Determinantes dos pre¸os do petr´leo no mercado internacional: Uma c o an´lise emp´ a ırica utilizando modelos GARCH.

OZON, R., H.11
1

Economista pela UFPR

RESUMO - O presente artigo analisa o comportamento, a volatilidade e a dinˆmica a dos pre¸os do petr´leo no mercado internacional combinando trˆs modelos c o e econom´tricos distintos; o modelo de co-integra¸˜o, os modelos GARCH e de Vetores e ca Auto-Regressivos. Em linhas gerais, com a metodologia econom´trica empregada, foi e poss´ avaliar as expectativas dos agentes envolvidos frente ao surgimento de boas e ıvel m´s not´ a ıcias e seus efeitos diretamente na trajet´ria de pre¸os e volatilidades, o c possibilitando desenhar a Curva de Impacto de Not´ ıcias desenvolvida por Engle e NG (1991)2 , para o per´ ıodo compreendido entre 1986 e in´ de 2008 com dados di´rios, ıcio a testando desta maneira a hip´tese de que uma escala de altas sucessivas nos patamares o de pre¸os, n˜o necessariamente implicam em maiores n´ c a ıveis de volatilidade e incerteza, tanto para pa´ de economias desenvolvidas, quanto subdesenvolvidas, uma vez que ıses um modelo de equa¸˜es simultˆneas de equil´ co a ıbrio entre oferta e demanda n˜o se mostra a eficiente para determinar os pre¸os desta commoditie n˜o convencional. Todavia, o atual c a patamar de pre¸os e a conjuntura internacional embutem riscos, tanto macroeconˆmicos, c o como o impacto inflacion´rio, por exemplo, onde a antecipa¸˜o quanto a tomada de a ca decis˜o por parte dos governos centrais por medidas de controle influenciam as a expectativas dos agentes, afetando os investimentos e o pr´prio crescimento econˆmico, o o direcionando as aten¸˜es para o planejamento em dire¸˜o de uma poss´ substitui¸˜o co ca ıvel ca da matriz energ´tica de combust´ renov´vel futuramente. e ıvel a Palavras-chave: Pre¸os do petr´leo. Volatilidade. Modelos GARCH. Curva de Impacto c o de Not´ ıcias.

Al. Dr. Carlos de Carvalho, 1497, ap. 48 - 80730-200 - Curitiba - PR. Endere¸o eletrˆnico: rodrigoozon@yahoo.com.br c o 2 [12]

1

2

1

INTRODUCAO ¸˜

Este trabalho prop˜e-se a investigar o comportamento dos pre¸os do petr´leo no mero c o cado internacional, em especial os dois principais benchmarks, o light sweet crude WTI, negociado na NYMEX que ´ um importante referenciador para as bolsas de valores e o ´leo e o do tipo Brent europeu, respons´vel por cerca de 2/3 do mercado f´ a ısico, ambos comercializados no mercado spot, os quais vem apresentando altas significativas, exercendo impactos relevantes nas principais vari´veis macroeconˆmicas e no bem estar social, como a infla¸˜o a o ca no curto prazo por exemplo, destacando suas principais caracter´ ısticas mercadol´gicas e o as interdependˆncias entre os mercados europeu e norte-americano, elucidando quais os e principais determinantes de seus pre¸os e as devidas rela¸˜es entre o surgimento de boas c co e m´s not´ a ıcias e a sua devida conex˜o com as expectativas dos agentes envolvidos. a Neste sentido, as rela¸˜es entre as oscila¸˜es de pre¸os dos ´leos e o ritmo da econoco co c o mia, s˜o de grande importˆncia justificando o surgimento de estudos que colaborem na a a explica¸˜o de sua forma¸˜o, volatilidade e a rede de efeitos sobre as vari´veis econˆmicas ca ca a o e ambientais, deste energ´tico que ´ ainda o mais consumido no mundo e utilizado em e e praticamente todas as atividades produtivas. Algumas das principais pesquisas atribuem a fatores pol´ ıticos no oriente m´dio, a e crescente demanda chinesa, as restri¸˜es na oferta por parte dos pa´ ´rabes e at´ mesmo co ıses a e fatores clim´ticos n˜o previstos nos EUA, como limitantes a visualiza¸˜o da dinˆmica de a a ca a curto prazo incorrendo em tens˜es especulativas nos movimentos de pre¸os. Como o o c fluxo de informa¸˜es influencia de maneira significativa a forma¸˜o de pre¸os do petr´leo co ca c o no mercado internacional, esta pode ser explicada pelos modelos de co-integra¸˜o, que ca objetivam avaliar se h´ uma rela¸˜o de longo prazo entre os pre¸os do WTI e do Brent, a ca c os modelos da fam´ ARCH/GARCH com o intuito de captar a volatilidade inerente ılia em certos pontos do tempo em conjunto com a metodologia de Vetores Auto-Regressivos e decomposi¸˜o da variˆncia de erros, na qual se pode estimar quanto tempo um dado ca a choque nos pre¸os ou na volatilidade de cada ´leo leva para se ajustar a sua trajet´ria. c o o Para tal finalidade, foram utilizadas as s´ries di´rias do mercado spot do WTI e Brent e a (em d´lares por barril), dispon´ o ıveis em EIA (2008) [8], destacando os principais fatos hist´ricos, sua rede de efeitos sobre as vari´veis macroeconˆmicas e os impactos no proo a o cesso de desenvolvimento econˆmico. Com esse objetivo, o artigo est´ dividido em mais o a cinco se¸˜es al´m desta introdu¸˜o. A se¸˜o 2 descreve de forma breve a revis˜o de co e ca ca a literatura, enfocando os principais estudos desenvolvidos para a an´lise destas s´ries de a e pre¸os. Na se¸˜o seguinte s˜o apresentadas a metodologia de co-integra¸˜o, os modelos c ca a ca ARCH/GARCH e de Vetores Auto-Regressivos na estima¸˜o. Na quarta se¸˜o s˜o deca ca a scritos os principais resultados obtidos e na quinta e ultima as principais conclus˜es do ´ o estudo.

3

2

˜ REVISAO DE LITERATURA

A an´lise dos pre¸os do petr´leo n˜o ´ uma tarefa simples. No entanto, existem a c o a e in´meros estudos que buscam responder quais as conseq¨ˆncias de suas variabilidades no u ue sistema econˆmico em especial logo ap´s o primeiro choque do petr´leo em 1973 direcioo o o nando o pensamento dos economistas do lado da oferta a implementarem suas teorias. Primeiramente, faz-se necess´rio apresentar o conceito de energia, que nada mais ´ do a e que a capacidade de produzir trabalho; e que capital ´ constitu´ por trabalho acumulado. e ıdo
“Se conseguir energia necess´ria para a sobrevivˆncia ´ a atividade que tem a e e precedˆncia sobre qualquer outra, em qualquer ser vivente, com a evolu¸˜o, as divere ca sas formas de vida desenvolveram estrat´gias diversificadas para captar, armazenar e e utilizar de forma mais eficaz a energia dispon´ ıvel, aumentando sua capacidade de sobreviver e de deixar descendˆncia.” (PORTO, 2006, p. 4) [28] e

Como a esp´cie humana aprendeu a maximizar artificialmente a capacidade de suporte e do meio ambiente, que ´ determinada por sua capacidade de fornecer energia suficiente e para a sobrevivˆncia de um certo n´mero de indiv´ e u ıduos daquela esp´cie, por tempo ine determinado, mediante a¸˜es que minimizassem o gasto pr´prio de energia e maximizem co o seus ganhos (como por exemplo, nos prim´rdios, o uso do fogo pelo homem, pelo plantio o de ervas produtoras de gr˜os de alto valor energ´tico e depois pela domestica¸˜o de ania e ca mais que propiciavam a obten¸˜o de prote´ a um custo energ´tico infinitamente inferior ca ına e ao da ca¸ada.); este modelo se mostra esgot´vel, uma vez que o suporte do sistema ´ c a e determinado pela quantidade existente do elemento n˜o renov´vel, concentrado, que esa a timula o crescimento. Uma vez que ele dure, a popula¸˜o crescer´ explosivamente e a ca a sua redu¸˜o para n´ ca ıveis muito inferiores aos existentes no momento da “ultrapassagem”3 torna-se inevit´vel n˜o apenas pela exaust˜o dos recursos que viabilizaram o crescimento a a a mas porque a depreda¸˜o do meio ambiente, qualquer que seja, causada pelo aumento ca populacional, leva a sua capacidade de sustento para n´ ıveis muito menores que os iniciais. (PORTO, 2006) [28] Todavia, este modelo teve in´ no s´culo XIX, onde a humanidade procurava esgoıcio e tar um elemento essencial n˜o renov´vel que duraria tanto quanto durassem as reservas a a deste elemento existente no meio ambiente acess´ a popula¸˜o, pelo uso energia f´ssil ıvel ca o armazenada pelos restos de organismos pr´-hist´ricos e parece perdurar durante muitos e o anos, chegando muito pr´ximo da atualidade. o Parece evidente que o petr´leo que era visto como um fator-chave4 no processo de o desenvolvimento econˆmico viera a chamar a aten¸˜o dos especialistas em rela¸˜o ao o ca ca chamado “Pico de Hubert” nos anos 90, ou seja, o momento em que a produ¸˜o mundial ca de petr´leo atingir´ seu ponto m´ximo antes de come¸ar a cair. o a a c Como salienta PORTO (2006, p. 30) [28] “A vis˜o hoje compartilhada por muitos a especialistas independentes foi exposta por Kenneth S. Deffeyes, professor de geociˆncias e da Universidade de Princeton, que num meticuloso trabalho publicado em 2001, situou o ponto de inflex˜o da produ¸˜o mundial de petr´leo em algum momento entre os anos de a ca o 2004 e 2008.”
Momento pelo qual a popula¸˜o ultrapassa o n´mero em que se poderia manter estabilizada dentro ca u da capacidade de renova¸˜o natural dos elementos indispens´veis ´ sua preserva¸˜o. ca a a ca 4 Fator com oferta abundante e pre¸o decrescente. c
3

4 ´ E recorrente no entanto, a vis˜o de alguns economistas alegando que os pre¸os mais a c altos do barril de petr´leo favorecem aos avan¸os tecnol´gicos na busca de novas fontes. o c o ´ Para PEREZ (2001) [27], o petr´leo j´ foi um fator-chave da economia at´ o final do s´culo o a e e passado, que alavancava a economia a um novo salto dentro do ciclo de Kondratieff, o que hoje s´ seria poss´ com os avan¸os tecnol´gicos oriundos de toda a contribui¸˜o de um o ıvel c o ca novo fator-chave como a microeletrˆnica uma vez que esta abrange praticamente todas os o segmentos produtivos. Na vis˜o de TIGRE (1998) [34]: a
“Em termos econˆmicos, a revolu¸˜o microeletrˆnica traz de volta o fantasma da o ca o “destrui¸˜o criadora” de Schumpeter. Desde que foi esgotado o modelo do petr´leo ca o e energia barata, o mundo passa por um processo de crise estrutural, do qual s´ o escapam poucos pa´ como Jap˜o que est˜o na vanguarda do processo de difus˜o ıses a a a das novas tecnologias e por isso se beneficiam de uma situa¸˜o competitiva privileca giada.”

Numa perspectiva futurista, o conceito de “singularidade”, oriundo da f´ ısica se mostra evidente dentro deste contexto, (KENSKI, 2003) [21] onde a id´ia de que a tecnologia de e v´rias ´reas evoluem cada vez mais aceleradamente, se integrando e mudando cada vez a a mais rapidamente a realidade, limitando desta maneira a designa¸˜o de fenˆmenos t˜o ca o a extremos nos quais as equa¸˜es n˜o seriam mais capazes de descrevˆ-los. co a e “Para o inventor Ray Kurzweil, um computador de mil d´lares tem hoje a mesma o inteligˆncia de um inseto. No futuro ele se igualar´ ´ capacidade de um rato, de um e a a homem e, finalmente, de toda a humanidade.” (KENSKI, 2003) [21] Com o desenvolvimento da ind´stria do petr´leo, das melhorias das condi¸˜es sociais u o co e sanit´rias, o crescimento populacional e o modelo de industrializa¸˜o vigente at´ ent˜o, a ca e a os seus pre¸os sofreram diversas modifica¸˜es na forma de precifica¸˜o e negocia¸˜o. O c co ca ca quadro abaixo simplifica este processo:
1950s Petr´leo negociado o por contratos de longo prazo Mercado spot inexpressivo Pre¸os est´veis c a 1960s Petr´leo negociado o por contratos de longo prazo Mercado spot inexpressivo Pre¸os est´veis c a 1970s Oferta de petr´leo o com maior incerteza Crescimento do mercado spot Pre¸os em ascen¸ao c c˜ Est´veis em a 1974 e 1978 1o e 2o choque do petr´leo o Nacionaliza¸ao das c˜ majors (upstream) 1980s Crescimento dos mercados spot e a termo (forward) In´ ıcio das negocia¸oes de c˜ contratos futuro Pre¸os pouco c est´veis a Contra-choque (netback pricing) 1990-2000s Petr´leo negociado via o mercado spot e a termo Expans˜o a dos mercados futuros e derivativos Alta volatilidade dos pre¸os c Guerra do Golfo OPEP vs. OPEP

Majors controlam a produ¸ao mundial c˜

Majors controlam a produ¸ao mundial c˜ Cria¸ao da c˜ OPEP (1960)

´ ´ QUADRO 1 - EVOLUCAO DO MERCADO DE PETROLEO: BREVE HISTORICO ¸˜ FONTE: CAVALCANTE (2007) [5]

Hoje as pesquisas cient´ ıficas se debru¸am na busca de descoberta de novas fontes c de energia e o que torna a era do petr´leo realmente danosa ´ que n˜o existe na vero e a dade um substituto para ele. Neste sentido conclui PORTO (2006, p.116) [28]: “NENHUMA das poss´ ıveis alternativas tem condi¸˜es de substituir o petr´leo: nem os vastos co o dep´sitos de g´s natural, nem a “gasolina sint´tica” tirada do carv˜o, ou os milhares de o a e a usinas termonucleares que seriam necess´rias para carregar diretamente as baterias, ou a produzir o hidrogˆnio para as “c´lulas de combust´ e e ıvel”, destinadas a energizar as casas e as futuras frotas de carros el´tricos.” H´ de se destacar alguns dos principais efeitos e a macroeconˆmicos de suas variabilidades: o

5 • Efeito direto sobre os pre¸os ao consumidor; dado que seus derivados fazem parte da c cesta de consumo das fam´ ılias e indiretamente via aumento dos pre¸os ao produtor. c (SOUZA, 2006, p.127) [30]. A alta dos pre¸os do petr´leo geram um aumento c o do custo de vida, retraindo a produtividade do trabalho, elevando o n´mero de u demiss˜es, criando tamb´m uma instabilidade na demanda pela redu¸˜o dos n´ o e ca ıveis de investimento, ou seja, em linhas gerais, o aumento da capacidade ociosa das empresas reduz o crescimento econˆmico sintetizando-se em infla¸˜o ao consumidor o ca final. • Influˆncia na pol´ e ıtica de juros: uma pol´ ıtica monet´ria orientada para manter a esa tabilidade de pre¸os no m´dio prazo, haver´ uma maior probabilidade de os trabalc e a hadores aceitarem a redu¸˜o no rendimento real e de as expectativas inflacion´rias ca a n˜o serem afetadas pelo aumento tempor´rio da infla¸˜o provocado pela alta dos a a ca pre¸os do petr´leo. Se as expectativas de infla¸˜o aumentarem, a pol´ c o ca ıtica monet´ria a ortodoxa far´ subir as taxas de juros; (DORNBUSCH & FISCHER, 1991) [6] a • Crescimento e atividade econˆmica: como o petr´leo ´ um importante fator de o o e produ¸˜o, uma explica¸˜o plaus´ ´ que a influˆncia de um choque nos seus pre¸os ca ca ıvel e e c afete a economia real no lado da oferta, gerando aumentos nos custos de produ¸˜o ca uma vez que sua substitui¸˜o no curto prazo se mostra limitada. Assim, como um ca resultado do aumento dos custos oriundos do petr´leo mais caro, poder´ haver uma o a redu¸˜o no n´ do produto e retra¸˜o na demanda do fator trabalho. (PORTO, ca ıvel ca 2006 [28] e DORNBUSCH & FISCHER, 1991 [6]) • Cˆmbio: As combina¸˜es de queda do pre¸o do petr´leo e queda d´lar no mercado a co c o o internacional, aumentam os lucros das companhias petrol´ ıferas tanto para as localizadas nos pa´ exportadores como importadores. O inverso desta combina¸˜o ıses ca reduz as receitas do governo com o setor de combust´ ıveis dificultando assim o processo de ajuste fiscal, como no caso brasileiro em 19935 , al´m de gerar preju´ e ızos as empresas do ramo. (SOUZA e VERSIANI, 1999) [31]. J´ a combina¸˜o de desvala ca oriza¸˜o cambial com alta dos pre¸os do petr´leo e derivados tendem a provocar um ca c o aumento das expectativas de infla¸˜o. ca Uma discuss˜o completa dos efeitos macroeconˆmicos ´ encontrada em DORNBUSCH a o e c o & FISCHER (1991, p. 54) [6], onde um aumento dos pre¸os do petr´leo desde os choques nas d´cadas de 70 e 80 (em especial em 1973) passou a ser visto como um choque de oferta e adverso deslocando a curva de oferta agregada para cada n´ de produ¸˜o juntamente ıvel ca com um aumento dos n´ ıveis de pre¸os no curto prazo. c Com o aumento dos pre¸os do petr´leo, a curva de oferta agregada se desloca para tr´s, c o a freando a economia e gerando infla¸˜o, levando muitos pa´ a utilizarem um aperto nas ca ıses suas pol´ ıticas monet´rias, com o intuito de n˜o agravarem a recess˜o. Assim, as pol´ a a a ıticas econˆmicas de conten¸˜o (fiscal e monet´ria) deslocariam a demanda agregada para cima, o ca a reduzindo os sal´rio reais, n˜o surtindo o efeito necess´rio uma vez que aumentariam a a a a infla¸˜o e reduziriam o impacto no desemprego. ca

o o a SOUZA,V. e VERSIANI, I. [31] Petr´leo e d´lar complicam ajuste fiscal, in Folha de S˜o Paulo, 16 de setembro de 1999.

5

6

FIGURA 1. OS EFEITOS DE UM CHOQUE DE OFERTA ADVERSO NO CURTO PRAZO NOTA: Adaptado pelo autor a partir de DORNBUSCH e FISCHER, (1991, p. 578) [6]

Parece claro que um choque adverso de oferta motivado pelo aumento inesperado e insustentado dos pre¸os do petr´leo gere estagfla¸˜o uma vez que retrai a curva de oferta c o ca agregada da economia e eleva os n´ ıveis de pre¸os. c Portanto, essas constata¸˜es possibilitam afirmar que o cen´rio futuro que se pode co a tra¸ar motivado por uma escalada de pre¸os do petr´leo ´ o de uma estagfla¸˜o, ou seja, c c o e ca recess˜o com infla¸˜o, piorando desta maneira os n´ a ca ıveis gerais de renda, uma vez que os pre¸os do petr´leo causam a chamada infla¸˜o de custo pela seu encarecimento e sua c o ca oferta decrescente. Vale mencionar ainda que para a Teoria Econˆmica, energia n˜o pode ser produzida, o a somente consumida, no sentido de que ela n˜o ´ uma mercadoria como outra qualquer, a e sempre incorrendo em perdas, da forma como se apresenta a natureza. a a No caso brasileiro,6 os efeitos negativos deste cen´rio n˜o se mostram muito fortes, uma vez que possu´ ımos uma matriz energ´tica favor´vel. A tabela 1 mostra a compara¸˜o e a ca dos perfis de oferta de energia prim´ria mundial com a brasileira. a
´ TABELA 1. COMPARATIVO DOS PERFIS DE OFERTA DE ENERGIA PRIMARIA
Fonte Prim´ria a Petr´leo & Derivados o G´s Natural a Carv˜o Mineral a Nuclear Hidr´ulica a Biomassa 1 - Derivados de cana 2 - Carv˜o vegetal a 3 - Outros renov´veis a Total Brasil 40,20% 7,70% 6,50% 1,80% 14,60% 29,20% -13,40% -12,90% -2,90% 100,00% Mundo 35,30% 21,10% 23,20% 6,50% 2,20% 10,60% 100,00%

FONTE:ANEEL(2004) [2] Destaca-se que apenas 12,8% da energia prim´ria ofertada no mundo ´ oriunda de fontes a e renov´veis (hidr´ulica e biomassa), enquanto que no Brasil 43,8% da energia prim´ria se origina a a a desta fonte. A parcela correspondente de energia hidroel´trica chega a 92% do total da oferta e de energia el´trica (t´rmica + hidroel´trica).(ANEEL, 2004) [2] e e e
Para uma discuss˜o completa das possibilidades brasileiras no cen´rio energ´tico, vide PORTO a a e (2006) [28].
6

7

3

METODOLOGIA

A alta dos pre¸os do petr´leo vem afetando os mercados mundiais ultimamente, atingindo c o altas hist´ricas, preocupando os governos de diversas economias a tomarem medidas cab´ o ıveis para contornar tal fenˆmeno. Com o objetivo de fazer levantamentos emp´ o ıricos sobre a evolu¸˜o ca hist´rica das s´ries de pre¸os do petr´leo e de fazer proje¸˜es de curto prazo, este trabalho emo e c o co prega os seguintes procedimentos econom´tricos de s´ries temporais para trˆs modelos distintos e e e 7: a saber • Testes de estacionariedade e modelo de co-integra¸˜o; (Equa¸˜es 1, 2 e 3) ca co • Verifica¸˜o dos pressupostos do modelo cl´ssico de regress˜o linear normal; (Equa¸˜es 5, ca a a co 7, 8, 9, 10 e 11) • Estimativa dos modelos GARCH, TARCH e EGARCH para variˆncias condicionais; (Equa¸˜es a co 12 a 14) • Estimativa da Curva de Impacto de Not´ ıcias de Engle & NG (1991) [12]; • Estimativa e proje¸˜o n passos ` frente pelo modelo VAR e VEC, formando uma esp´cie ca a e de modelo GARCH-VAR (ou GARCH multivariado). (Equa¸˜es 17 a 20) co Na primeira etapa o modelo de cointegra¸˜o objetiva testar a rela¸˜o de longo prazo entre ca ca os pre¸os do WTI e Brent, com a aplica¸˜o de testes de estacionariedade em ambas as s´ries c ca e com o intuito de checar a presen¸a de ra´ c ızes unit´rias nas s´ries caracterizadas como caminhos a e aleat´rios, ou seja, processos estoc´sticos n˜o-estacion´rios afim de checar a hip´tese de que os o a a a o pre¸os do passado s˜o capazes de influenciar os pre¸os no presente e determinar a ordem de c a c integra¸˜o das mesmas. Dentro da segunda etapa da an´lise, s˜o avaliados os 10 pressupostos ca a a do modelo cl´ssico de regress˜o linear normal (MCRLN) para a regress˜o cointegrante de longo a a a prazo:(GUJARATI, 2000) [18] 1. Linearidade nos parˆmetros do modelo; a 2. Nenhum erro de medida nos X‘s, ou seja, a vari´vel explicativa ´ n˜o-estoc´stica; a e a a 3. A expectativa do erro deve ser nula, E(ui ) = 0; Testada sobre H0 : m´dia populacional = e 0. (Equa¸˜o (7)) ca ca 4. Ausˆncia de heterocedasticidade, E(u2 ) = σ 2 ; Avaliada pelo teste de White. (Equa¸˜o e i (8)) 5. N˜o h´ autocorrela¸˜o nas perturba¸˜es para os dados X‘s, E(ui uj ) = 0 para i = j; a a ca co Verificada atrav´s do teste de Breusch-Godfrey e de efeito ARCH. (Equa¸˜o (9)) e ca 6. O termo de perturba¸˜o ´ n˜o-correlacionado ou independente, ou seja, E(ui X1,i ) = ca e a E(ui X2,i ) = . . . = E(ui Xk,i ) = 0. 7. O n´mero de observa¸˜es deve ser maior do que o n´mero de regressores. u co u 8. “Deve haver variabilidade suficiente em valores assumidos pelos regressores.” (Gujarati, 2000, p.311) [18] 9. O modelo tem especifica¸˜o correta, ou seja, ausˆncia de erro de especifica¸˜o. Avaliada ca e ca pelo teste RESET. (Equa¸˜o (10)) ca
7

Vide o conjunto de equa¸˜es no apˆndice. co e

8
10. Postula que n˜o h´ rela¸˜o linear exata (multicolinearidade) nos regressores. a a ca 11. A vari´vel ui tem distribui¸˜o normal. Avaliada atrav´s do teste de Jarque-Bera. (Equa¸˜o a ca e ca (11)) Atrav´s da suposi¸˜o levantada por PINDYCK e RUBINFELD (2004, p. 328) [29] de que: e ca “Em algumas aplica¸˜es pode haver motivo para acreditar que a variˆncia do termo de erro co a n˜o ´ uma fun¸˜o de uma vari´vel explanat´ria, mas, em vez disso, varia ao longo do tempo a e ca a o de uma maneira que depende de qu˜o elevados tenham sido os erros no passado.” Deste modo, a com os res´ ıduos obtidos das equa¸˜es de longo prazo (4) e a de curto prazo (6) verificam-se co os padr˜es de aglomera¸˜o de volatilidades e se a capacidade de previs˜o das vari´veis oscila o ca a a consideravelmente de um per´ ıodo para outro. A presen¸a de volatilidade na dinˆmica de pre¸os do petr´leo pode ajudar a explicar tal varic a c o abilidade que na maioria das vezes s˜o atribu´ a ıdas a convuls˜es pol´ o ıticas, mudan¸as nas pol´ c ıticas macroeconˆmicas, not´ o ıcias e informa¸˜es, etc. Como prop˜e GUJARATI (2000, p.438) [18] “Isto co o sugeriria que a variˆncia dos erros de previs˜o n˜o ´ constante, mas varia de um per´ a a a e ıodo para outro, ou seja, h´ uma esp´cie de autocorrela¸˜o na variˆncia dos erros de previs˜o.” a e ca a a Para justificar a autocorrela¸˜o na variˆncia no termo de perturba¸˜o das regress˜es de curto ca a ca o e de longo prazos, Robert Engle introduziu a modelagem de heterocedasticidade condicional regressiva (ARCH) afim de trazer maior eficiˆncia.8 e No entanto, parece haver a chance da volatilidade dos pre¸os dos ´leos ser explicada por c o v´rios per´ a ıodos de tempo para tr´s, de acordo com PINDYCK e RUBINFELD (2004, p. 329) [29] a “(Isto ´ verdade, por exemplo, em aplica¸˜es financeiras que implicam o uso de dados di´rios e co a ou semanais). O problema ´ que nesse caso ´ preciso estimar um grande n´mero de parˆmetros, e e u a e isso pode ser dif´ se fazer com precis˜o.” O modelo GARCH (p, q) incorpora a volatilidade ıcil a do ultimo per´ ´ ıodo (termo ARCH) e a variˆncia do ultimo per´ a ´ ıodo (termo GARCH). Nesta modelagem, se a soma dos parˆmetros ARCH e GARCH forem muito pr´ximas de 1, h´ um a o a indicativo de que os choques de volatilidade ser˜o persistentes, havendo uma convergˆncia da a e previs˜o da variˆncia condicional direcionar-se para uma constante lentamente. (EVIEWS 4 a a USER´S GUIDE, 2002) [13]. Salientam GOULART et. alli (2005, p. 89) [17], que “apesar de o modelo GARCH (p, q) captar corretamente diversas caracter´ ısticas observadas nas s´ries hist´ricas financeiras, como e o a leptocurtose (ou seja, com curtose > 3, as distribui¸˜es apresentam “picos altos” e “caudas co gordas”) e agrupamento de volatilidades, n˜o capta o efeito de alavancagem [sic]9 , uma vez que a a variˆncia condicional ´ fun¸˜o apenas da magnitude das inova¸˜es e n˜o dos seus sinais.” a e ca co a Assim surgiram algumas extens˜es com a finalidade de modelar o problema da assimetria, o tais como os modelos EGARCH e TARCH. ZAKOIAN e GLOSTEN (1994), JAGANATHAN e RUNKLE (1993) [36], introduziram de maneira independente o modelo TARCH . Nesse modelo, ´ acrescentado um termo ´ equa¸˜oe a ca padr˜o GARCH, que objetiva reconhecer os componentes assim´tricos ´ volatilidade condicional. a e a Segundo Eviews 4 User´s Guide (2002), neste modelo as boas not´ ıcias (ǫ1 > 0) e as m´s noticias a (ǫ1 < 0), exercem diferentes efeitos na variˆncia condicional: a As boas not´ ıcias tem impacto em a1 , enquanto as m´s noticias tem impacto em (a1 + γ1 ). Se a γ1 > 0 dizemos que o chamado leverage effect existe, onde as m´s noticias elevam a volatilidade. a Se γ = 0, o impacto de not´ ıcias ´ assim´trico. e e
PINDYCK e RUBINFELD (2004) [29], explicam a importˆncia da eficiˆncia de um estimador, pois a e para que β seja n˜o-tendencioso eficiente, dado um tamanho de amostra, a sua variˆncia ser´ menor que a a a qualquer outro estimador n˜o-tendencioso. A eficiˆncia ´ desej´vel, pois quanto maior seja a eficiˆncia a e e a e associada a uma estimativa, tanto mais forte ´ a afirma¸˜o estat´ e ca ıstica que se pode fazer a respeito de parˆmetros estimados. a 9 Os autores se referem ao leverage effect ou efeito assimetria.
8

9
O modelo EGARCH, foi proposto por NELSON (1991) [25], onde incorpora os efeitos assim´tricos de mercado aos modelos auto-regressivos de volatilidade condicional, e a n˜o ime a posi¸˜o artificial de restri¸˜es aos parˆmetros da equa¸˜o, dada a sua formula¸˜o em termos ca co a ca ca logar´ ıtmicos. SHEPPARD (2006, p. 13) [32] explica que o modelo EGARCH, modela o logaritmo da variˆncia condicional e inclui ambos os termos sim´trico e assim´trico. a e e Ressaltam Goulart et alli (2005, p. 89) [17] que o referido modelo necessita de adapta¸˜es co para a sua implementa¸˜o computacional e, por vezes, apresenta um alto grau de persistˆncia ca e ap´s choques significativos de volatilidade. o Recentemente, tem-se observado constantes choques de noticias e informa¸˜es desviando os co pre¸os dos ´leos de uma tendˆncia definida, dificultando as previs˜es de muitos analistas de c o e o mercado e investidores. Um exemplo de not´ em VALOR (2006) [35], aponta para a falta de ıcia uma tendˆncia definida nos pre¸os da commoditie WTI, baseada unicamente em fundamentos e c microeconˆmicos: o Os pre¸os do petr´leo operam sem tendˆncia definida em Nova York nesta tarde, c o e ap´s a decis˜o da Organiza¸˜o dos Pa´ o a ca ıses Exportadores de Petr´leo (Opep) de o manter inalterada a cota de produ¸˜o da commodity pelo cartel. Os agentes do ca segmento ponderam ainda o aumento da previs˜o do grupo para a demanda global a neste ano, que passou de 85,37 milh˜es de barris di´rios para 85,5 milh˜es de barris o a o por dia. Instantes atr´s, o contrato de WTI negociado para abril em Nova York a apurava aumento de US$ 0,08, para US$ 58,24. O vencimento de maio era negociado a US$ 60,43, com queda de US$ 0,04. Nesse contexto, o conceito da Curva de Impacto de Not´ ıcias foi desenvolvida por ENGLE & NG (1991) [12] para representar a resposta da volatilidade a choques nos valores dos retornos dos pre¸os. No entanto, ´ muito observado que movimentos para baixo do mercado, s˜o seguidos c e a de altas volatilidades da mesma magnitude. Esta caracter´ ıstica se deve a distribui¸˜o de probabilidade leptoc´rtica de ativos financeiros, ca u possuindo m´dia alta e caudas largas. Segundo GLEISER (2002, p. 220) [16]: e As caudas largas podem ser atribu´ ıdas ao fato de que as informa¸˜es que movico mentam o mercado surgem em blocos, e n˜o de forma cont´ a ınua. Assim, grandes varia¸˜es nos pre¸os ocorrem em pequenas quantidades de grandes magnitudes (...). co c Como a distribui¸˜o das informa¸˜es ´ leptoc´rtica, a distribui¸˜o das varia¸˜es de ca co e u ca co pre¸os tamb´m o ´. c e e Para descrever este fenˆmeno ENGLE & NG (1991) [12], descrevem a Curva de Impacto de o Not´ ıcias com resposta assim´trica a boas e m´s noticias. A Curva ´ representada a seguir: e a e

´ FIGURA 2 - REPRESENTACAO TEORICA DA CURVA DE IMPACTO DE NOT´ ¸˜ ICIAS DE GRANGER & NG [12] FONTE: EVIEWS 4 USER´S GUIDE (2002, p. 408) [13]

10
Salienta SHEPPARD (2006, p.18) [32], ainda que com uma escala larga de modelos de volatilidade, pode ser dif´ determinar o efeito preciso de um choque ` variˆncia condicional ıcil a a [volatilidade]. “Assim como a fun¸˜o de impulso-resposta resolveu edi¸˜es similares em modelos ca co VAR, a curva de impacto de not´ ıcias resolve este problema em modelos ARCH. A curva do impacto de not´ ıcias ´ quase auto-descritiva. Mede o efeito de um choque e na variˆncia condicional do per´ a ıodo seguinte. Para normalizar a curva, a variˆncia a no per´ ıodo atual ´ ajustada ` variˆncia incondicional.” e a a A estimativa desta curva, objetiva plotar a volatilidade σ 2 de encontro com o impacto de 2 choques, z = ǫ/σ, onde fixam-se o ultimo per´ ıodo de volatilidade, σt−1 , a mediana da s´rie de e variˆncia condicional estimada e aproxima o impacto de um per´ a ıodo condicionado ao ultimo per´ ıodo de volatilidade. (EVIEWS 4 USER‘S GUIDE, 2002, p. 410) [13]. Finalmente na ultima etapa, com o objetivo de analisar o comportamento dinˆmico dos ´ a pre¸os do petr´leo, as etapas metodol´gicas para o desenvolvimento do VAR s˜o as seguintes: c o o a (GUJARATI, 2000 [18] e PINDYCK & RUBINFELD, 2004 [29])
. o e • 1o : Escolher a defasagem ´tima do sistema pelos crit´rios Akaike (AIC) e Schwartz (SC); (Equa¸˜es 15 e 16) co . e a c • 2o : Relacionar trˆs vari´veis principais no modelo, a saber: O logaritmo natural dos pre¸os do WTI, lnW T It ; o logaritmo natural do pre¸o do Brent, lnBrentt e a volatilidade dos c 2 o ´leos gerada pelo processo GARCH, σt ; (Equa¸˜o 17) ca . • 3o : Realizar o teste de Johansen-Juselius para verifica¸˜o de mais de um vetor de cointeca gra¸˜o diferentemente do teste EG disposto anteriormente que sup˜e a presen¸a de uma ca o c unica rela¸˜o de cointegra¸˜o; ´ ca ca . e ca • 4o : Estimar o modelo VAR para as s´ries cointegradas e interpretar sua rela¸˜o de longo prazo; (Equa¸˜o (17)) ca . ca • 5o : Estimar o modelo VEC (Vetor de corre¸˜o de erros) para analisar o comportamento de curto prazo; . ca ca • 6o : Sumariar os resultados por meio da fun¸˜o de impulso-resposta e da decomposi¸˜o da variˆncia; (Equa¸˜o (18)) a ca . co c ca • 7o : Computar as proje¸˜es para os pre¸os com base no modelo simulado em rela¸˜o aos valores efetivos; (Equa¸˜es 17 a 19) co

Os dados foram obtidos junto ao site do ´rg˜o de pesquisas energ´ticas norte-americanas, o a e EIA (2008) [8] e segue a periodicidade di´ria para os pre¸os spot 10 do Brent11 , negociado na a c Bolsa de Londres e WTI (West Texas Intermediate) que ´ negociado na Bolsa Mercantil de Nova e Iorque, com per´ ıodo de cobertura de 02 de janeiro de 1986 at´ 8 de abril de 2008, totalizando e 5719 observa¸˜es, per´ co ıodo este conhecido como inicio do contra-choque. Como explica CAVALCANTE (2007) [5], a precifica¸˜o de referˆncia para o petr´leo se deu ca e o com os benchmarks, ou seja, um padr˜o de referˆncia a partir do qual o pre¸o de uma determinada a e c commoditie ´ obtida a partir das d´cadas de 70 e 80 com o crescimento do mercado spot. O e e gr´fico a seguir demonstra o comportamento dos pre¸os do petr´leo em d´lares norte-americanos a c o o por barril, cobrindo o per´ ıodo proposto para an´lise. a

“O termo spot prov´m do inglˆs e significa a vista, ou seja, ´ usada a s´rie spot, pois se acredita numa e e e e maior volatilidade dos pre¸os do que no mercado futuro ou estrutura a termo” (DIAS, 2005) [7]. c 11 Brent era o nome de uma antiga plataforma de petr´leo (Brent Spar) da Shell no Mar Norte. o

10

11

´ ´ GRAFICO 1 - COMPORTAMENTO DOS PRECOS spot DO PETROLEO (em US$/bbl.) ¸ FONTE: EIA (2008) [8] Antes da predominˆncia do mercado spot, os pre¸os eram determinados com base em a c contratos de longo prazo entre compradores e vendedores (em sua maioria, pa´ ıses da OPEP) ´ atrav´s das empresas estatais de petr´leo dos pa´ produtores. (Benchmark n˜o-oficial: Arabe e o ıses a Leve). O crescimento da produ¸˜o n˜o-OPEP a partir do final dos anos de 1970 (Reino Unido, ca a M´xico e Egito), o processo de nacionaliza¸˜o das majors, e o maior n´mero de agentes operando e ca u no mercado internacional favoreceu a expans˜o do spot e a reformula¸˜o do mercado de contratos a ca de longo prazo (que se tornaria o atual mercado a termo ou forward ). Neste trabalho ser˜o a analisadas somente os pre¸os spot uma vez que se espera uma convergˆncia dos pre¸os spot aos c e c pre¸os futuros e vice-versa em rela¸˜o ao tempo. (HULL, 2006) [19] c ca

4

RESULTADOS

Dentro da literatura de an´lise de s´ries temporais sugere-se a apresenta¸˜o dos dados em a e ca 12 .A seguir s˜o ilustrados as s´ries de pre¸os do WTI e Brent (sem transforma¸˜es gr´ficos a a e c co logar´ ıtmicas) e seus retornos (rWTI e rBrent13 ) com os respectivos histogramas e distribui¸˜es co de probabilidade.

Os procedimentos econom´tricos deste trabalho foram realizados atrav´s dos softwares Eviews 6.0 [14] e e e Matlab 6.5 [23]. 13 As s´ries rWTI e rBrent s˜o iguais a transforma¸˜o das s´ries logar´ e a ca e ıtmicas na sua primeira diferen¸a. c Por exemplo, a s´rie rWTI= (lnW T It /lnW T It−1 ) = ∆lnW T It e

12

12

´ GRAFICO 2 - Trajet´ria dos pre¸os do WTI e Brent e retornos (rWTI e rBrent). Histogramas o c nos eixos das ordenadas. NOTA: Abaixo histogramas e distribui¸˜es de probabilidade normal (em verde) e densidade co Kernel (em vermelho). Partindo para os resultados atrav´s da metodologia proposta, mediante aplica¸˜o dos testes e ca de estacionariedade DF, DFA e PP (Equa¸˜es 1, 2 e 3) verificou-se que as s´ries dos pre¸os co e c spot do lnW T It e lnBrentt n˜o se mostraram estacion´rias em n´ a a ıvel, apresentando assim raiz unit´ria, sugerindo que a influˆncia dos (logs) pre¸os no presente s˜o explicados pelos (logs) dos a e c a pre¸os no passado e que as observa¸˜es do passado fornecem algum poder de previs˜o acerca c co a dos pre¸os no futuro, enquanto que seus retornos ∆lnW T It e ∆lnBrentt , ou seja, na forma de c primeira diferen¸a se mostraram I(1)14 . c Como a representa¸˜o visual exposta no gr´fico 1 demonstra a tendˆncia para cima de forma ca a e estoc´stica e com uma relativa sincronia para ambas as s´ries de pre¸os, com a estimativa da a e c
14

Os testes de estacionariedade incluem tendˆncia e intercepto. e

13
equa¸˜o de longo prazo (4)15 obtˆm-se os seguintes resultados: ca e lnW T I t = 0, 224253 + 0, 9496887lnBrentt t = (68, 45) (935, 40) R2 = 0, 99 d = 0, 3152 Onde cerca de 99% das varia¸˜es nos pre¸os do Brent explicam as varia¸˜es de WTI, com co c co o coeficiente de elasticidade apresentando sinal esperado (rela¸˜o positiva), indicando que para ca cada oscila¸˜o de 1% no WTI, o Brent tende a variar em torno de 0,95%. ca A sua combina¸˜o linear ir´ mostrar que as s´ries s˜o estacion´rias evitando deste modo ca a e a a o problema de regress˜o esp´ria, n˜o estacionariedade e de tendˆncia estoc´stica. Para checar a u a e a esta possibilidade, rodaram-se os testes de Engle Granger e Durbin Watson para Regress˜o a Cointegrante, com os seguintes resultados: DWRC: H0 : d = 0; Valores tabulados: 1% = 0, 511; 5% = 0, 386; 10% = 0, 322 EG16 : τ = −29, 79154; Valor p = 0, 00 H0 : |τ | ≥ 1% = | − 3, 95975| H0 : |τ | ≥ 5% = | − 3, 410643| H0 : |τ | ≥ 10% = | − 3, 127102| O teste DWRC apontou para a rejei¸˜o da hip´tese de cointegra¸˜o em todos os n´ ca o ca ıveis de significˆncia uma vez que d foi maior que os valores tabulados. a Em contraste o teste EG apontou para a estacionariedade do res´ ıduo da equa¸˜o de longo ca prazo, com valor de |τ | maior do que os valores tabulados, mostrando desta forma, que, mesmo que as s´ries lnW T It e lnBrentt sejam individualmente n˜o-estacion´rias, elas s˜o cointegradas, e a a a validando desta maneira os testes t, F , etc. obtidos na equa¸˜o de longo prazo. ca Neste trabalho ser˜o considerados os resultados obtidos pelo teste EG para fins pr´ticos de a a an´lise17 , pois conforme destaca GUJARATI (2000, p. 732 [18]): “A valiosa contribui¸ao dos a c˜ conceitos de raiz unit´ria, co-integra¸ao, etc, ´ nos obrigar a verificar se os res´ a c˜ e ıduos da regress˜o a s˜o estacion´rios.” Logo, ainda que haja equil´ a a ıbrio de longo prazo, no curto prazo, podem ocorrer desequil´ ıbrios e o erro de (4) pode ser usado para ligar o comportamento de lnW T It de curto prazo com seu valor a longo prazo, como um “erro equilibrador” (Gujarati, 2000 p. 734 [18]). O Mecanismo de Corre¸˜o de Erros corrige quanto ao desequil´ ca ıbrio, gerando desta maneira as respectivas elasticidades de ajuste e a velocidade da captura ao ajustamento de longo prazo. Por interm´dio da estimativa da equa¸˜o (6) de curto prazo, foram obtidos os seguintes e ca resultados: ∆lnW T I t = 0, 000106 + 0, 649109∆lnBrentt − 0, 127156µt−1 t = (0, 404412) (56, 05346) (−18, 05930) valor p = 0, 00 2 = 0, 3755 d = 2, 36 R Verossimilhan¸a log = 13596, 44 c Mostrando que altera¸˜es a curto prazo nos pre¸os do Brent tˆm efeitos positivos significaco c e tivos nos pre¸os do WTI e que cerca de 13% da discrepˆncia entre o valor efetivo e o valor de c a
A especifica¸˜o na forma logar´ ca ıtmica ameniza o problema da heterocedasticidade nas variˆncias do a erro (MADDALA 2003, p.115 [22]) e possibilita a interpreta¸˜o dos coeficientes como elasticidades. ca 16 Estimativa pelo teste PP para (ui ) com tendˆncia e intercepto. Os testes DF e ADF tamb´m se e e mostraram altamente significativos e apontaram para a hip´tese de cointegra¸˜o das s´ries de longo o ca e prazo. Para a equa¸˜o de curto prazo o teste EG tamb´m indicou a presen¸a de cointegra¸˜o. ca e c ca 17 H´ uma vasta discuss˜o na literatura a respeito da superioridade de DWRC sobre EG e EGA e seu a a poder estat´ ıstico, ou seja, a probabilidade de n˜o se cometer um erro do Tipo II, ou seja, aceitar uma a hip´tese nula quando ela ´ falsa. Vide ENGLE & GRANGER (1987) [11]. o e
15

14
longo prazo, ou equil´ ıbrio dos pre¸os do WTI, ´ eliminada ou corrigida a cada dia de negocia¸˜o. c e ca A elasticidade de longo prazo obtida em (4) ´ cerca de 0,95% para os pre¸os do Brent confire c mando a rela¸˜o de longo prazo entre as duas s´ries de pre¸os e que os pre¸os WTI se ajustam ca e c c a sua trajet´ria de crescimento a longo prazo com razo´vel rapidez ap´s uma perturba¸˜o. o a o ca Partindo para a pr´xima etapa metodol´gica, verifica-se que somente a 1a ,2a ,7a e 8a hip´teses o o o a a 6a , da 9a a 11a foram violadas. do MCRLN n˜o foram violadas, enquanto que da 3 a Uma aten¸˜o especial tem de ser dada a respeito da viola¸˜o da 4a hip´tese que pressup˜e que a ca ca o o variˆncia dos erros seja homoced´stica, da 5a e 6a hip´tese que assumem ausˆncia de autocora a o e rela¸˜o e independˆncia de erros; o teste de efeito ARCH e estat´ ca e ıstica DW sugeriram fortes indicativos de que a variˆncia dos erros se correlaciona serialmente; e ademais, a respeito da a viola¸˜o da 9a hip´tese avaliada pelo teste RESET de Ramsey, o valor de F se mostrou alca o tamente significativo, incorrendo em vi´s de especifica¸˜o para ambas as equa¸˜es de curto e e ca co longo prazo, talvez pela prov´vel omiss˜o de vari´veis relevantes como taxas de juros ou infla¸˜o a a a ca norte-americanas ou de pa´ da OECD, valores de contrato futuro de petr´leo ou at´ mesmo ıses o e das rela¸˜es entre as varia¸˜es das rela¸˜es cambiais entre o euro e o d´lar americano, conforme co co co o trabalhos desenvolvidos por BARREL e POMERANTZ (2004) [3] e CPB (2006) [4]. Com a finalidade de contornar esses problemas a estimativa pelos modelos da fam´ GARCH ılia permitem visualizar os padr˜es das volatilidades no per´ o ıodo selecionado. Assim, parte-se para ca a estimativa do modelo GARCH (1, 1) atrav´s da equa¸˜o (12), assumindo a distribui¸˜o e ca geral/generalizada dos erros18 e levando-se em conta a heterocedasticidade na covariˆncia dos a coeficientes19 : ∆lnW T It = 0, 000511 ∆lnBrentt = 0, 000543 z = (2, 278506) z = (2, 389108) 2 2 2 2 σi = 7, 41 + 0, 079931ǫ2 + 0, 909692σt−1 σi = 7, 07 + 0, 08079ǫ2 + 0, 9074σt−1 t−1 t−1 z = (1, 54) (0, 007) (0, 9096) z = (4, 76) (10, 98) (109, 03) Parˆmetro r = 1, 278523 a 2 = −0, 000105 d = 2, 03 R Verossimilhan¸a log = 13930, 18 c s = 0, 025161 Parˆmetro r = 1, 338487 a 2 = −0, 000092 d = 1, 92 R Verossimilhan¸a log = 13429, 02 c s = 0, 022883

Os resultados obtidos com ambas as equa¸˜es mostram que os coeficientes ARCH e GARCH co foram estatisticamente significativos e apresentaram os sinais esperados. Os valores dos errospadr˜o (s) foram baixos, com suspeitas de ausˆncia de autocorrela¸˜o de acordo com as esa e ca tat´ ısticas Durbin Watson (d) e ainda, os valores da fun¸˜o de verossimilhan¸a logar´ ca c ıtmica diminu´ ıram em rela¸˜o ao modelo de co-integra¸˜o estimado anteriormente. ca ca O valor dos parˆmetros r foram inferiores a 2, evidenciando a hip´tese de que os erros de a o distribuem com caudas gordas. 2 Para ambas as equa¸˜es, os valores da soma dos coeficientes ARCH (ǫ2 ) e GARCH (σt−1 ) co t−1 foram muito pr´ximos de 1, indicando desta maneira que os choques de volatilidade ser˜o pero a sistentes, havendo deste modo uma convergˆncia da variˆncia condicional se direcionar a uma e a constante lentamente. Vale destacar o baixo valor obtido com o R2 , conforme uma explica¸˜o clara dada por ca PINDYCK e RUBINFELD (2004, p.335) “Como a estima¸ao por m´ c˜ ınimos quadrados ordin´rios a maximiza o R2 a corre¸ao para levar em conta a heterocedasticidade (...) pode levar a uma c˜ redu¸ao do R2 . (Esse ´ um exemplo de que o valor de R2 para avaliar uma regress˜o ´ limitado).” c˜ e a e Como a equa¸˜o de longo prazo estimada possibilita uma visualiza¸˜o sutil dos agrupamentos ca ca de volatilidades atrav´s de seus res´ e ıduos, o modelo GARCH (1,1) de (12) trabalha as variˆncias a
Vide a equa¸˜o (20). ca Vale destacar ainda que o algoritmo de otimiza¸˜o utilizado na estima¸˜o foi o de Berndt-Hall-Hallca ca Hausman.
19 18

15
condicionais para cada s´rie temporal individualmente, melhorando significativamente seus resule tados uma vez que n˜o viola alguns pressupostos te´ricos b´sicos do modelo cl´ssico de regress˜o a o a a a linear normal MCRLN e capta algumas caracter´ ısticas das distribui¸˜es de probabilidade nestes co retornos. Uma vis˜o geral que se pode observar no gr´fico a seguir ´ a de que o aumento dos pataa a e mares de pre¸os do petr´leo, n˜o necessariamente indicam maiores n´ c o a ıveis de volatilidade, o que corrobora com o trabalho de JUNIOR, LOOTY E FERNANDES (2006) [20].

´ ´ GRAFICO 4 - AJUSTE HISTORICO PELO MODELO GARCH (1, 1) PARA OS RETORNOS DOS PRECOS DO WTI e BRENT (EM VERMELHO) E RESPECTIVAS VOLATILIDADES ¸ (EM AZUL). FONTE: Resultados desta pesquisa a partir da sa´ de Eviews 6 [14]. ıda Outro ponto interessante a destacar diz respeito ao per´ ıodo coberto pela Guerra do Golfo, onde a volatilidade oscilou em torno de 50% para os retornos dos pre¸os do WTI e 25% para c o Brent. As volatilidades se mostraram relativamente altas em seguida, entre de 21/05/1986 a 29/01/1999, com o in´ do programa de exporta¸˜o iraquiano o qual impˆs uma eleva¸˜o nos ıcio ca o ca seus pre¸os posteriormente em conjunto com o aumento da produ¸˜o da OPEP, os pre¸os do c ca c Brent variaram na casa dos 25% e os do WTI na ordem dos 35%. J´ entre 01/02/1999 a 03/08/2006, fatos e not´ a ıcias marcantes afetaram os processos de tomada de decis˜o dos agentes econˆmicos em conjunto com a moderniza¸˜o dos mercados a o ca financeiros com o in´ da iminˆncia de guerra dos EUA contra o Iraque motivados pelos ataques ıcio e as torres gˆmeas, da desvaloriza¸˜o da moeda norte-americana, a crescente demanda mundial e ca em especial a chinesa, adversidades clim´ticas, oferta fragilizada e quest˜es pol´ a o ıticas de pa´ ıses exportadores, motivaram uma varia¸˜o entre 5 a 7,5% para ambas as commodities. ca E finalmente, numa perspectiva mais recente, de 05/08/2006 a 08/04/2008, os principais eventos atribu´ ıdos a conflitos pol´ ıticos entre EUA e Ir˜ quanto ao seu programa de benefia ciamento nuclear, furac˜es nos EUA, a desacelera¸˜o do ritmo de crescimento da economia o ca norte-americana e sua crise hipotec´ria e a alta hist´rica no patamar de pre¸os quebrando a a o c barreira hist´rica dos US$ 100,00/barril geraram uma instabilidade na ordem de 4%. o Atrav´s da estimativa do modelo TARCH (1, 1) para toda a s´rie de ∆lnW T It e ∆lnBrentt e e torna-se poss´ reconhecer os componentes assim´tricos na volatilidade condicional. Os resulıvel e tados alcan¸ados com a estimativa da equa¸˜o (13) foram os seguintes: c ca

16
∆lnW T It = 0, 000547 z = (2, 400992) 2 2 2 = 7, 44 + 0, 087863ǫ2 σi t−1 − 0, 014ǫt−1 dt−1 + 0, 909σt−1 z = (4, 79) (9, 18) (−1, 24) (114, 09) r = 1, 280724 R2 = −0, 000137 d = 2, 03 Verossimilhan¸a log=13930, 82 s = 0, 025161 c ∆lnBrentt = 0, 000524 z = (2, 274221) 2 2 σi = 7, 16 + 0, 077ǫ2 + 0, 0007ǫ2 dt−1 + 0, 906σt−1 t−1 t−1 z = (4, 80) (8, 033) (0, 622) (108, 65) r = 1, 338824 R2 = −0, 000077 d = 1, 92 Verossimilhan¸a log=13429, 19 s = 0, 022883 c Como em ambas as equa¸˜es para ∆lnW T It e ∆lnBrentt os valores dos parˆmetros ǫ2 se co a t−1 mostraram superiores a zero, indicando que os efeitos das “boas not´ ıcias” tiveram uma maior influˆncia na composi¸˜o dos pre¸os, enquanto que o parˆmetro ǫ2 dt−1 foi inferior a zero para e ca c a t−1 o WTI, evidenciando desta maneira que n˜o h´ um movimento de alta da volatilidade quando a a os pre¸os est˜o em trajet´ria de queda ou vice-versa, ou seja, o chamado leverage effect onde c a o o efeito das “m´s not´ a ıcias” assim´tricas elevam o grau de volatilidade n˜o se mostrou presente e a nesta s´rie temporal. e Em rela¸˜o ao Brent os resultados divergem no que diz respeito ao parˆmetro ǫ2 dt−1 que ca a t−1 foi superior a zero indicando a presen¸a do efeito assimetria. c Vale ressaltar que o valor do parˆmetro r foi menor que 2, indicando que a distribui¸˜o dos a ca erros n˜o segue uma normal mas do contr´rio possui caudas largas. a a Incorporando os impactos dos efeitos assim´tricos e sim´tricos no modelo, a estimativa do e e modelo EGARCH (1, 1), para a variˆncia logar´ a ıtmica que garante que a proje¸˜o da variˆncia ca a condicional seja n˜o-negativa, atingiu os seguintes resultados: (Equa¸˜o (14)) a ca ∆lnW T It = 0, 000541 z = (2, 396777) 2 2 logσi = −0, 244593 + 0, 175985logσt−1 + 0, 001216 z = (−8, 284) (13, 29) (0, 15) r = 1, 284666 R2 = −0, 000131 d = 2, 03 Verossimilhan¸a log=13947, 07 s = 0, 025161 c ∆lnBrentt = 0, 000499 z = (2, 198963) 2 = −0, 266282 + 0, 173733logσ 2 logσi t−1 − 0, 004997 z = (−8, 07) (13, 04) (−0, 63) r = 1, 328998 R2 = −0, 000058 d = 1, 92 Verossimilhan¸a log=13432, 76 s = 0, 022883 c Todos os coeficientes se mostraram significativos estatisticamente, com evidˆncia da ausˆncia e e de autocorrela¸˜o serial e com baixos erros-padr˜o. A fun¸˜o de verossimilhan¸a aumentou para ca a ca c ∆lnW T It e diminui para ∆lnBrentt em rela¸˜o ao modelo GARCH (1, 1). ca

ǫt−1 σt−1

ǫ + 0, 985272 σt−1 t−1 (309, 16)

ǫt−1 σt−1

ǫ + 0, 982591 σt−1 t−1 (277, 36)

17
Divergindo dos resultados encontrados, com o modelo TARCH, agora com o chamado leverage effect sendo exponencial sua presen¸a se confirma, uma vez que γ = 0 para ambas as s´ries c e de retornos. A pr´xima etapa dos procedimentos econom´tricos visa estimar a Curva de Impacto de o e Not´ ıcias, com resposta sim´trica e assim´trica a boas e m´s noticias, desenvolvida por ENGLE e e a & NG (1993) para representar a resposta da volatilidade a choques nos valores dos retornos dos pre¸os. c Atrav´s dos modelos EGARCH (1, 1) e TARCH (1, 1) estimados anteriormente, torna-se e poss´ representar os choques sim´tricos e assim´tricos ` volatilidade. ıvel e e a

´ GRAFICO 5 - Curvas de Impacto de Not´ ıcias de Engle & NG. (Acima ajuste EGARCH (1,1) para ∆lnW T It com grades verdes e ∆lnBrentt com grades azuis. Abaixo ajuste TARCH (1,1) para ∆lnBrentt e ∆lnW T It respectivamente.) NOTA: Elaborado pelo autor a partir de sa´ de Matlab 6.5 [23] ıda A superf´ dos padr˜es TARCH (1, 1) parecem muito mais irregulares do que a obtida ıcie o com o modelo EGARCH (1, 1), para ∆lnBrentt em rela¸˜o aos retornos do WTI (∆lnW T It ). ca Como o leverage effect ou ainda, o “efeito prˆmio de risco” se mostrou presente na estimativa e do modelo EGARCH (1, 1), parece que o surgimento das “m´s not´ a ıcias” elevaram a volatilidade recentemente, o que pode ser visto no gr´fico acima e pelo parˆmetro estimado γ com γ > 0. a a Uma outra abordagem assim´trica da Curva de Impacto de Not´ e ıcias ´ capaz de capturar quanto e o valor m´ ınimo se distancia de ǫt−1 = 0 (ou seja, das novas not´ ıcias) ´ vista por exemplo no e modelo GARCH n˜o-linear (NGARCH) em Engle e NG (1993) [12]. a Conforme explicam os autores, o modelo EGARCH se diferencia do GARCH em dois aspectos b´sicos para a Curva de Impacto de Not´ a ıcias: o modelo EGARCH permite que as boas e m´s a not´ ıcias exer¸am diferentes impactos na volatilidade e que as “grandes not´ c ıcias” tenham um impacto maior na volatilidade do que o modelo GARCH convencional. O que o modelo capta ´ que, as chamadas m´s not´ e a ıcias foram capazes de elevar a volatilidade neste mercado, mas n˜o foi capaz de apontar o que pode ser considerada uma m´ not´ a a ıcia, cabendo ao economista conhecer o funcionamento, a rea¸˜o dos agentes envolvidos e a dinˆmica ca a do mercado com relativa profundidade. Para tal finalidade, recorre-se a ferramenta do modelo VAR/VEC, com 7 defasagens, selecionadas pelos crit´rios de Akaike e Schwartz (Equa¸˜es 15 e co e 16) relacionando as volatilidades geradas pelos processos GARCH (1, 1) de maneira ex´gena o com o lnW T It em fun¸˜o de lnBrentt 20 . ca
20

Consulte anexo para visualizar a regress˜o estimada e demais resultados do modelo VAR/VEC. a

18
Atrav´s do teste de cointegra¸˜o de Johansen-Juselius os crit´rios de informa¸˜o divergem e ca e ca somente no que diz respeito ao tipo de tendˆncia contida nos dados, mas apontam para a e existˆncia de trˆs vetores de cointegra¸˜o na rela¸˜o proposta. Dessa maneira opta-se pela e e ca ca escolha definida pelo crit´rio de Schwartz da ausˆncia de tendˆncia determin´ e e e ıstica e intercepto para a escolha do modelo Vetorial de Corre¸˜o de Erros (VEC), ao n´ de 5% de significˆncia, ca ıvel a uma vez que as s´ries de pre¸os seguem um processo de tendˆncia estoc´stica. e c e a A pr´xima etapa metodol´gica consiste em sumariar os resultados obtidos com a decomo o posi¸˜o da variˆncia e fun¸˜es de impulso-resposta para uma altera¸˜o de um desvio padr˜o a ca a co ca a 10 per´ ıodos ` frente obtida com o modelo de Vetores Auto-Regressivos (VAR), para simular a a rea¸˜o de lnW T It quando h´ algum choque ex´geno nas vari´veis incorporadas no modelo. ca a o a As fun¸˜es de impulso-resposta mostram que o efeito de um choque na volatilidade sobre co os pre¸os do WTI s˜o negativos (Response of log(wti) to garch01 ), enquanto a resposta de um c a choque na volatilidade dos pre¸os do Brent s˜o positivos em rela¸˜o a seus pre¸os. (Response of c a ca c log(brent) to garch02 )

´ GRAFICO 6 - Fun¸˜es de Impulso-Resposta co FONTE: Resultados obtidos a partir da sa´ de Eviews 6 [14]. ıda
NOTA: As linhas cont´ ınuas representam as fun¸˜es impulso-resposta, enquanto as linhas pontilhadas co representam os intervalos de confian¸a para dois desvios-padr˜o, obtido a partir de uma simula¸˜o de c a ca Monte Carlo com 1000 repeti¸˜es. co

Com o objetivo de se verificar quanto tempo em m´dia os pre¸os de cada ´leo em fun¸˜o de e c o ca outro e de suas volatilidades podem demorar a se ajustar a um poss´ choque, desviando de ıvel ca a sua tendˆncia de revers˜o ´ media21 , foi calculada a Decomposi¸˜o da Variˆncia para lnW T It e a a por interm´dio da equa¸˜o (18): e ca
Sobre o chamado componente do “Movimento de Revers˜o ` M´dia” dos pre¸os do petr´leo vide a a e c o DIAS (2005) [7].
21

19
ˆ TABELA 2 - RESULTADO DA DECOMPOSICAO DA VARIANCIA (%) PARA lnW T It ¸˜
Per´ ıodo . 1o o 2. . 3o o 4. . 5o o 6. . 7o o 8. . 9o . 10o lnW T It 2,36 4,70 6,90 8,94 10,98 12,98 14,90 16,85 18,81 20,78 lnBrentt 0,00 0,00 0,03 0,06 0,09 0,13 0,17 0,21 0,25 0,30
2 σi W T It 0,00 0,01 0,03 0,05 0,07 0,07 0,07 0,07 0,07 0,07 2 σi Brentt 0,00 0,00 0,01 0,02 0,03 0,05 0,07 0,08 0,09 0,11

FONTE: Resultados obtidos a partir de sa´ de Eviews 6 [14]. ıda Verifica-se que para 10 dias ap´s o choque, cerca de 21% do comportamento dos pre¸os do o c WTI se devem a ele mesmo, sendo que os pre¸os do Brent correspondem a cerca de 0,3% dos c pre¸os do WTI somente. c Ainda ´ interessante ressaltar que do quinto per´ e ıodo em diante, ap´s o choque, a volatilidade o do WTI tende a se manter um pouco mais est´vel (0,07%) e a do Brent com uma relativa a tendˆncia de alta (de 0,03% para 0,11%). e No entanto, a representatividade do efeito da volatilidade dos pre¸os do Brent ´ a que detˆm c e e um menor impacto ap´s um choque nos pre¸os do WTI, com um m´dia de 0,04% em 10 dias de o c e negocia¸˜o. ca Como o modelo de Vetores de Corre¸˜o de Erros produz uma proje¸˜o razo´vel para os ca ca a pr´ximos 7 dias de negocia¸˜o, ´ poss´ o ca e ıvel estimar o sistema de equa¸˜es como um modelo co GARCH multivariado pelo m´todo diagonal de Baba, Engle, Kraft e Kroner,(BEKK) (ENGLE e e KRONER, 1995 [9]) dentro de um processo TARCH(1, 1), assumindo-se a distribui¸˜o Student ca 22 atrav´s de algoritmo de otimiza¸˜o de Bern-Hall-Hall-Hausman t multivariada para os erros e ca (BHH)23 . ´ Os resultados alcan¸ados desta simula¸˜o estoc´stica s˜o representados na tabela 3. E c ca a a poss´ notar que o modelo captou a tendˆncia de alta de curto prazo, no entanto n˜o foi capaz ıvel e a de prever a exagerada alta dos pre¸os, fora da trajet´ria esperada no per´ c o ıodo.

ca e e co Em ENGLE (1982) [10] a distribui¸˜o normal ´ utilizada, por´m, as distribui¸˜es Generalizada e a t vem sendo empregadas para capturar o excesso de curtose e caudas gordas. 23 Vide resultados obtidos em anexo.

22

20
´ TABELA 3 - RESULTADO DAS PROJECOES PARA OS PROXIMOS 7 DIAS DE ¸˜ ˜ OBTIDOS COM O MODELO GARCH MULTIVARIADO (GARCH -VAR) NEGOCIACAO ¸
Per´ ıodo (dia de negocia¸ao) c˜ quarta-feira, 9 de abril de 2008 quinta-feira, 10 de abril de 2008 sexta-feira, 11 de abril de 2008 segunda-feira, 14 de abril de 2008 ter¸a-feira, 15 de abril de 2008 c quarta-feira, 16 de abril de 2008 quinta-feira, 17 de abril de 2008 quarta-feira, 9 de abril de 2008 quinta-feira, 10 de abril de 2008 sexta-feira, 11 de abril de 2008 segunda-feira, 14 de abril de 2008 ter¸a-feira, 15 de abril de 2008 c quarta-feira, 16 de abril de 2008 quinta-feira, 17 de abril de 2008 quarta-feira, 9 de abril de 2008 quinta-feira, 10 de abril de 2008 sexta-feira, 11 de abril de 2008 segunda-feira, 14 de abril de 2008 ter¸a-feira, 15 de abril de 2008 c quarta-feira, 16 de abril de 2008 quinta-feira, 17 de abril de 2008 WTI (US$/bbl.)
2 σi W T It

Brent (US$/bbl.)

2 σi Brentt

108,98 108,79 108,94 108,92 108,90 108,96 108,95 110,89 110,07 110,14 111,71 113,77 114,8 114,8 1,75% 1,17% 1,10% 2,56% 4,47% 5,36% 5,37%

Valores Projetados 0,04% 0,04% 0,04% 0,04% 0,04% 0,04% 0,04% Valores Efetivos 0,06% 0,06% 0,06% 0,05% 0,05% 0,05% 0,05% Erro (em %) 0,02% 0,02% 0,02% 0,01% 0,01% 0,01% 0,00%

106,47 106,32 106,33 106,39 106,36 106,45 106,47 107,46 107,37 107,15 108,32 110,84 110,95 111,34 0,93% 0,99% 0,77% 1,81% 4,21% 4,23% 4,58%

0,07% 0,06% 0,06% 0,06% 0,06% 0,06% 0,06% 0,05% 0,05% 0,04% 0,04% 0,04% 0,04% 0,04% -0,02% -0,01% -0,02% -0,02% -0,02% -0,02% -0,02%

FONTE: Dados trabalhados pelo autor a partir de EIA (2008) [8]. ca Todavia, o modelo afirmou a hip´tese levantada por DIAS (2005) [7], em rela¸˜o ao movio mento dos pre¸os no futuro mesmo se adotarmos a extrapola¸˜o para 80 dias ` frente. c ca a Em rela¸˜o ao movimento da volatilidade (variˆncias condicionais) o modelo apresentou conca a sider´vel aderˆncia representando os “altos e baixos” das oscila¸˜es de sua trajet´ria hist´rica, a e co o o por´m desencorajou no que diz respeito a representa¸˜o do agrupamento de volatilidades (volatile ca ity clustering) como documentado por MANDELBROT (1963) [24] e FAMA (1965) [15]. O gr´fico 7 a seguir resume os resultados obtidos, considerando as ultimas 100 cota¸˜es e volatila ´ co idades estimadas pelo modelo (TARCH 1,1); o per´ ıodo posterior cobre o intervalo de proje¸˜o ca extrapolativa com o modelo GARCH multivariado para pre¸os e volatilidades dos principais c benchmarks.

21

´ GRAFICO 7 - Proje¸˜es dos pre¸os do WTI (WTI PROJ), Brent (BRENT PROJ) e volatidades co c projetadas (VOL WTI PROJ e VOL BRENT PROJ)desde 2 de janeiro de 2008 a 8 de abril de 2008 (intervalo de proje¸˜o extrapolativa para os pr´ximos 80 dias de negocia¸˜o ap´s a ca o ca o observa¸˜o 100). ca FONTE: Elabora¸˜o pr´pria a partir de Eviews 6 [14]. ca o Agora ´ poss´ e ıvel visualizar uma proje¸˜o obtida com uma relativa “estabilidade” para os ca pre¸os no futuro [7], quando se estima o modelo GARCH multivariado pelo m´todo diagonal c e (BEKK), com uma relativa queda no padr˜o de volatilidade do Brent e revers˜o ` m´dia para a a a e os pre¸os do WTI. No entanto, vale mencionar que os modelos VAR e VEC estimados sem o c m´todo diagonal, apontaram para uma forte tendˆncia de alta dos pre¸os do petr´leo, atingindo e e c o os mesmos resultados obtidos com o m´todo BEKK para observa¸˜es dentro da amostra. e co

5

˜ CONCLUSOES

O artigo utilizou a s´ries de pre¸os spot do petr´leo WTI e Brent com dados di´rios de 02 de e c o a janeiro de 1986 a 8 de abril de 2008 negociados no mercado norte-americano (NYMEX) e europeu (Bolsa de Londres) respectivamente combinando t´cnicas de cointegra¸˜o com o intuito de avaliar e ca a rela¸˜o de longo prazo entre as s´ries, com modelos da fam´ GARCH para verificar os graus ca e ılia de volatilidade e os impactos do surgimento de not´ ıcias na dinˆmica dos pre¸os e variˆncias a c a condicionais e de Vetores Autoregressivos construindo o chamado GARCH multivariado, para formar uma previs˜o para os pr´ximos dias de negocia¸˜o. a o ca Alguns resultados interessantes foram identificados. Em primeiro lugar verificou-se que a alta

22
dos pre¸os do petr´leo desencadeiam efeitos na infla¸˜o de curto prazo no sistema econˆmico c o ca o motivados por um choque de oferta adverso, elevando o custo de vida, reduzindo a produtividade do trabalho e influenciando os n´ ıveis de emprego. Em rela¸ao a combina¸˜o de desvaloriza¸˜o c˜ ca ca cambial com alta dos pre¸os do petr´leo e derivados tendem a provocar um aumento das expecc o tativas de infla¸˜o. ca No que diz respeito a pol´ ıtica monet´ria h´ uma press˜o sobre os juros quando esta for a a a orientada para manter a estabilidade de pre¸os, possibilitando tra¸ar um cen´rio de estagfla¸˜o c c a ca dentro deste contexto. No caso brasileiro, os efeitos negativos deste cen´rio n˜o se mostram muito a a fortes, uma vez que possu´ ımos uma matriz energ´tica favor´vel, motivando alguns economistas e a da linha desenvolvimentista a afirmarem que os pre¸os mais altos motivem maiores investimentos c em pesquisa e desenvolvimento de novas tecnologias, fontes de energia renov´vel, novos po¸os e a c bacias, etc. Cabe salientar ainda, que para a Teoria Econˆmica, energia n˜o pode ser produzida, somente o a consumida, no sentido de que ela n˜o ´ uma mercadoria como outra qualquer, sempre incorrendo a e em perdas, da forma como se apresenta a natureza. Um segundo aspecto relevante pode ser destacado com a metodologia empregada pelo modelo de cointegra¸˜o apontando para uma rela¸˜o de equil´ ca ca ıbrio de longo prazo entre os pre¸os c estabelecidos nos dois principais mercados mundiais e que a dinˆmica de curto prazo entre ama bos segue uma rela¸˜o positiva evidenciadas pelos valores das elasticidades estimadas. Todavia ca este modelo violou algumas das principais hip´teses do MCRLN, tais quais a homocedasticidade, o ausˆncia de autocorrela¸˜o e independˆncia de erros al´m de um forte vi´s de especifica¸˜o de sua e ca e e e ca forma funcional avaliada pelo teste RESET, possivelmente motivada pela omiss˜o de vari´veis a a relevantes. O modelo GARCH (1,1) estimado para os retornos dos pre¸os do WTI e Brent (∆lnW T It e c ∆lnBrentt ) permitiu visualizar a volatilidade hist´rica, mostrando que patamares mais elevados o dos pre¸os n˜o necessariamente implicam em maiores n´ c a ıveis de incerteza. Mostrou tamb´m que e 2 W T I em torno de 50% o per´ ıodo marcado pela Guerra do Golfo foi o mais vol´til da hist´ria (σt a o t e σt Brentt na faixa de 25%) seguidos do per´ ıodo de 21/05/1983 a 29/01/1999 marcado pelo inicio do programa de exporta¸˜o iraquiano em conjunto com o aumento de pre¸os e oferta da ca c OPEP. J´ de 05/08/2006 a 08/04/2008, a volatilidade atingiu 4% motivados pela desvaloriza¸˜o a ca da moeda norte-americana e desacelera¸˜o do ritmo de crescimento de sua economia em conjunto ca com a alta quebrando a barreira dos US$ 100,00/barril. A estimativa com r < 2 evidenciou a hip´tese de que os erros se distribuem com caudas o 2 gordas, com a soma dos coeficientes ARCH e GARCH (ǫt−1 e σt−1 ) muito pr´ximos de 1 indio cando que os choques de volatilidade ser˜o persistentes, havendo um processo de convergˆncia a e da variˆncia condicional ´ sua m´dia. a a e Os modelos TARCH (1,1) e EGARCH (1,1) apontaram para um maior efeito do surgimento das chamadas “m´s not´ a ıcias” motivadas pela presen¸a do leverage effect no aumento dos n´ c ıveis da variabilidade dos retornos, facilmente visualizados atrav´s da Curva de Impacto de Not´ e ıcias de Engle e Ng. (1995) [12]. Contudo, os modelos assim´tricos n˜o s˜o capazes de indicar o que pode ser considerada uma e a a “m´ not´ a ıcia” cabendo ao economista conhecer a dinˆmica e o funcionamento do mercado com a relativa profundidade. Para tal finalidade, os modelos de Vetores Autoregressivos (VAR/VEC) s˜o incorporados na an´lise como uma util ferramenta pela Decomposi¸˜o da Variˆncia dos Erros a a ´ ca a de previs˜o e Fun¸˜es de Impulso-Resposta, simulando os efeitos de choques ex´genos at´ 10 de a co o e negocia¸˜o no mercado nas vari´veis do sistema, mostrando que cerca de 20% do comportamento ca a dos pre¸os do WTI se devem a ele pr´prio sendo que 0,3% dos pre¸os do Brent corresponder˜o c o c a ao impacto sofrido no WTI, com sua volatilidade se estabilizando ap´s o 5o dia e a do Brent o com uma leve tendˆncia de alta. e Finalmente um modelo GARCH multivariado ´ utilizado para projetar os pre¸os e volatilie c dade 7 dias de negocia¸˜o ´ frente, corroborrando com os resultados encontrados no trabalho de ca a

23
DIAS (2005) em rela¸˜o ao movimento futuro dos pre¸os e desencorajando no que diz respeito ao ca c agrupamento de volatilidade (volatility clustering), abrindo espa¸o para o surgimento de estudos c futuros com o emprego de modelos com vari´veis mais influentes na sua dinˆmica e especifica¸˜o, a a ca variabilidade e composi¸˜o como por exemplo, vari´veis qualitativas de cunho pol´ ca a ıtico ou informacional, energ´ticos concorrentes, taxas de juros e outras vari´veis macroeconˆmicas relevantes, e a o ou ainda, a combina¸˜o destes modelos num enfoque Bayesiano, ou at´ mesmo modelos para ca e testar a racionalidade dos agentes envolvidos neste mercado como ´ sugerido em MADDALA e (2003, p. 223-226 [22]).

24

Referˆncias e
[1] ALEXANDER C., Market Models, A Guide to Financial Data Analysis. 1. ed. Chichester, John Wiley & Sons Ltd., 2001. [2] ANEEL Agˆncia Nacional de Energia El´trica - MME Balan¸o Energ´tico., 2004. e e c e [3] BARRELL, R., POMERANTZ, O. Oil Prices and the World Economy, In NIESR Discussion Paper 242., 2004. [4] CPB CENTRAAL PLAINBUREAU. Economic Outlook: The World Economy, Setembro de 2006, Dispon´ em:<http://www.cpb.nl > Acesso em: Julho de 2007 ıvel [5] CAVALCANTE, M. Sobre os pre¸os de referˆncia, tipos de mercado e hedging. c e Apresenta¸˜o de Slides, In Instituto Brasileiro de Petr´leo e G´s, curso Pre¸os do Petr´leo ca o a c o Evolu¸˜o Hist´rica e Perspectivas de Longo Prazo, 14 a 17 de agosto, Rio de Janeiro, 2007. ca o [6] DORNBUSCH,R. FISCHER,S. Macroeconomia, ed. Makron Books, McGraw-Hill, S˜o a Paulo, 1991. [7] DIAS, M., A., G. An´lise de Investimentos com Op¸oes Reais e Jogos de Op¸oes. a c˜ c˜ Pontif´ Universidade Cat´lica do Rio de Janeiro, Rio de Janeiro, Apresenta¸ao de Slides, ıcia o c˜ primeiro semestre de 2005. [8] EIA, ENERGY INFORMATION ADMINISTRATION. Spot Prices. Dispon´ ıvel em: < texttthttp://tonto.eia.doe.gov/dnav/pet/pet pri spt s1 d.htm > Acesso em: 01 de janeiro de 2007. [9] ENGLE ROBERT F., K. F. KRONER Multivariate Simultaneous Generalized ARCH. Econometric Theory, 11, 122-150, 1995. Dispon´ ıvel em: < texttthttp://ideas.repec.org/p/cdl/ucsdec/89-57r.html > Acesso em: abril de 2008. [10] ENGLE R., F. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. In Econometrica 50: 987-1007, 1982. [11] ENGLE R. F. GRANGER C., W. J. Co-integration and Error Correction: Representation, Estimation, and Testing. In Econometrica, 55, 251-276, 1987. [12] ENGLE, R.,F., NG, K.,V. Measuring and testing the impact of the news on volatility. In NBER´s Working Paper Series, National Economic Bureau Research, Massachusetts, Cambridge, Abril de 1991. [13] EVIEWS 4 USER´S GUIDE Quantitative Micro Software.LLC, Estados Unidos, fevereiro de 2002. [14] EVIEWS 6 USER´S GUIDE Quantitative Micro Software.LLC, Estados Unidos, mar¸o de c 2007. [15] FAMA, E. F. Efficient Capital Markets II. In Journal of Finance, v.66, 1970. [16] GLEISER, I., Caos e Complexidade A evolu¸˜o do pensamento econˆmico. Ed. ca o Campus, Rio de Janeiro, 2002. [17] GOULART, et. alli Previs˜o da Volatilidade no Mercado Interbanc´rio de a a Cˆmbio. In Revista de Administra¸˜o e Economia. V. 45 CEDEPLAR/UFMG, 2005. a ca [18] GUJARATI, D.N., Econometria B´sica. ed. Pearson Education do Brasil, S˜o Paulo, a a 2000.

25
[19] HULL, J.,C. Options, futures and other derivatives. ed. Pearson Prentice Hall, New Jersey, 2006. ´ [20] JUNIOR, H., Q., P., LOOTY, M., FERNANDES, C. O Mercado Internacional do Petr´leo: o pre¸os c altos significam maior volatilidade?. In Petr´leo e G´s Natural; o a Dispon´ ıvel em: < http://www.gee.ie.ufrj.br/publicacoes/pdf/2006 mercado inter.pdf > Acesso em: fevereiro de 2007. [21] KENSKI, R. Fora de controle: Singularidade. O futuro enlouqueceu? In Revista Superinteressante, Ed. 191, agosto de 2003. [22] MADDALA, G.,S. Introdu¸˜o ` econometria. ed. LTC - Livros T´cnicos e Cient´ ca a e ıficos S.A., Rio de Janeiro, 2003. [23] MATLAB, Matrix Laboratory. The Mathworks Inc. Estados Unidos, junho de 2002. [24] MANDELBROT, B., B. The variation of certain speculative prices. In The journal of business, 36, p. 394-419, 1963. [25] NELSON, D., B. Conditional Heteroskedasticity in Asset Returns: A New Approach. In Econometrica, 59, 347-370, Estados Unidos, 1991. [26] ONO F.,H. et alli Determinantes macroeconˆmicos do spread banc´rio no Brasil: o a teoria e evidˆncia recente.In Econ. aplic., S˜o Paulo, v. 10, n. 4, p. , outubro-dezembro e a de 2006. ´ [27] PEREZ, C. Cambio tecnol´gico y oportunidades de desarrollo como blanco m´vil. o o In Revista de la CEPAL n. 75, dezembro de 2001. [28] PORTO, M.,F.,P. O crep´ sculo do petr´leo Acabou-se a gasolina, salve-se quem u o puder!. ed. Brasport, Rio de Janeiro, 2006. [29] PINDYCK, S. R., RUBINFELD L. D, Econometria Modelos e Previs˜es. ed. Elsevier, o Rio de Janeiro, 2004. [30] SOUZA, F., R. Impacto do pre¸o do petr´leo na pol´ c o ıtica energ´tica mundial, e Disserta¸˜o de Mestrado apresentada na Universidade Federal do Rio de Janeiro, novembro ca de 2006. [31] SOUZA V., VERSIANI I. Petr´leo e d´lar complicam ajuste fiscal, In Folha de S˜o o o a Paulo, 16 de setembro de 1999. [32] SHEPPARD, K. Univariate Volatility Modeling. Lecture 7, Chapter 5. Dispon´ em: ıvel < http://www.kevinsheppard.com > Acesso em: janeiro de 2007. [33] SILVA J., C. Estima¸˜o do valor em risco usando informa¸˜o intra di´ria, Funda¸˜o ca ca a ca Get´lio Vargas, Escola de P´s-Gradua¸˜o em Economia, Disserta¸˜o de Mestrado, Rio de u o ca ca Janeiro, 28 de fevereiro de 2002. [34] TIGRE, P. Inova¸˜o e teoria da firma em trˆs paradigmas. In Revista de Economia ca e Contemporˆnea n.3, Rio de Janeiro, IE/UFRJ, jan.-jun.1998. a ˆ [35] VALOR ECONOMICO Pre¸os do petr´leo fecham ultimo preg˜o do mˆs sem c o ´ a e tendˆncia definida. Dispon´ em: < http://www.valoroonline.com.br > Acesso em e ıvel 01 de abril de 2007. [36] ZAKOIAN, J., M., Threshold Heteroscedastic Models. In Journal of Economic Dynamics and Control, p., 931-944, 1994.

26

ˆ APENDICE
Teste Dickey-Fuller: ∆Yt = β1 + β2 t + δYt−1 + ut Teste Dickey-Fuller Ampliado:
m

(1)

∆Yt = β1 + β2 t + δTt−1 + a1
t=1

∆Yt−1 + ǫt

(2)

Teste Phillips-Perron: ∆Yt = µ + ρt−1 + ǫt Equa¸˜o co-integrante de longo prazo: ca lnW T It = α1 + β2 lnBrentt + µt Teste DWRC: DW = Mecanismo de Corre¸˜o de Erros: ca ∆lnW T It = α0 + α1 lnBrentt + a2 µt−1 + ǫt xi − µ δi onde: δi = desvio-padr˜o dos res´ a ıduos da regress˜o i; a xi = m´dia populacional dos res´ e ıduos da regress˜o i; a Teste de White: ti =
2 2 u2 = a1 + a2 X2i + a3 X3i + a4 X2i + a5 X3i + a6 X2i X3i + vi t 2 Sobre a hip´tese nula: H0 : nRass ˜χ2 o gl Teste de Breusch-Godfrey:

(3) (4) (5)

(et − et−1 )2 (et )2

(6) (7)

Teste de m´dia populacional zero: e

(8)

µt = ρ1 µt−1 + ρ2 µt−2 + . . . + ρρ µt−ρ + ǫt Com H0 : ρ1 = ρ2 = . . . + ρρ = 0 Teste RESET: (GUJARATI, 2000, p. 476 [18]) F =
2 2 Rnovo − Rvelho )/(nro. de regressores) 2 (1 − Rnovo )/(nro. de parˆmetros do novo modelo) a

(9)

(10)

Teste de normalidade Jarque-Bera: JB = n A2 (c − 3)2 + 6 24 (11)

Modelo GARCH (p, q):(PINDYCK & RUBINFELD, 2004 [29]) ∆lnW T It 24 = a0 + ǫt ;
24

∆lnBrentt = a0 + ǫt

(12)

ALEXANDER (2001) [1] postula que, quanto mais parcimoniosa for a defini¸˜o da equa¸˜o da m´dia ca ca e condicional, melhor ser´ poss´ avaliar o desempenho do modelo. Dessa forma, neste estudo foi adotada a ıvel a equa¸˜o r = c + ǫ1 (regress˜o do retorno apenas em fun¸˜o de uma constante) como padr˜o para o ca a ca a c´lculo da m´dia condicional. a e

27 Variˆncia Condicional: a
2 2 σt = a0 + ap ǫ2 + λq σt−q t−p

Modelo TARCH (p, q): ∆lnW T It = a0 + ǫt ; Variˆncia Condicional: a ∆lnBrentt = a0 + ǫt (13)

2 2 σt = a0 + a1 ǫ2 + γ1 ǫ2 t−1 dt−1 + βσt−1 1 t−1

EGARCH (p, q): Equa¸˜o da variˆncia condicional: ca a
2 2 logσt = a0 + βlogσt−1 + a

ǫt−1 ǫt−1 +γ σt−1 σt−1

(14)

Crit´rios de Informa¸˜o de Akaike e Schwartz: e ca AIC = log ǫ2 i N ǫ2 i N + + 2k N (15)

SC = log

klogN N

(16)

Modelo VAR:
m m m m 2 ϕj W T Iσi t−j + j=1 m j=1 m 2 ψj W T Iσi t−j + j=1 2 λj Brentσi t−j +µ1 t

lnW T It = a+
j=1

βj lnW T It−j +
j=1 m

γj lnBrentt−j +
m

(17)
2 ξj Brentσi t−j +µ2 t

lnBrentt = a +
j=1

Θj lnW T It−j +
j=1

φj lnBrentt−j +
j=1

Decomposi¸˜o da Variˆncia dos Erros de Previs˜o (ONO et. alli, 2006 [26]): ca a a y1t = a11 y1 t−1 + a12 y1 t−1 ǫ1t y2t = a21 y1 t−1 + a22 y2 t−1 ǫ2t GARCH Multivariado (BEKK diagonal) Engle & Kroner (1995) [9]: Ht = ΩΩ + Aǫt−1 + ǫt−1 A + BHt−1 B
′ ′ ′ ′

(18)

(19)

“This Diagonal BEKK model is identical to the Diagonal VECH model where the coefficient matrices are rank one matrices. For convenience, EViews provides an option to estimate the Diagonal VECH model, but display the result in Diagonal BEKK form.” (EVIEWS 6 USER´s GUIDE II, 2007, p. 343 [14])

Algoritmo BHHH (MADDALA, 2001, p. 315 [22]): Θ1 = Θ0 + 

T i=1

∂logf (Yi , Θ) ∂Θ0

 2 −1 

S(Θ0 )

(20)

Distribui¸˜o geral/generalizada dos erros: (EVIEWS 6 USER´S GUIDE II, 2007, p. ca 188 [14]) Γ(1/r)3 ) 1 lt = − log 2 Γ(3/r)(r/2)2 1 Γ(3/r)(yt − Xt Θ)2 2 − logσt − 2 2 σt Γ(1/r)

r/2

Onde o parˆmetro caudal r > 0. A Distribui¸˜o Geral ´ uma normal se r = 2 e de cauda a ca e larga se r < 2.

28

29

ANEXO

´ TABELA 4 - RESULTADO DO MODELO GARCH MULTIVARIADO PELO METODO DIAGONAL DE BABA, ENGLE, KRAFT E KRONER,(BEKK).

30
´ TABELA 4 - RESULTADO DO MODELO GARCH MULTIVARIADO PELO METODO DIAGONAL DE BABA, ENGLE, KRAFT E KRONER,(BEKK) (Continua¸˜o). ca

NOTA: Resultado obtido pela sa´ de Eviews 6 [14]. ıda