRE CHOQUES DE NOTÍCIAS RUINS E BOAS NO IBOV E EM ÍNDICES EUROPEUS

Por Daniel Christian Henrique, João Carlos Prats Ramos (bolsista Pibic de pesquisa) e Luiz Ricardo Mendes da Silva

Após a queda abrupta em meados de fevereiro e março do ano de 2020 das bolsas de valores ao redor do mundo, houve uma contínua recuperação de forma geral, algumas inclusive superando suas pontuações pré-pandemia, como o índice S&P500. Outras por sua vez, em ritmo lento e não alcançando o patamar anterior. A recuperação das bolsas em cada país, por sua vez, está entrelaçada com a divulgação de notícias boas e ruins de suas variáveis econômicas, políticas, sociais e de saúde pública, expondo seus índices a maiores ou menores situações de risco e consequentemente a flutuações nos seus retornos com diferentes níveis de volatilidades. Notícias boas e ruins podem ser simuladas por choques positivos e negativos nas séries temporais das bolsas de valores (BROOKS, 2015)

A B3, com os novos ingressantes na bolsa no período de pandemia estimulados pela baixíssima taxa da renda fixa e alta demanda de IPOs, totalizando 48 aberturas de capital desde o ano passado, passou por um período de retomada da pontuação do IBOV e boas expectativas, mas ao ingressar em 2021 não acompanhou o ritmo de outras bolsas mundiais. O acumulado em 2021 até 1º de abril comportava uma perda de 3% em suas pontuações, enquanto o índice DAX da Alemanha acumulava em período igual ganhos de 10%, por exemplo. 

Uma forma de avaliar os riscos dos índices mundiais é pela sua volatilidade. Quanto maior a instabilidade política, social e/ou econômica de um país, mais volátil é seu(s) indicador(es), mudando sua forma de impacto em suas pontuações e retornos conforme incorrem em períodos de baixas e altas. Isto posto, foram analisadas três modelos de volatilidades para os índices: Ibovespa (B3), Dax (Bolsa de Valores de Frankfurt), Aex (Bolsa de Valores da Amsterdã) e FTSA 100 (Bolsa de Valores de Londres) desde o período de retomada das bolsas, aproximadamente a partir de 1º de abril de 2020 até 1º de abril de 2021, com dados diários. O período de baixa abrupta das bolsas mundiais nos primeiros meses da pandemia, fevereiro e março de 2020, foram descartados pois não refletia nenhum fundamento de suas empresas ou de variáveis macroeconômicas de seus respectivos países, era simplesmente pânico. 

Passou-se, em sequência, as pontuações destes índices para retornos em diferenças de logaritmos naturais. Segue gráficos dos períodos de alta e retornos estacionários obtidos:

As métricas voláteis escolhidas para análise foram: Garch (1,1), Tgarch(1,1) e Egarch(1,1). A análise do Garch teve por objetivo analisar se os choques negativos ou positivos entre - 1 e +1 desvio padrão no retorno do índice geram volatilidades simétricas, enquanto que a observação do Tgarch e Egarch suprem a lacuna de análise de volatilidades assimétricas, alavancando-a ou elevando-a exponencialmente, respectivamente.  Choques positivos advêm de notícias boas, enquanto os choques negativos são provindos de notícias ruins. Brooks (2015) demonstra essa situação na curva de impactos de notícias na volatilidade do índice S&P500, sendo visível a diferença dos impactos simétricos do Garch aos impactos assimétricos do Egarch (GJR):

Fonte: Brooks(2015)

Comparativamente, no acumulado de ganhos/perdas em um ano até 1º de abril de 2021 e o acumulado apenas em 2020 para os três índices escolhidos podem ser vistos a seguir: 

Dentre as quatro bolsas, o IBOV é o que gerou maior ganho a partir do período de retomada, porém foi a única que perdeu retorno em 2021. O DAX teve desempenho semelhante à B3 no acumulado total, mas com alta de 10% em seus retornos neste ano, superado ainda pela bolsa de Amsterdã (AEX), com ganho de 13,4% no mesmo período. A FTSE100, por sua vez foi a de menor ganho acumulado, mas ainda gerou um leve retorno em 2021. Observa-se que são quatro situações bem distintas, no qual diferentes fatores de relacionados às suas volatilidades podem estar interferindo em seus retornos. 

A escolha do melhor modelo foi obtida pelo teste Ljung-Box para 10, 15 e 20 defasagens, no qual aquele que obteve dois melhores desempenhos no teste demonstrou obter resíduos com melhor independência entre seus resultados, portanto vindo a ser o que melhor reflete a volatilidade do índice. Em sequência os resultados para o Ibov: Teste Ljung-Box para o índice Ibov 

Teste Ljung-Box para o índice Ibov 

O modelo Egarch não detinha configurações em seus retornos que um aumento exponencial de sua volatilidade, então foi desconsiderado para este índice. O escolhido foi o Tgarch visto ser a volatilidade que não refuta a hipótese nula de ser um modelo ótimo a 10 e 20 defasagens, demonstrando assimetria nos retornos. Em síntese: os momentos de baixa da pontuação da B3 advindos de notícias ruins de âmbito nacional neste último ano (seja de âmbito político, econômico, social ou de saúde pública) ou mesmo referente às próprias empresas que o compõem (visto ainda ser um índice com forte concentração de volume negociado em poucos ativos) acusaram alavancar a volatilidade do IBOV. Comparativamente, agora, pode-se analisar visualmente as volatilidades do índice ao lado de seu retorno:

Retorno e Volatilidade Tgarch(1,1) do IBOV

Os resultados observados para o índice DAX foram: 

Teste Ljung-Box para o índice DAX 

Pode-se notar claramente que alguns picos de baixa no retorno, como nos dias 25º, 150º e 235º (em sequência até completar 365 dias) geraram estourou de volatilidade devido ao seu caráter de alavanca a choques negativos.

O índice DAX de Frankfurt apurou demonstrar simetria entre choques positivos e negativos em seu índice, defronte a obtenção do Garch (1,1) como o mais adequado para todas defasagens. Portanto, a volatilidade do índice não é influenciado fortemente por notícias ruins de âmbito nacional, político, econômico, social, de saúde pública ou mesmo referente às próprias empresas componentes do DAX. A sua volatilidade mantém-se padronizada nesta situação, equivalente às notícias boas. Os gráficos comparativos do retorno e sua volatilidade simétrica amparam os resultados:

Retorno e Volatilidade Garch(1,1) do DAX

Note que as quedas mais bruscas do retorno, como nos dias 50º, 125º e 150º não geram fortes aumentos de sua volatilidade, permanecendo no padrão de variação dos momentos de alta do retorno.

Finalmente, os resultados obtidos para o índice FTSE100, são: Teste Ljung-Box para o índice FTSE100 

Para este índice inglês, também não foi possível apurar a modalidade Egarch frente a ausência de aumento exponencial de sua volatilidade períodos de baixa, restando a escolha entre as duas restantes. Também apurou não haver simetria em suas volatilidades após choques positivos e negativos, refletindo baixo impacto na variabilidade do índice a notícias ruins das várias esferas que podem influenciar as 100 empresas mais representativas da bolsa londrina. A seguir o comparativo gráfico do seu retorno x volatilidade:

Retorno e Volatilidade Garch(1,1) do FTSE100

Atente que a situação volátil deste índice é muito semelhante ao do índice DAX, com seus períodos de baixa mais intensos não gerando explosões voláteis. Os mesmos períodos podem ser tomados para o comparativo: 50º, 125º e 150º, aproximadamente.

Finalmente, acompanhando os outros índices europeus, o AEX da bolsa de Amsterdã também demonstrou que a simetria aos choques positivos e negativos em seu índice é a mais adequada, mesmo com a grande equivalência nos resultados do Tarch e Egarch:

Retorno e Volatilidade Garch(1,1) do AEX

Portanto fica evidente que o índice da bolsa brasileira sofre maiores estresses quando notícias ruins almejam seu mercado, no comparativo aos índices de dois países considerados desenvolvidos como a Alemanha, Inglaterra e Holanda, que por sua vez acusaram impactos simétricos em suas volatilidades entre notícias boas e ruins.

Referências 

ADVFN. Histórico FTSE. Disponível em: https://br.advfn.com/bolsa-de-valores/asi/FTSE/historico. Acesso em: 20 abr 2021a. 

ADVFN. Histórico IBOV. Disponível em: https://br.advfn.com/bolsa-de-valores/bovespa/indice-bovespa-IBOV/historico . Acesso em: 20 abr 2021b. 

ADFN. Histórico DAX. Disponível em: https://br.advfn.com/bolsa-de-valores/dbi/DAX/historico. Acesso em: 20 abr 2021c.

BROOKS, Chris. Introductory Econometrics for Finance. 3. ed.
Cambridge: Cambridge University Press, 2015.