Identificação e previsão de bull e bear markets : uma análise para o índice Ibovespa

• Main Author: Ratnieks, Ianes
• Other Authors: Caldeira, João Frois
• Format: Others
• Language: Portuguese
• Published: 2013
• Subjects: Modelo econométrico; Modelo de previsão; Metodos nao parametricos; Mercado financeiro; Brasil; Bull e bear markets; Markov switching; Rules based approach; Forecast; Investment strategy
• Online Access: http://hdl.handle.net/10183/79119

O presente trabalho busca identificar bull e bear markets para o mercado financeiro brasileiro, especificamente para o índice Ibovespa, através das principais metodologias existentes na literatura: regras não paramétricas e modelos de mudança de regime markoviano. A primeira abordagem foi utilizada como benchmark para comparação com melhor modelo econométrico estimado pela segunda abordagem, visto que trata-se de um método ex-post de identificação. No tange aos modelos de mudança de regime markoviano, constatou-se que permitir regimes distintos também para a variância da série contribui para a identificação dos mesmos. Desta forma, o melhor modelo obtido fora o MSARMA(2,1)-2 para a série de retornos semanais do índice Ibovespa. O modelo foi capaz de identificar os principais eventos que impactaram a economia e o mercado financeiro brasileiro no período. Além disto, o modelo se mostrou útil para a tomada de decisão, visto que a estratégia de investimento, baseada na previsão um passo à frente do estado do mercado, foi capaz de preservar o capital do investidor, gerando um melhor desempenho do que na estratégia buy-and-hold de longo prazo. === This paper seeks to identify bull and bear markets in the brazilian stock market, specifically to the time series of the Ibovespa index, through the main methodologies present in literature: identification based on rules and Markov switching models. The first method was used as a benchmark to compare with the best regime switching model, since it is an ex-post method of identification. Modelling a Markov switching model with two regimes also for the variance of the process resulted in a better identification of the markets. Thus, the best Markov switching model estimated was theMSARMA(2,1)-2 to the time series of the Ibovespa weekly returns. The model was able to identify the main events that have impacted the brazilian economy and also the stock market in the period. Furthermore, the model proved its value in decision making, since in a investment strategy, based on the models one step ahead forecast about the regime of the market, it was able to preserve investor capital, generating a better performance than the buy-and-hold strategy.