A STUDY ON THE RETURN VOLATILITY OF THE COFFEE BEANS PRICE USING ARCH MODELS

  • Sandra Cristina Oliveira UNESP-Tupã
Palavras-chave: Abordagem Bayesiana, Distribuições a priori informativas, Métodos MCMC

Resumo

Para commodities primárias, a volatilidade do preço pode surgir principalmente por causa de distúrbios na oferta, enquanto que, para matérias-primas industriais, pode ser resultado de distúrbios na demanda. Na análise de mercados de commodities primárias observa-se que informação, hedging, especulação e disponibilidade física são fatores que podem influenciar na volatilidade de tais commodities. Além disso, o aumento da volatilidade nos mercados dessas commodities pode justificar o uso de processos baseados em informação para a modelagem do padrão da volatilidade do retorno destas. Dada a relevância da família de modelos autoregressivos com heterocedasticidade condicional (ARCH) na resolução de problemas das áreas de economia e finanças, devido à sua aplicabilidade e interpretação (relação entre retorno e volatilidade), o objetivo deste trabalho foi propor uma abordagem Bayesiana e comparar as estimativas dos parâmetros de processos ARCH com distribuições normal e t de Student para a distribuição da série de retornos mensais do café. Foram sugeridas densidades a priori informativas e os sumários a posteriori foram obtidos por meio de métodos de simulação de Monte Carlo em Cadeias de Markov (MCMC). Os resultados mostraram que a abordagem Bayesiana proposta proporciona estimativas satisfatórias e que o processo ARCH com distribuição t de Student ajusta-se melhor aos dados.

Downloads

Não há dados estatísticos.

Referências

ANDRADE, M. G.; OLIVEIRA, S. C. A comparative study of Bayesian and Maximum Likelihood approaches for ARCH models with evidence from Brazilian financial series. New Mathematics and Natural Computation, v.7, n.2, p. 347-361, 2011. https://doi.org/10.1142/S1793005711001974

AUSÍN, M. C.; GALEANO, P. Bayesian Estimation of the Gaussian Mixture GARCH Model. Computational Statistics and Data Analysis, v.51, n.5, p.2636-2652, 2007. https://doi.org/10.1016/j.csda.2006.01.006

BARRETO, G. A.; OLIVEIRA, S. C.; ANDRADE, M.G. Estimação de Parâmetros de Modelos ARCH(p): Abordagem Bayes-MCMC versus Máxima Verossimilhança. Revista Brasileira de Estatística, v.69, n.1, p.7-24, 2008.

BOLLERSLEV, T. Generalized Autoregressive Conditional Heteroscedasticity. Journal of Econometrics, v.31, n.3, p.307-327, 1986. https://doi.org/10.1016/0304-4076(86)90063-1

BOLLERSLEV, T. Glossary to ARCH (GARCH). Research paper, School of Economics and Manangement, University of Aarthus (2008). Electronic copy available at: http://ssrn.com/abstract=1263250. https://doi.org/10.2139/ssrn.1263250

CARLIN, B.; CHIB, S. Bayesian Model Choice via Markov Chain Monte Carlo Methods. Journal of the Royal Statistical Society, v.57, n.3, p.473-484, 1995. https://doi.org/10.1111/j.2517-6161.1995.tb02042.x

CASELLA, G. E.; GEORGE, E. I. Explaining the Gibbs sampler. The American Statistician, v.46, n.8, p.167-174, 1992. https://doi.org/10.1080/00031305.1992.10475878

CHIB, S.; GREENBERG, E. Understanding the Metropolis-Hastings Algorithm. The American Statistician, v.49, n.4, p.327-335, 1995. https://doi.org/10.1080/00031305.1995.10476177

ENDERS, W. Applied Econometric Times Series. New Jersey: Wiley, 2009. 544p.

ENGLE, R. Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of UK Inflation. Econometrica, v.50, n.4, p.987-1007, 1982. https://doi.org/10.2307/1912773

GEWEKE, J. Exact Predictive Densities for Linear Models with ARCH Disturbances. Journal of Econometrics, v.40, n.1, p. 63-86, 1989. https://doi.org/10.1016/0304-4076(89)90030-4

GEWEKE, J. Evaluating the Accuracy of sampling-based approaches to calculating posterior moments (with discussion). Bayesian Statistics, v.4, p.164-193, 1992.

MORETTIN, P. A. Econometria Financeira. São Paulo: Edgard Blucher Ltd., 2008. 400p.

NAKATSUMA, T. Bayesian Analysis of ARMA-GARCH Models: A Markov Chain Sampling Approach. Journal of Econometrics, v.95, n.1, p.57-69, 2000. https://doi.org/10.1016/S0304-4076(99)00029-9

OLIVEIRA, S. C.; ANDRADE, M. G. Comparison between the complete Bayesian method and empirical Bayesian method for ARCH models using Brazilian financial time series. Pesquisa Operacional, v.32, n.2, p.293-313, 2012. https://doi.org/10.1590/S0101-74382012005000019

OLIVEIRA, S. C.; ANDRADE, M. G. Stochastic models with heteroskedasticity: A Bayesian approach for Ibovespa returns. Acta Scientiarum. Technology, v.35, n.2, p.339-347, 2013. https://doi.org/10.4025/actascitechnol.v35i2.13547

SILVA, W.; SÁFADI, T.; CASTRO JUNIOR, L. Uma análise empírica da volatilidade do retorno de commodities agrícolas usando modelos ARCH: os casos do café e da soja. Revista de Economia e Sociologia Rural, v.43, n.1, p.35-42, 2005. https://doi.org/10.1590/S0103-20032005000100007

VEIGA, E. P.; VIVANCO, M. J. F. A medida L como critério de comparação de modelos: Uma revisão da literatura. Revista Brasileira de Biometria, São Paulo, v.30, n.3, p.343-352, 2012.

Publicado
2019-07-31
Como Citar
Oliveira, S. C. (2019). A STUDY ON THE RETURN VOLATILITY OF THE COFFEE BEANS PRICE USING ARCH MODELS. Colloquium Exactarum. ISSN: 2178-8332, 11(2), 101-110. Recuperado de http://journal.unoeste.br/index.php/ce/article/view/2707