You are on page 1of 10

Copyright 2012, Instituto Brasileiro de Petróleo, Gás e Biocombustíveis - IBP

Este Trabalho Técnico foi preparado para apresentação na Rio Oil & Gas Expo and Conference 2012, realizado no período de 17 a
20 de setembro de 2012, no Rio de Janeiro. Este Trabalho Técnico foi selecionado para apresentação pelo Comitê Técnico do evento,
seguindo as informações contidas no trabalho completo submetido pelo(s) autor(es). Os organizadores não irão traduzir ou corrigir os
textos recebidos. O material conforme, apresentado, não necessariamente reflete as opiniões do Instituto Brasileiro de Petróleo, Gás e
Biocombustíveis, Sócios e Representantes. É de conhecimento e aprovação do(s) autor(es) que este Trabalho Técnico seja publicado
nos Anais da Rio Oil & Gas Expo and Conference 2012.
______________________________
1
DSc, Professor Associado - Universidade Federal do Rio de Janeiro
IBP1261_12
MODELOS DE VOLATILIDADE E A
EFETIVIDADE DO HEDGE NO MERCADO DE PETRÓLEO:
UMA ABORDAGEM DINÂMICA
André Assis de Salles
1



Resumo

Das estratégias de hedge possibilitam aos negociadores, com posições de compra ou de venda, proteção contra a variação
de preços no mercado. Este trabalho tem como objetivo examinar o desempenho de modelos de volatilidade
autoregressivos bivariados para séries de retornos do barril de petróleo do tipo Western Texas Intermediate – WTI. E,
além disso, examinar as volatilidades dos mercados à vista e futuro, e as estratégias de hedge implementadas através da
efetividade do hedge. Este trabalho mostra estratégias de hedge construídas utilizando-se metodologias baseadas em
modelos de volatilidade dos retornos dos mercados à vista e futuro, e a covariância entre os retornos desses dois
mercados, que correspondem às estimativas necessárias para as estratégias de hedge mostradas neste trabalho. Utilizando
para variância modelos GARCH bivariados, com parametrização VECH Diagonal e BEKK, e para três diferentes modelos
para média: autoregressivo bivariado, vetorial autoregressivo e vetorial com correção de erros. As metodologias aplicadas
neste trabalho levam em consideração a violação dos pressupostos de normalidade e homoscedasticidade dos retornos. Os
dados utilizados neste trabalho foram de retornos das cotações diárias em US$ por barril dos mercados à vista e futuro,
em particular, do contrato de junho/2010, de novembro 2008 até maio de 2010.



Abstract

The hedge strategies allow negotiators that have short and long positions in the market protection against price
fluctuations. This paper examines the performance of bivariate volatility models for the crude oil spot and future returns
of the Western Texas Intermediate – WTI type barrel prices. Besides the volatility of spot and future crude oil barrel
returns time series, the hedge ratio strategy is examined through the hedge effectiveness. Thus this study shows hedge
strategies built using methodologies applied in the variance modeling of returns of crude oil prices in the spot and future
markets, and covariance between these two market returns, which correspond to the inputs of the hedge strategy shown in
this work. From the studied models the bivariate GARCH in a Diagonal VECH and BEKK representations was chosen,
using three different models for the mean: a bivariate autoregressive, a vector autoregressive and a vector error correction.
The methodologies used here take into consideration the denial of assumptions of homoscedasticity and normality for the
return distributions. The data used is logarithm returns of daily prices quoted in dollars per barrel from November 2008 to
May 2010 for spot and future contracts, in particular the June contract.



1. Introdução

Os preços do petróleo são diretamente afetados por fatores econômicos, políticos, geopolíticos e tecnológicos,
assim como por reservas, estoques disponíveis e condições climáticas. Por outro lado os movimentos das variações dos
preços do petróleo, ou de sua volatilidade, têm influência direta na economia mundial. Dessa forma, estudos dos
movimentos e co-movimentos dos preços do petróleo envolvem certa complexidade. Muitos estudos relacionados aos
movimentos dos preços dessa commodity têm sido desenvolvidos. Os agentes econômicos indiretamente envolvidos nas
negociações de petróleo como, por exemplo, planejadores de empresas, e formuladores de política econômica, estão
Rio Oil & Gas Expo and Conference 2012
2
interessados em estudos relacionados às expectativas dos preços do petróleo. Enquanto os agentes econômicos envolvidos
diretamente na negociação têm interesse por estudos relacionados com estratégias de negociação, em particular,
estratégias de hedge, que permitem proteção contra as flutuações de preços. Visto ser o mercado de petróleo de elevada
relevância para economia mundial e, por conseguinte, para todas as economias nacionais. Neste mercado têm sido
aplicadas sofisticadas estratégias utilizando-se possibilidades proporcionadas pelos mercados de derivativos, em particular
pelos mercados futuros. Dentre essas estratégias muitas são implementadas visando reduzir do risco: de posições físicas
de investimentos em petróleo ou relacionadas com a volatilidade do petróleo. Em um mercado informacionalmente
eficiente os preços spot e futuro estão associados. Consequentemente esses preços são determinantes para estratégias de
hedge. As estratégias de hedge proporcionam aos negociadores, comprados ou vendidos, proteção contra o risco de
flutuações de preços. Neste trabalho o modelo de hedge de mínima variância foi utilizado nas estratégias de hedge. A
parte do risco que pode ser eliminada com uma estratégia de hedge de mínima variância pode ser mensurada através da
efetividade do hedge, medida introduzida na literatura de finanças por Ederington (1979).
O objetivo deste trabalho é examinar desempenho de dois modelos bivariados de volatilidade para retornos do
barril de petróleo do tipo West Texas Intermediate - WTI negociado no mercado futuro e no mercado à vista. Estimando
a média desses retornos através de três modelos: um modelo bivariado autoregressivo (AR), um modelo vetorial
autoregressivo (VAR) e um modelo vetorial de correção de erros (VEC). Além disso, esse trabalho procura avaliar a
volatilidade dos retornos dos mercados à vista e de futuros do petróleo de forma dinâmica e as estratégias de hedge
através da efetividade do hedge.
Além da introdução apresentada anteriormente, este trabalho está estruturado da seguinte forma. A seguir a
sessão 2 apresenta uma breve resenha sobre modelos de volatilidade. A sessão 3 apresenta a amostra utilizada neste
trabalho. Na sessão 4 está explicitada a abordagem metodológica utilizada. Enquanto a análise dos resultados obtidos e os
comentários finais estão nas sessões 6 e 7, respectivamente.


2. Modelos de Volatilidade: Uma Breve Resenha

Para se estimar a razão de hedge de variância mínima devemos estimar os valores para as variâncias dos retornos
à vista e futuro e também para a covariância entre eles. A volatilidade é fundamental para a determinação da estimativa da
razão de hedge. Vários métodos permitem estimativas da variância, ou da volatilidade, dos retornos dos preços do
petróleo. Essas estimativas podem ser obtidas através de modelos univariados ou multivariados. Para se conseguir
estimativas realistas esses modelos devem considerar a heteroscedasticidade dos retornos dos preços do petróleo. O que
permite se considerar a variação no tempo da razão de hedge. Outra característica das séries de retornos de ativos
financeiros, presente nas séries de retornos dos preços do petróleo, é a não normalidade, isto é, esses retornos seguem uma
distribuição de probabilidade diferente da distribuição normal. Assim os modelos de volatilidade devem levar em
consideração também a normalidade. Em um estudo sobre o comportamento da inflação do Reino Unido Engle (1982)
apresentou um modelo de volatilidade mais realista do que os até então apresentados na literatura de métodos
econométricos: o modelo Autoregressivo Condicional Heteroscedástico, ou modelo ARCH. A partir desse modelo foram
construídos outros modelos, ou uma família de modelos. Bollerslev (1986) introduziu uma generalização de modelo do
ARCH designado como modelo GARCH, ou modelo ARCH generalizado. Engle e Bollerslev (1986) propuseram outro
modelo de volatilidade denominado IGARCH, ou GARCH integrado, semelhante a um modelo de Alisamento
Exponencial designado por EWMA. Engle et al. (1987) sugeriram uma outra variação do modelo ARCH no qual a
variância tem influência da média, dito ARCH-M. Na determinação da razão de hedge de mínima variância são
necessárias estimativas da covariância entre os retornos dos preços do mercado à vista e do mercado futuro. Desse modo o
conhecimento de modelos multivariados, em especial bivariados, é interessante para se determinar estimativas da razão de
hedge. Bollerslev et al. (1988) a partir da generalização do modelo ARCH-M apresentou o modelo VECH, um modelo
GARCH multivariado. Esse modelo tem como restrição que a matriz de covariância seja positiva definida. Procurando
outras parametrizações para o modelo GARCH multivariado Engle e Kroner (1995) propõem outro modelo, o modelo
BEKK, com menos restrições e com maior facilidade de implementação do que o VECH. Outro modelo multivariado que
deve ser citado é o modelo de Correlação Condicional Dinâmica, ou DCC, proposto por Bollerslev (1990). No modelo
DCC a covariância é dinâmica enquanto o coeficiente de correlação não é. De acordo com o Engle (2002), esse modelo
consiste em se estimar os parâmetros em duas etapas: primeiro deve se estimar um modelo GARCH univariado e depois
as correlações. Dentre os trabalhos que se utilizaram de modelos da família ARCH para se determinar a razão de hedge,
deve mencionar o artigo de Baillie et al. (1991) com aplicações de modelos univariados e multivariados, especificamente
o modelo VECH com várias parametrizações para estimativas da razão de hedge em mercados de commodities
selecionadas. Para um maior conhecimento dos modelos da família ARCH pode se recorrer ao trabalho de Bollerslev
(2009), um glossário de acrônimos do ARCH presentes na literatura de econometria financeira.


Rio Oil & Gas Expo and Conference 2012
3
3. Amostra – Dados Utilizados

Para consecução dos objetivos deste trabalho foram coletados dados dos preços diários do barril de petróleo do
tipo WTI, em US$, nos mercados à vista e de futuros, especificamente do contrato de junho de 2010, para o período de
novembro de 2008 até maio de 2010. A série de preço do mercado à vista foi coletada na EIA – Energy Information
Administration, agência oficial de Estatísticas de Energia dos Estados Unidos da América. Enquanto os preços futuros do
contrato de junho foram obtidos no web-site da Bloomberg. Os gráficos das séries temporais dos preços estão
apresentados na Figura 1.

0
20
40
60
80
100
Spot Future


Figura 1. Preços dos Mercados à Vista (Spot) e Futuro (Future)

O gráfico apresentado indica uma correlação forte entre os preços do mercado à vista e do mercado futuro. No
gráfico pode ser também observada a variação da base e a convergência dos preços dos dois mercados na data de
expiração do contrato usado neste trabalho. A partir dos preços diários apresentados foram formadas séries temporais dos
retornos calculados com a seguinte expressão:


|
|
¹
|

\
|
=
−1
ln
t
t
t
preço
preço
R , (1)

onde R
t
se refere ao retorno do preço no tempo t, preço
t
= cotação do preço no tempo t, preço
t


= cotação do preço no
tempo t – 1.
As séries temporais dos retornos dos preços dos mercados à vista e futuro calculados para as estimativas dos
modelos de volatilidade e da razão de hedge estão apresentados na Tabela 1, a seguir. O resumo estatístico dessas séries
mostra uma média de retornos muito baixa próxima de zero, tanto o mercado à vista quanto para o mercado futuro.

Tabela 1. Resumo Estatístico dos Retornos

Estatísticas Mercado à Vista Mercado Futuro

Média 0,00084 0,00006
Mediana -0,00014 0,00044
Máximo 0,13546 0,08055
Mínimo -0,12743 -0,07244
Desvio Padrão 0,03458 0,02187
Assimetria 0,17081 0,04586
Curtose 5,79999 3,99820
Jarque-Bera 123,328 15,575
(valor p) (0,0000) (0,0000)
Tamanho da Amostra 372 372


Rio Oil & Gas Expo and Conference 2012
4
Na tabela 1 pode-se observar que desvio padrão para as duas séries é alto, indicando uma elevada volatilidade
desses mercados. Outra característica vista aqui e, em geral nas séries de retornos de ativos financeiros é a alta curtose,
que indica distribuições com caudas mais pesadas que da distribuição de probabilidade normal. Os coeficientes de
assimetria dessas séries de retornos são positivos. Dessa maneira a normalidade dessas séries deve ser descartada. O que
pode ser confirmado através da estatística de Jarque-Bera.


4. Abordagem Metodológica

Chance (1998) define a razão de hedge como o número de contratos futuros que se deve usar para proteger uma
exposição ao risco no mercado à vista. Esta razão pode ser mensurada através do número de contratos futuros necessários
para minimizar a variância do lucro “hedgeado” ou do retorno da carteira de hedge. A partir dos trabalhos de Johnson
(1960) e Stein (1961), citados em Chance (1998), define-se o lucro como:

F h S ∆ − ∆ = Π . (2)

onde Π é o lucro de uma estratégia de hedge, ∆S é a variação do preço spot, ∆F é a variação do preço futuro e h é o
número de contratos futuros. Da equação (2) tem-se a variância do lucro, ou da variância do retorno da carteira de hedge,
expressa na equação (3) a seguir:

h h
F S F S ∆ ∆ ∆ ∆ Π
+ + = σ σ σ σ ˆ 2 ˆ ˆ ˆ
2 2 2 2
. (3)

Da derivada da equação (3) da variância obtem-se o número ótimo de contratos futuros que miniminizam a
variância do lucro com hedge, ou o parâmetro h, que é dado por:

2
ˆ
ˆ
F
F S
h

∆ ∆
− =
σ
σ
. (4)

Caso o hedge fosse de venda a variação no preço à vista teria sinal negativo na equação do lucro e a expressão
acima teria valor positivo. A razão de hedge de variância mínima é a relação entre o risco assumido e a posição no
mercado futuro, como observado na seção anterior, a razão de hedge minimiza a variância da posição do hedger. Esta
razão pode ser estimada por:


F
S
h
σ
σ
ρ
ˆ
ˆ
ˆ = . (5)

onde: σ
S
é a variância do retorno no mercado spot; σ
F
é a variância do retorno no mercado futuro; ρ é o coeficiente de
correlação entre os retornos spot e os retornos futuros. Sendo a variável x o retorno spot e y o retorno futuro, a estimativa
do coeficiente de correlação pode ser calculado pela seguinte expressão:

y x
xy
y x COV
r
σ σ
ρ
ˆ ˆ
) ; (
ˆ = = (6)

A efetividade do hedge é definida como a proporção da variância eliminada através do hedge e pode ser
calculada, como observado em Hull (2002) da seguinte forma:


2
2
2 *
ˆ
ˆ
S
F
h H
σ
σ
= (7)

Na estimativa dos parâmetros, das expressões apresentadas anteriormente, foram utilizados modelos de
volatilidade, disponíveis na literatura de finanças, que serão descritos a seguir.
Rio Oil & Gas Expo and Conference 2012
5
No que se aos modelos para variância e covariância foram utilizados os modelos VECH e BEKK, nas variações
ARCH e GARCH. O modelo VECH-diagonal apresentado por Bollerslev et al.(1988) consiste em estimar a equação (11)
proposta por Ding e Engle (2001).

1 1 1
'
− − −
• + • + =
t t t t
H G e e D C H (8)

Neste trabalho foram estimados os modelos bivariados para o modelo ARCH(1) e o modelo GARCH(1,1) que
podem ser representados, respectivamente, pelas fórmulas (9) e (10) a seguir:

(
(
(
¸
(

¸


(
(
(
¸
(

¸

+
(
(
(
¸
(

¸

=
(
(
(
¸
(

¸


− −

2
1 , 2
1 , 1 1 , 2
2
1 , 1
33
22
11
22
21
11
, 22
, 21
, 11
0 0
0 0
0 0
t
t t
t
t
t
t
e
e e
e
d
d
d
c
c
c
h
h
h
(9)

(
(
(
¸
(

¸


(
(
(
¸
(

¸

+
(
(
(
¸
(

¸


(
(
(
¸
(

¸

+
(
(
(
¸
(

¸

=
(
(
(
¸
(

¸





− −

1 , 22
1 , 21
1 , 11
33
22
11
2
1 , 2
1 , 1 1 , 2
2
1 , 1
33
22
11
22
21
11
, 22
, 21
, 11
0 0
0 0
0 0
0 0
0 0
0 0
t
t
t
t
t t
t
t
t
t
h
h
h
d
d
d
e
e e
e
d
d
d
c
c
c
h
h
h
(10)

Estas matrizes de coeficientes podem ser parametrizadas de diferentes maneiras: sem restrições, matrizes
indefinidas; com restrições, matrizes de posto completo, para garantir que a matriz de variância-covariância seja positiva
semi-definida; e com restrições de matrizes diagonais. Para um maior aprofundamento dessas restrições pode-se recorrer a
Ding e Engle. (2001). O modelo BEKK empregado neste trabalho pode ser representado pelas seguintes equações (11) e
(12), respectivamente, na sua forma geral e na sua variação ARCH:


∑ ∑
=

=
− −
+ + =
p
j
j j t j i
q
i
i t i t i t
G H G D e e D C C H
1
'
1
' '
' (11)

(
¸
(

¸

(
¸
(

¸

(
¸
(

¸

+
(
¸
(

¸

(
¸
(

¸

=
(
¸
(

¸

− − −
− − −
22
11
2
1 , 2 1 , 1 1 , 2
1 , 2 1 , 1
2
1 , 1
'
22
11
22
12 11
'
22
12 11
, 22 , 21
, 12 , 11
0
0
0
0
0 0 d
d
e e e
e e e
d
d
c
c c
c
c c
t t t
t t t
t t
t t
σ σ
σ σ
(12)

Para a média foram utilizados três diferentes modelos. O primeiro foi um modelo autoregressivo (AR), que no
caso bivariado pode se expresso da seguinte forma:

(
¸
(

¸

+
(
¸
(

¸


(
¸
(

¸

+
(
¸
(

¸

=
(
¸
(

¸



t
t
t
t
t
t
e
e
r
r
b
b
a
a
r
r
, 2
, 1
1 , 2
1 , 1
2 , 1
1 , 1
2
1
, 2
, 1
. (13)

O segundo modelo aplicado foi o modelo vetorial autoregressivo (VAR), apresentado na literatura por Sims
(1980). O VAR com defasagem 1 pode ser representado pela seguinte expressão:

¹
´
¦
+ + + =
+ + + =
− −
− −
t Ft St Ft
t Ft St St
e R R R
e R R R
2 1 23 1 22 21
1 1 13 1 12 11
α α α
α α α
(14)


O terceiro modelo utilizado neste trabalho foi um modelo vetorial com correção de erros (VEC) apresentado por
Engle e Granger (1987). Em sua forma mais simples o modelo VEC com defasagem 1 pode ser descrito da seguinte
forma:

Rio Oil & Gas Expo and Conference 2012
6
¹
´
¦
+ + + − =
+ + + =
− − −
− − −
t Ft St t Ft
t Ft St t St
e R R R
e R R R
2 1 2 1 1 1
1 1 2 1 1 1
β β βθ
α α αθ
(15)


O parâmetro lambda na expressão acima é diferença entre os preços futuro e à vista, e representa a variável de
cointegração (ver Lien (1996)). Como proposto por Kroner e Sultan (1993), o modelo VEC também pode ser expresso da
seguinte forma:

¹
´
¦
+ − + =
+ − + =
− −
− −
Ft t t F F Ft
St t t S S St
e F S R
e F S R
) (
) (
1 1 2 1
1 1 2 1
δ α α
δ α α
(16)

onde as variáveis S e F se referem aos preços futuros e do mercado à vista. Essas duas formulações do modelo VEC foram
estimadas neste trabalho. Desse modo a razão de hedge pode ser calculada através da seguinte fórmula:

) (
) , cov(
2
2 1
t
t t
t
e Var
e e
h = (17)


O modelo autoregressivo (AR) e o modelo vetorial autoregressivo (VAR) são adequados para mercados
eficientes informacionalmente. Quando a hipótese de eficiência de mercado não puder ser aceita deve se incluir no
modelo a variável de cointegração no modelo VAR. E, por conseguinte o modelo vetorial de correção de erros (VEC) é o
mais adequado para se determinar a razão de hedge. Os modelos construídos assumindo-se uma distribuição t de Student
bivariada para os retornos dos mercados à vista e futuro, estimando-se o número de graus de liberdade em conjunto com
cada um dos modelos. Assim diversas variações para cada um dos modelos AR, VAR e VEC foram estimados
selecionando-se para cada modelo o que apresentou melhores estimativas. O critério de Akaike foi escolhido para essa
seleção. A partir dos resultados das estimativas dos modelos foi determinada a razão de hedge para cada um dos modelos,
utilizando-se a efetividade do hedge com cada um dos modelos selecionados para se proceder a comparação de
desempenho dos modelos utilizados neste trabalho.


6. Análise dos Resultados Obtidos

O modelo de volatilidade selecionado neste trabalho foi o VECH diagonal, utilizados aqui na estimativa da
volatilidade dos três diferentes modelos estimados. O primeiro foi o modelo autoregressivo para a média, sem intercepto
ou sem o parâmetro a, como mencionado anteriormente. Enquanto a equação da variância foi um modelo de GARCH, na
parametrização VECH diagonal, sendo as matrizes C, D e G de rank um, indefinida e indefinida, respectivamente. O
número de graus de liberdade da distribuição t de Student foi estimado em 7. As estimativas da volatilidade, dos retornos
dos mercados à vista e futuro, obtidas através do modelo de AR são mostrados na Figura 2.

0,000
0,002
0,004
0,006
0,008
0,010
Volatilidade-Mercado Futuro Volatilidade-Mercado à Vista


Figura 2. Volatilidade dos Retornos dos Preços dos Mercados à Vista e Futuro

Rio Oil & Gas Expo and Conference 2012
7
Os gráficos das volatilidades mostram que o mercado de petróleo foi muito afetado pela crise global deflagrada
em 2008. Isto fica evidente nos períodos de pico próximos do final do ano de 2008 e o nos período que se seguem.

0,00
0,50
1,00
1,50
2,00
2,50
Nov-08 Jan-09 Feb-09 Apr-09 May-09 Jul-09 Aug-09 Oct-09 Nov-09 Jan-10 Feb-10 Apr-10
Razão de Hedge - Modelo AR


Figura 3. Razão de Hedge de Mínima Variância – Modelo AR

0,00
0,20
0,40
0,60
0,80
1,00
1,20
Nov-08 Jan-09 Feb-09 Apr-09 May-09 Jul-09 Aug-09 Oct-09 Nov-09 Jan-10 Feb-10 Apr-10
H* -- Efetividade do Hedge - Modelo AR


Figura 4. Efetividade do Hedge – Modelo AR

0,00
0,50
1,00
1,50
2,00
2,50
Nov-08 Jan-09 Feb-09 Apr-09 May-09 Jul-09 Aug-09 Oct-09 Nov-09 Jan-10 Feb-10 Apr-10
Razão de Hedge - Modelo VAR


Figura 5. Razão de Hedge de Variância Mínima – Modelo VAR

Rio Oil & Gas Expo and Conference 2012
8
0,00
0,20
0,40
0,60
0,80
1,00
1,20
Nov-08 Jan-09 Feb-09 Apr-09 May-09 Jul-09 Aug-09 Oct-09 Nov-09 Jan-10 Feb-10 Apr-10
H* -- Efetividade do Hedge - Modelo VAR


Figura 6. Efetividade do Hedge – Modelo VAR

As Figuras 3 e 4 apresentam a razão de hedge e a efetividade do hedge, respectivamente. Como mostram essas
figuras a razão de hedge e efetividade de hedge são fortemente afetadas pela volatilidade dos retornos, uma vez que essa
variável é uma importante parâmetro na determinação dessas duas medidas. No que se refere à efetividade do hedge, o
enfoque deste trabalho, deve-se observar que no primeiro semestre pós-crise essa medida apresentou uma diminuição que
se tornou mais acentuada em janeiro e fevereiro de 2009. A efetividade do hedge próxima da unidade no período entre
junho de 2009 e o fim do período estudado, exceto no mês de julho de 2009 e quando uma queda pode ser observada em
novembro de 2009 e abril de 2010 seguindo a volatilidade dos mercados à vista e futuro.
As figuras 5 e 6 mostram, respectivamente, a razão de hedge e a efetividade do hedge do segundo modelo, ou do
modelo VAR. A equação da variância do modelo de GARCH, ou do modelo de VECH diagonal, estimado do modelo
com média dada pelo modelo VAR apresentou as mesmas características do modelo autoregressivo, enquanto o número
de graus de liberdade da distribuição t de Student próximo de 7. O terceiro modelo utilizado foi o modelo VEC como
proposto por Kroner e Sultan (1993), apresentado anteriormente. Os resultados do terceiro modelo foram semelhantes
aos do modelo VAR e o número de graus de liberdade da distribuição t de Student foi estimado em aproximadamente 8.
As Figuras 7 e 8 apresentam, respectivamente, a razão de hedge e a efetividade do hedge determinadas através do terceiro
modelo.

0,00
0,50
1,00
1,50
2,00
2,50
Nov-08 Jan-09 Feb-09 Apr-09 May-09 Jul-09 Aug-09 Oct-09 Nov-09 Jan-10 Feb-10 Apr-10
Razão de Hedge - Modelo VEC


Figura 7. Razão de Hedge de Mínima Variância – Modelo VEC

Os gráficos apresentados indicam que os melhores resultados foram obtidos com o modelo de VAR. É possível
se inferir, a partir desses gráficos, que a razão de hedge e a efetividade de hedge respondem prontamente a volatilidade
dos mercados, principalmente a volatilidade dos retornos do mercado à vista. O mercado de petróleo foi fortemente
afetado pela crise financeira global de 2008 até abril de 2009. Depois deste período a efetividade de hedge ficou próximo
da unidade, exceto no período em torno de julho de 2009. É importante observar que o modelo de VEC apresentou
resultados relevantes como, por exemplo, em abril de 2009 quando da ocasião do pior período da crise global para os
mercados financeiros.

Rio Oil & Gas Expo and Conference 2012
9
0,00
0,20
0,40
0,60
0,80
1,00
1,20
Nov-08 Jan-09 Feb-09 Apr-09 May-09 Jul-09 Aug-09 Oct-09 Nov-09 Jan-10 Feb-10 Apr-10
H* -- Efetividade do Hedge - Modelo VEC


Figura 8. Efetividade do Hedge – Modelo VEC

Como aconteceu com a efetividade do hedge estimada com o modelo AR, quando essa medida foi estimada
através dos modelos VAR e VEC a volatilidade dos mercados mostra uma influência direta, como era esperado. A
efetividade do hedge apresentou uma média ao redor de 0,8 quando determinada com os modelos AR, VAR e VEC, no
período estudado. Cabe ressaltar que o modelo VAR apresentou a menor variabilidade entre as efetividades do hedge
obtidas.


6. Comentários Finais

Esse trabalho teve como objetivos apresentar estratégias de hedge para o mercado de petróleo e estimativas de
volatilidade. Dessa forma foram implementados modelos clássicos para determinar a razão de hedge e a efetividade do
hedge, de maneira a proceder a comparação dos modelos utilizados. Dentre as diversas metodologias disponíveis na
literatura de finanças, neste trabalho foram implementadas metodologias se utilizando de modelos autoregressivos
bivariados, vetoriais autoregressivos e de correção de erros. Tendo a volatilidade estimada por modelos GARCH
bivariados. Os modelos GARCH utilizados foram o VECH diagonal e o BEKK. Os resultados da efetividade do hedge
obtidos indicaram que o modelo vetorial autoregressivo para média com a variância estimada por um modelo VECH
diagonal apresentou os melhores resultados.
Apesar da relevância dos resultados obtidos neste estudo deve se destacar que estão associados à amostra
utilizada, não podendo ser generalizados. Assim outros estudos devem ser conduzidos utilizando-se outras abordagens.
Dado a relevância do objeto da pesquisa aqui tratado, hedge para os preços do petróleo, é importante assinalar que as
inferências podem ser obtidas com a utilização de outros modelos, outras metodologias ou outras amostras.


7. Referências

BAILLIE, R., MYERS, R. Bivariate GARCH Estimation of the Optimal Commodity Futures Hedge. Journal of Applied
Econometrics, v. 6, n. 2, pp. 109-124, 1991.
BOLLERSLEV, T. Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, v.31, n.3, pp.
307-327, 1986.
BOLLERSLEV, T. Modeling the Coherence in Short-Run Nominal Exchange Rates: A Multivariate Generalized Arch
Model, The Review of Economics and Statistics, v.72, n.3, pp. 498-505, 1990.
BOLLERSLEV, T. Glossary to ARCH (GARCH), In Bollerslev, T., Russel, J., Watson, M. (Org.). Volatility and Time
Series Econometrics: Essays in Honour of Robert F. Engle, Oxford University Press, Oxford, 2009.
BOLLERSLEV, T., ENGLE E, R. F., WOOLDRIDGE, J. M. A Capital Asset Pricing Model with Time-Varying
Covariances, The Journal of Political Economy, v.96, n. 1, pp. 116-131, 1988.
CHANCE, D. An Introduction to Derivatives. Orlando, FL: Dryden Press, 1998.
DING, Z., ENGLE, R. Large Scale Conditional Covariance Matrix Modeling, Estimation and Testing. in
http://ssrn.com/abstract=1296437, 2001.
EDERINGTON, L. The Hedging Performance of the New Futures Market. The Journal of Finance, v. 34, n. 1, pp. 157-
170, 1979.
Rio Oil & Gas Expo and Conference 2012
10
ENGLE, R. Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of the United Kingdom
Inflation. Econometrica, v.50, n.4, pp. 987-1007, 1982.
ENGLE, R. Dynamic conditional correlation: a simple class of multivariate GARCH models. Journal of Business and
Economic Statistics, v.20, n.3, pp. 339-350, 2002.
ENGLE, R., BOLLERSLEV, T. Modeling the Persistence of Conditional Variances. Econometric Reviews, v.5, n.1, pp.1-
50, 1986.
ENGLE, R., GRANGER, C. Cointegration and Error Correction: Representation, Estimation, and Testing. Econometrica,
v. 55, n. 2, pp. 251-276, 1987.
ENGLE, R., KRONER, K. Multivariate Simultaneous Generalized Arch. Econometric Theory. v.11, n.1, pp.122-150,
1995.
ENGLE, R., LILIEN, D., ROBINS, R. Estimating Time Varying Risk Premia in the Term Structure: The Arch-M Model.
Econometrica. v.55, n.2, pp.391-407, 1987.
HULL, J. Fundamentals of Futures and Options Markets (4
th
ed.). New Jersey: Prentice Hall, 2002.
JOHNSON, L. L. The Theory of Hedging and Speculation in Commodity Futures. The Review of Economic Studies, v.27, n.3, pp. 139-
151, 1960.
KRONER, F., SULTAN, J. Time Varying Distribution and Dynamic Hedging with Foreign Currency Futures. Journal of Financial
and Quantitative Analysis, v. 28, n. 4, pp. 535-551, 1993.
LIEN, D. The Effect of the Cointegrating Relationship on Futures Hedging: A Note. Journal of Futures Markets, v. 16, n. 7, pp. 773-
780, 1996.
SIMS, C. Macroeconomics and Reality. Econometrica, v. 48, n. 1, pp. 1-48, 1980.
STEIN, J. L. The Simultaneous Determination of Spot and Futures Prices. American Economic Review, v.51, n.5, pp. 1012-1025,
1961.