“Estudo da relação Retorno-Volatilidade Implícita das opções da
Propaganda
FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO E ECONOMIA DISSERTAÇÃO DE MESTRADO PROFISSIONALIZANTE EM ECONOMIA “Estudo da relação Retorno-Volatilidade Implícita das opções da Vale e Petrobras”. Harrison Almeida Meirelles ORIENTADOR: PROF. DR. JOSÉ VALENTIM VICENTE Rio de Janeiro, 18 de Novembro de 2011. “ESTUDO DA RELAÇÃO RETORNO-VOLATILIDADE IMPLÍCITA DAS OPÇÕES DA VALE E PETROBRAS” HARRISON ALMEIDA MEIRELLES Dissertação apresentada ao curso de Mestrado Profissionalizante em Administração como requisito parcial para obtenção do Grau de Mestre em Administração. Área de Concentração: ORIENTADOR: JOSÉ VALENTIM MACHADO VICENTE Rio de Janeiro, 18 de novembro de 2011. “ESTUDO DA RELAÇÃO RETORNO-VOLATILIDADE IMPLÍCITA DAS OPÇÕES DA VALE E PETROBRAS” HARRISON ALMEIDA MEIRELLES Dissertação apresentada ao curso de Mestrado Profissionalizante em Administração como requisito parcial para obtenção do Grau de Mestre em Administração. Área de Concentração: Avaliação: BANCA EXAMINADORA: _____________________________________________________ Professor JOSÉ VALENTIM MACHADO VICENTE (Orientador) Instituição: IBMEC / RJ _____________________________________________________ Professor CLAUDIO HENRIQUE DA SILVEIRA BARBEDO Instituição: IBMEC / RJ _____________________________________________________ Professor ALDO FERREIRA DA SILVA Instituição: BANCO CENTRAL DO BRASIL (BCB) Rio de Janeiro, 18 de novembro de 2011. M330 M79 Meirelles, Harrison Almeida Estudo da relação Retorno-Volatilidade das Opções da Vale e Petrobras/ Harrison Almeida Meirelles – Rio de Janeiro: Faculdades IBMEC, 2011. P. 39 Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do grau de Mestre em Economia. Área de Concentração: Finanças Orientador: Prof. Dr. José Valentim Machado Vicente 1. Derivativos sobre ações. 2. Opções sobre ações. I. Meirelles, Harrison Almeida II. Prof .Dr. José Valentim Machado Vicente III. Estudo da relação Retorno-Volatilidade das Opções da Vale e Petrobras. DEDICATÓRIA Aos meus pais, a minha esposa, e aos meus filhos. v RESUMO Este estudo avalia empiricamente a relação entre o retorno e a volatilidade implícita nas opções mais negociadas da BM&F Bovespa, e se a mesma pode trazer informações úteis e consistentes a cerca dos fatores que afetam a volatilidade esperada. Através da análise que compreendeu o período entre Janeiro de 2005 e Julho de 2011 e utilizou os retornos e as inovações mensais no nível da volatilidade implícita das opções de compra “no-dinheiro” sobre as ações da Vale e Petrobras, verificou-se evidências empíricas da existência de relação negativa e assimétrica, sendo esta última fortemente influenciada pelos retornos negativos. Por fim, detectou-se evidência de viés comportamental de extrapolação da volatilidade pelos participantes dos mercado. Palavras Chave: Opções, Volatilidade Implícita, Gestão de Riscos, Gestão de portfólio vi ABSTRACT This paper empirically assesses if the relationship between return and volatility implied by options traded in the BM&F Bovespa can provide useful and consistent information about the factors that affect the expected volatility. We found through the analysis that included the period between January 2005 and July 2011 and used the monthly returns and innovations at the level of implied volatility of stock options "at-the-money" of Petrobras and Vale stocks, evidences of the existence of a negative and asymmetric, with last one being strongly influenced by negative returns. Finally, we find evidences of volatility extrapolation bias behavior biases by market participants. Key Words: Options Implied Volatility, Risk Management, Portfolio Management, Trading Strategy vii LISTA DE TABELAS Tabela 1 – Estatísticas Descritivas ........................................................................................... 10 Tabela 2 – Resultado das Regressões do Modelo 1.................................................................. 12 Tabela 3 – Resultado das Regressões do Modelo 2.................................................................. 14 Tabela 4 – Resultado das Regressões do Modelo 1 e 2 resultados positivos e negativos ........ 15 Tabela 5 – Resultado das Regressões do Modelo 3.................................................................. 17 viii LISTA DE ABREVIATURAS VIX Chicago Board Options Exchange Market Volatility Index AR Auto Regressive CBOE Chicago Board Options Exchange (www.cboe.com) BS Black e Scholes LM Livre de Modelo ix SUMÁRIO 1 INTRODUÇÃO ..................................................................................................... 1 2 DADOS E TÉCNICAS DE AMOSTRAGEM ........................................................ 9 2.1 TÉCNICA DE AMOSTRAGEM ............................................................................................................. 10 2.2 DEFINIÇÃO DAS VARIÁVEIS .............................................................................................................. 11 2.3 ESTATÍSTICAS DESCRITIVAS ............................................................................................................ 13 3 METODOLOGIA ................................................................................................ 16 3.1 A RELAÇÃO RETORNO-VOLATILIDADE ........................................................................................ 16 3.2 A ASSIMETRIA DA RELAÇÃO RETORNO-VOLATILIDADE ....................................................... 20 3.3 A MAGNITUDE DA RELAÇÃO RETORNO-VOLATILIDADE ....................................................... 22 4 CONCLUSÃO .................................................................................................... 24 REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................... 26 x 1 INTRODUÇÃO Atualmente, o fluxo e a velocidade de propagação das informações nos mercados financeiros mundiais têm gerado grandes turbulências (volatilidade). Volatilidade e risco são termos derivados da incerteza e, em termos de mercados financeiros, incerteza gera volatilidade e volatilidade resulta em risco. Daí a grande importância prática do estudo da relação retornovolatilidade para melhor entender os fatores que afetam a volatilidade futura. O objetivo deste estudo empírico é avaliar a suposta relação entre retorno e volatilidade esperada, assim como os aspectos mais importantes para explicá-la, com enfoque no mercado brasileiro. Para tal, foram utilizados os retornos mensais das ações (variável independente) e as inovações no nível da volatilidade implícita das opções de compra (varíavel dependente), das empresas Vale e Petrobras. As opções utilizadas foram as de compra com prazo de expiração de 24 dias corridos e pelo menos 100 contratos negociados diariamente, e cujo preço de exercício esteja no máximo 5% distante do preço do ativo subjacente (Opções nodinheiro). Como a volatilidade é uma variável latente, isto é, não observável pelos participantes do mercado, ela deve ser estimada a partir dos dados. Portanto, o primeiro desafio reside na escolha de uma proxy que forneça informações sobre o valor da volatilidade, sendo as mais comumente utilizadas na literatura a volatilidade implícita (medida ex-ante) e a volatilidade 1 realizada (medida ex-post), veja Bollerslev e Zhou (2006). Entende-se por proxy, como uma variável de medição que permite a aproximação de uma sequência de variáveis aleatórias não observáveis. No presente estudo a volatilidade implícita nas opções será a proxy para a volatilidade, considerando que os preços das opções contém informações sobre os retornos futuros dos ativos, conforme introduzido por Black e Scholes (1974) e Merton (1973). Como instrumento derivativo, supõe-se que o preço das opções seja influenciado pelo preço do ativo-objeto, e não o contrário. Latane e Rendleman (1976), Chiras e Manaster (1978), Lamourex e Lastrapes (1993), Christesen e Prabhala (1998), Engle e Gallo (2006) encontraram evidências de que a volatilidade implícita apresenta melhores resultados do que a volatilidade histórica na previsão da volatilidade futura. Poon e Granger (2005) apresentam uma abrangente pesquisa sobre esta literatura. A principal premissa por trás destes estudos é a de que se o mercado é eficiente, a volatilidade implícita deve ser um excelente previsor da volatilidade futura, devendo agrupar as informações contidas em todas as outras variáveis que explicam a volatilidade futura. O segundo desafio reside na forma de mensurar a proxy escolhida para a volatilidade, ou seja, que método utilizar para extrair informações do mercado de opções. Para tal, foi utilizado o método numérico de Newton-Raphson para inverter a fórmula de Black and Scholes (BS) e estimar a volatilidade implícita das opções com no mínimo 100 negócios, e prazo de expriração de 24 dias corridos (18 dias úteis). 2 Latane e Rendelman (1976), Chiras e Manaster (1978), Beckers (1981), Day e Lewis (1988) e Harvey e Whaley (1991), (1992) propõem o uso de média aritimética ou ponderada da volatilidade implícita das opções de compra (call) e venda (put) com maior proximidade do dinheiro, para criação de uma série padronizada que represente a volatilidade implícita de uma opção “no-dinheiro” hipotética, com prazo de 30 dias corridos (22 dias úteis). Estes procedimentos, segundo os autores, visam melhorar a precisão da estimativa da volatilidade, reduzindo efeitos de erro de medida nas váriáveis que afetam o preço das opções, além de atenuar as preocupações com os diferentes valores da volatilidade, tanto em relação a proximidade do dinheiro (sorriso da volatilidade) quanto ao tempo para vencimento (estrutura a termo da volatilidade). O índice VIX da CBOE utiliza metodologia similar. No mercado brasileiro, as opções de venda sobre ações não possuem liquidez, e não é possível observar os preços para diferentes preços de exercício (strikes) e prazos de vencimento, devido a baixa liquidez, dificultando o uso desta técnica de interpolação. Em função destas limitações, utilizou-se apenas a volatilidade implícita de BS da opção de compra de maior liquidez dentre as opções com maior proximidade do dinheiro (moneyness), e com prazo de expiração de 24 dias corridos (18 dias úteis), para criação da série de volatilidade implícita padronizada. Os dados foram amostrados em frequência mensal para evitar sobreposição e assim melhorar os resultados das regressões empíricas, veja Christensen e Prabhala (1998). A estimação de volatilidade com base no modelo de BS assume que os retornos do ativo subjacente são normalmente distribuídos e possuem variância constante, conflitanto com muitas evidências empíricas dos retornos financeiros. Portanto, avaliou-se a possibilidade de uso de técnica de estimação da volatilidade implícita que fosse independente de modelo de precificação de opções (volatilidade implícita livre de modelo), e utiliza-se todo o conjunto de 3 opções com preços observáveis e liquidez, dado que estes modelos não assumem nenhuma premissa a cerca do processo estocástico do ativo-objeto, exceto a condição de que o ativo e respectiva volatilidade não apresentem saltos (jumps). Jiang e Tian (2003) defendem que a volatilidade implícita obtida com uma abordagem livre de modelo (LM), veja Bakshi, Kapadia e Madan (2003) e Carr e Wu (2009), fornece uma previsão mais precisa da verdadeira volatilidade em relação aos modelos que contém prováveis erros de especificação. Contudo, o fato de a medida de volatilidade LM ser uma expectativa da volatilidade atual ajustada ao risco, significa que a volatilidade implícita incorpora qualquer prêmio de risco de volatilidade (ou risco de salto) diferente de zero, o que não ocorre nos preços do mercado de opções, veja Bollerslev e Zhou (2006). A escolha por utilizar apenas o método de BS se deve ao fato de que, formalmente, nenhum prêmio de risco é incorporado na volatilidade obtida, ficando assim menos sujeita a ocorrência de viés do que a volatilidade obtida por uma abordagem livre de modelo. Como a volatilidade LM engloba um conjunto maior de informações, dado que incorpora opções com diferentes preços de exercício (strikes), poderíamos supor que fosse mais influenciada do que o modelo de BS pelas distorções observadas (valores extremos e ruídos) em opções muito fora do dinheiro. Este fenômeno ocorre particularmente em períodos de alta volatilidade ficando distante do verdadeiro processo que governa a volatilidade. Como a presente análise tem enfoque na relação entre retorno e as alterações na volatilidade implícita, os erros absolutos de precificação associados ao modelo de BS tem menor importância, uma vez que a preocupação é com as alterações e não com o nível da volatilidade implícita. 4 No estudo da relação entre o retorno e a volatilidade, é comum encontrar evidências empíricas do fenômeno de assimetria, que se refere ao fato estilizado, onde choques negativos no retorno do ativo-objeto podem implicar em aumento da volatilidade futura, em maior escala que a dos choques positivos de mesma magnitude, vide Wu (2001), Bekaert e Wu (2000). Este efeito é também descrito pela correlação negativa entre retorno do ativo-objeto e inovações na volatilidade esperada. Muito tem-se debatido na literatura de volatilidade se a assimetria pode ser atribuída a efeitos no nível da firma (efeito alavancagem) ou influências sistêmicas de mercado (feedback de volatilidade). Dennis, Mayhew e Stivers (2006) encontram evidências empíricas de que a assimetria de volatilidade está relacionada mais fortemente com fatores extrínsecos (no nível de mercado) do que com fatores intrínsecos (nível da firma). Os autores decompõem a volatilidade implícita em volatilidade idiosincratica, parcela associada com eventos no nível da firma (novas patentes ou produtos), e volatilidade sistêmica, parcela associada com eventos macroeconômicos (crises financeiras, mudanças na taxa de juros), com base na intuição de que o retorno de um ativo pode ser decomposto em um componente sistêmico e outro idiosincratico. Embora muitos efeitos de alavancagem tenham se tornado sinônimo de volatilidade assimétrica, a natureza assimétrica pode estar simplesmente ligada à existência de um prêmio de risco variável no tempo, conforme sugerido em Pindyck (1984), French, Schwert e Stambaugh (1987), e Campbell e Hentschel (1992). Se a volatilidade é precificada pelos agentes, uma antecipação na volatilidade aumenta o retorno futuro requerido das ações, gerando uma queda imediata no preço da ação. Neste caso a causalidade é diferente, pois a hipótese de alavancagem alega que choques no retorno geram alterações na volatilidade 5 condicional, enquanto as teorias de prêmios de riscos variáveis sustentam que os choques nos retornos são causados por alterações na volatilidade condicional. Este trabalho tem por base os modelos econométricos e as premissas dos estudos realizados por Giot (2003), Low (2004), Dennis, Msayhew e Stivers (2006), Hibbert, Daigler e Dupoyet (2008). Giot (2003) estuda a relação entre o retorno diário dos índices acionários americanos (S&P100 e NASDAQ) e a volatilidade implícita diária destes (VIX e VXN), utilizando uma amostra diária que compreende o período entre agosto de 1994 e janeiro de 2003, e encontra evidências de uma relação negativa e assimétrica, onde a resposta dos indíces de volatilidade associada a choques negativos no retorno é menor em períodos de baixa volatilidade. Na segunda etapa, através da análise da relação entre volatilidade implícita e retornos para frente (foward) dos índices, encontra evidência de que retornos para frente positivos podem estar associados com níveis extremamente altos dos índices de volatilidade implícita passados e vice-versa. Dennis, Mayhew e Stivers (2006) estudam a dinâmica da relação entre os retornos diários das ações e as inovações diárias na volatilidade implícita nas opções, utilizando uma amostra com dados de 50 firmas americanas no período de 1988 a 1995, e encontram evidências de que as inovações na volatilidade implícita podem ser consideradas uma boa proxy para as inovações na volatilidade esperada. Os resultados encontrados neste estudo apontam para evidências de que a relação entre os retornos e a volatilidade sistêmica é substancialmente negativa, e a relação com a volatilidade idiosincrática é quase nula, sugerindo que a assimetria se relaciona mais a fatores de mercado do que a fatores no nível da firma. 6 Hibbert, Daigler e Dupoyet (2008) examinam a relação diária e intra-diária entre os retornos dos índices acionários americanos (S&P500 e NASDAQ100) e as alterações na volatilidade implícita no período de janeiro de 1998 a dezembro de 2006, não encontrando suporte nos resultados para hipótese de alavancagem e feedback de volatilidade. Contudo, eles apresentam algumas evidências empíricas de que a forte relação negativa encontrada entre retorno e volatilidade implícita podem estar associadas com alguns dos efeitos e conceitos descritos na teoria de finanças comportamentais, tais como efeito representatividade, teoria dos prospectos e viéses de extrapolação. Por fim, descrevem que a magnitude da relação está associada com retornos extremos e que a força da relação é consistente com a assimetria empírica da volatilidade implícita. O presente estudo se diferencia dos anteriores em três aspectos: o fato de ser realizado em um mercado emergente, abranger apenas opções sobre ações individuais ao invés de índices financeiros, e o uso exclusivo da volatilidade implícita das opções de compra sobre ações mais próximas do dinheiro, como proxy para a volatilidade. A maioria dos estudos apresentados ao longo desta revisão bibliográfica referem-se ao mercado norte-americano, deste modo, acreditamos que os resultados apresentados em nosso estudo contribuem para a discussão da relação retorno-volatilidade no mercado brasileiro. A exemplo das evidências anteriores, verifcamos no presente estudo uma forte relação negativa entre os retornos e as alterações na volatilidade implícita, assim como assimetria, onde os retornos negativos respondem praticamente por todas as alterações (inovações) no nível da volatilidade implícita das opções. Finalmente, verificou-se uma persistência das alterações passadas no nível de volatilidade sobre a volatilidade presente, resultado este em linha com a hipótese de viés de extrapolação apresentado por Hibbert, Daigler e Dupoyet (2008). 7 Na literatura nacional, Tabak e Guerra (2002) estudaram a relação entre o retorno e a volatilidade das ações negociadas no mercado Brasileiro no período entre junho de 1990 e abril de 2002, utilizando dados sobrepostos, encontrando evidências da relação significativa e negativa entre os retornos contemporâneos e as alterações na volatilidade para diversas ações. Contudo, foi verificou-se fraca relação entre retorno e volatilidade futura. O presente estudo se diferencia pois utiliza dados sem sobreposição e a volatilidade implícita na opção com maior proximidade do dinheiro como a proxy para volatilidade, incorporando o prêmio de volatilidade, diferente do retorno histórico utilizado em Tabak e Gerra (2002). O entendimento da relação retorno e volatilidade implícita tem grande importância prática para o entendimento das seguintes questões: A mudança na percepção de risco independe do tipo de retorno (positivo e negativo)? A mudança na percepção de risco independe da volatilidade dos retornos? A opção atua como um substituto perfeito do ativo subjacente oferecendo o nível de redundância esperado? A variação (delta) do preço da opção reflete a variação no preço do ativo subjacente?. Por exemplo, um investidor que esteja planejando especular através de uma posição comprada de opções de compra (call), pode simplesmente se deparar com um pequeno ou nenhum ganho, dada a magnitude da redução do nível de volatilidade implícita pelos participantes do mercado, em resposta ao choque positivo no retorno, anulando ou reduzindo o efeito do movimento de alta no preço do ativo subjacente. Este documento está organizado da seguinte maneira: a seção 2 descreve como as séries de volatilidade e retornos mensais foram construídas, além de apresentar as estatísticas descritivas, assim como os resultados dos testes de estacionaridade (raiz unitária) para avaliar o processo de reversão a média. Na seção 3 são apresentados os resultados empíricos e na seção 4, a conclusão do estudo. 8 2 DADOS E TÉCNICAS DE AMOSTRAGEM O mercado de opções brasileiro sobre ações é extremamente concentrado na negociação de opções de compra das ações preferenciais de Petrobras (PETR4) e Vale (VALE5), que respondem por aproximadamente 90% do volume movimentado. As opções de venda não possuem liquidez, portanto não foram consideradas neste estudo. A série mensal de volatilidade padronizada e retorno utilizado neste estudo tem início em janeiro de 2005 e término em julho de 2011, totalizando uma amostra com 78 observações mensais, ou 5 anos e meio. Serão consideradas apenas opções no-dinheiro para minimizar os erros de estimação pela inversão da fórmula de Black e Scholes. Este método está sujeito a erros consideráveis quando os parâmetros da fórmula de BS são observados com erros plausíveis, especialmente em opções muito distantes do dinheiro, onde grandes alterações na volatilidade produzem pequenas alterações no preço da opção. Como foram utilizadas as opções mais líquidas, espera-se que a estimativa da volatilidade esteja relativamente menos enviesada. Como a análise tem enfoque na relação entre retorno e as alterações na volatilidade implícita, os erros absolutos de precificação associados ao modelo de Black e Scholes tem menor 9 importância, uma vez que a preocupação é com a alteração na volatilidade implícita e não com o nível da volatilidade Segundo Hentschel (2003), as opções sobre ações com prazo de maturidade de 20 dias e cujo preço de exercício está mais distante que 5% do preço do ativo subjacente, não contém praticamente nenhuma informação sobre a verdadeira volatilidade. Não assume-se que o modelo de Black e Scholes forneça o preço correto das opções, mas sim que se trata de um bom modelo para controlar empiricamente as alterações no moneyness da opção, na taxa livre de risco e no prazo de expiração. Portanto, é plausível utilizar os preços de mercado para investigar as alterações na volatilidade implícita nos preço da opção. 2.1 TÉCNICA DE AMOSTRAGEM Por convenção, as opções da BM&F BOVESPA expiram na terceira segunda-feira de cada mês. Portanto, em cada mês, após o vencimento do mercado de opções, registra-se o preço de fechamento do ativo-objeto ሺܵ௧ ሻ. Na mesma data, localiza-se a opção de compra com prazo de expiração no mês seguinte de acordo com o índice de moneyness e registra-se o preço de fechamento da opção de compra ሺܥ௧ ሻǡ assim como o preço de exercício da opção ሺܭ௧ ሻ. A grande vantagem desta técnica é evitar sobreposição dos períodos cobertos por cada opção, de acordo com Christensen e Prabhala (1998). O fato das opções de compra utilizadas serem americanas, passíveis de exercício antecipado, não traz maiores complicações, uma vez que são protegidas contra proventos e portanto não há vantagens no exercício antecipado, caracterizando-se assim como opções européias, veja Hull (1997). 10 O índice de proximidade do dinheiro (moneyness) foi definido, neste estudo, como a razão entre o preço do ativo-objeto ሺܵ௧ ሻ e o preço de exercício da opção ሺܭ௧ ሻ, para permitir a classificação das opções como: “no-dinheiro”, “dentro-do-dinheiro” e “fora-do-dinheiro”. As opções foram classificadas em subgrupos de acordo com o indíce de moneyness proposto em Deo, Devanadhen, Srinivasan (2008). As opções com índice de moneyness menor que 0.98 foram classificadas como “dentro-do-dinheiro”, entre 0.98 e 1.02 foram classificadas como “no-dinheiro” e maior que 1.02 foram classificadas como “fora-do-dinheiro”. Com o objetivo de minimizar o viés associado à ausência de sincronia entre os fechamentos no mercado de opções e no mercado de ações, somente opções com pelo menos 100 negócios foram consideradas para as análises, conforme sugerido por Jorion (1995). Foram excluídas do conjunto de dados as opções dentro-do-dinheiro cujo preço era inferior ao valor intrínseco, definido como a diferença entre o preço à vista do ativo subjacente e o preço de exercício da opção ሺܵ௧ െ ܭ௧ ሻ, pois nestes casos a volatilidade implícita não está definida. 2.2 DEFINIÇÃO DAS VARIÁVEIS A volatilidade das opções de compra ൫ߪூǡ ൯ é determinada de forma implícita, resolvendo-se de forma numérica a equação de Black e Scholes para precificação de opção de compra. Para esta etapa foi utilizado o software XploRe. A “proxy” da taxa de juros livre de risco utilizada no cálculo das opções é a taxa DI Over diário, extraído do site da Cetip (www.cetip.com.br). A série de volatilidade implícita estimada através da fórmula de Black e Scholes foi padronizada através do uso de opções no- 11 dinheiro, com prazo de vencimento de aproximadamente 24 dias corridos (18 dias úteis) e expressa em termos anuais para facilitar a interpretação. A premissa no uso do modelo de Black e Scholes parte do princípio de que ele é robusto a pequenas variações em sua especificação, e é amplamente utilizado pelos participantes de mercado para ajuste dos preços, ou seja, o mercado usa um modelo similar. As inovações no nível da volatilidade implícita podem ser computadas de diversas maneiras conforme descrito abaixo: A primeira diferença do nível de volatilidade implícita, definida como a diferença entre o nível da volatilidade implícita no mês (t) em relação ao nível da volatilidade implícita no mês (t –1): ȟߪூǡ ൌ ߪூǡ െ ߪூǡషభ A mudança proporcional no nível de volatilidade implícita, definida como a razão entre a diferença entre o nível da volatilidade implícita no mês (t) em relação ao nível da volatilidade implícita no mês (t –1) e o nível da volatilidade implícita no mês (t –1): Ψȟߪூǡ ൌ ቆ ߪூǡ െ ߪூǡషభ ߪூǡషభ ቇ Os resíduos εi,t da regressão da série temporal do nível de volatilidade implícita. Neste caso não se assume que ߙǡ௧ ൌ Ͳ e ߚǡ௧ିଵ ൌ ͳ como na série de primeiras diferenças. ߪூǡ ൌ ߙǡ௧ ߚǡ௧ିଵ ൈ ߪூǡషభ ߝǡ௧ 12 Neste estudo, escolheu-se a primeira diferença do nível da volatilidade implícita como estimativa a ser utilizada para as inovações (alterações) na volatilidade implícita (variável dependente), e o retorno contínuo (variável independente) como estimativa para os choques no retorno. O retorno contínuo ሺܴ௧ ሻ é definido como a diferença entre o preço de fechamento do ativo subjacente em ݐe o preço de fechamento do ativo subjacente em ݐെ ͳ. 2.3 ܴ௧ ൌ ܲ௧ െ ܲ௧ିଵ ESTATÍSTICAS DESCRITIVAS A Tabela 1 apresenta as estatísticas para as séries de volatilidade ሺߪூ ሻ e logarítimo da volatilidade ሺ ߪூ ሻ. O intervalo de janeiro de 2005 até setembro de 2008 reflete um período de estabilidade e grande expectativa de crescimento econômico. Já o período seguinte, de outubro de 2008 até julho de 2009, se caracteriza por de forte crise do sistema bancário mundial. A distribuição de ambas as séries de volatilidade implícita para as opções “no-dinheiro” de Petrobras e Vale, possui grande assimetria e caudas pesadas (leptocúrtica), enquanto a distribuição do log natural das séries de volatilitadade implícita apresentam curtose próxima de três (3) e menor assimetria. Pelo teste de Jarque-Bera, não rejeita-se a hipótese de normalidade à 10% de significância para as distribuições logarítimo natural das séries de volatilidade implícita. Por isso, optou-se por trabalhar com todas as variáveis mensuradas em logarítimo natural. 13 Opções "No-dinheiro": Estatísticas Média Mediana Máximo Mínimo Desvio Padrão Assimetria Curtose Jarque-Bera Probabilidade (JB) Petrobras ߪூ 0,35 0,31 0,84 0,19 0,13 1,61 6,02 6,33 0,00 ߪூ -1,12 -1,18 -0,17 -1,67 0,34 0,69 3,05 6,23 0,04 Vale ߪூ 0,35 0,30 0,83 0,17 0,13 1,57 5,79 5,71 0,00 ߪூ -1,12 -1,19 -0,19 -1,76 0,33 0,65 3,15 5,59 0,06 Tabela 1 – Estatísticas descritivas (Janeiro de 2005 até Jullho de 2011) Esta Tabela apresenta estatísticas descritivas do nível e logarítimo da volatilidade implícita. A distribuição simétrica possui coeficiente de assimetria igual a zero, a distribuição assimétrica positiva apresenta uma cauda longa à direita (valores acima da média) e a distribuição assimétrica negativa apresenta uma cauda longa à esquerda (valores abaixo da média). Se o valor da curtose é igual a 3, a distribuição possui o mesmo achatamento da distribuição normal, se é maior que 3, a distribuição é mais alta (afunilada) e concentrada que a distruição normal e, se é menor que 3, a distribuição é mais achatada que a distribuição normal. A probabilidade (JB) é a probabilidade da estatística Jarque-Bera exceder (em valor absoluto) o valor observado sobre a hipótese nula, onde um pequeno valor de probabilidade leva a rejeição da hipótese nula de normalidade. A 1% de significância não rejeitamos a hipótese de normalidade para as séries em log, o que já não é verdade a 5% significância para a série de Petrobras. Para verificar as propriedades das séries temporais do logarítimo natural da volatilidade implícita analisou-se o correlograma dos resíduos e as estatísticas Ljung-Box Q, com o intuito de avaliar a existência de auto-correlação. Todos os testes rejeitaram esta hípotese, sendo estes resultados similares aos econtrados em estudos anteriores com séries de volatilidade mensal, veja French (1987). A estacionariedade das séries temporais foi avaliada utilizando o teste de Dickey-Fuller (1979). Os resultados das estatísticas ADF obtidos comprovaram a estacionariedade das séries de retorno logarítimo ሺܴ௧ ሻ e primeira diferença da série log-volatilidade (ο ߪூ ሻǤ Com o objetivo de medir a associação entre as alterações na volatilidade implícita ൫οߪூǡ ൯ e o retorno da ação ሺܴ௧ ሻ, foi calculado o coeficiente de correlação de Pearson para ambas as séries. Verificou-se que este coeficiente é significativo e tem o valor de -0,44 (p-valor=0.001) 14 para o caso de Vale, e –0.27 (p-valor=0.0183) para o caso de Petrobras, indicando anticorrelação entre o preço da ação e volatilidade implícita na opção. Como sabe-se, correlação não implica por si só em relação causa e efeito (causalidade), e por mais forte que seja uma relação estatística entre duas variáveis, este não pode ser o único critério para estabelecer uma relação causal entre elas. Avaliar a hipótese de defasagem causal é importante, pois novas informações poderiam ser primeiramente incorporadas ao mercado de ações, dado a maior liquidez, influenciando assim o mercado de opções (efeitos lead-lag) ou vice-versa. Neste último caso, o mercado de opções teria a presença de investidores mais qualificados e informados, gerando efeito contrário. Para Tal, executou-se o teste de causalidade de Granger utilizando dois períodos passados (Lag=2), para avaliar a hipótese, da alterações no preço passado da ação ሺܴ௧ିଵ ሻ Granger causar a alteração na volatilidade implícita corrente da opção ൫οߪூǡ ൯ e/ou da alteração na volatilidade implícita passada da opção ൫οߪூǡషభ ൯ Granger causar a alteração no preço corrente. A partir dos resultados obtidos pode-se verificar que não existem evidências de defasagem em nenhum sentido da relação. Este resultado contrasta com o encontrado em Giot (2003), utilizando séries diárias. Cabe ressaltar que o fato do ሺܴ௧ିଵ ሻ Granger não causar ൫οߪூǡ ൯ e vice-versa, não necessariamente implica que ሺܴ௧ ሻ é independente de ൫οߪூǡ ൯. A causalidade de Granger refere-se somente a capacidade de prever uma variável Y a partir de uma variável X, e a rejeição da hipótese significa apenas que as realizações passadas de X não devem ser usadas para previsão de Y. 15 3 METODOLOGIA Para examinar a relação retorno-volatilidade utilizou-se o metódo de regressão de mínimos quadrados ordinários (MQO), e como regressores, as alterações mensais no nível de volatilitade implícita e o retorno do ativo-objeto para opções preferenciais de compra nodinheiro sobre o ativo-objeto de Petrobras (PETR4 PN) e Vale (VALE3 PN). A metodologia utilizada é similar a proposta por Low (2004) e Giot (2003) para avaliar a existência, a magnitude, e o sinal da relação retorno-volatilidade implícita. Para avaliar a assimetria da relação, utilizamos metodologia similar a proposta por Hibbert, Daigler e Dupoyet (2008). Por fim, para avaliar a existência de algum efeito quadrátrico (magnitude dos choques no retorno) na relação, utilizou-se metodologia similar a proposta por Giot (2003). 3.1 A RELAÇÃO RETORNO-VOLATILIDADE Primeiramente, utilizou-se um modelo de regressão linear para estimar o valor esperado das inovações na volatilidade implícita, dado as inovações no preço dos ativos (retorno), de forma a determinar o ajustamento e a importância dos retornos contemporâneos, conforme descrito abaixo: οߪூ ൌ ߙ ߙଵ ܴ௧ ߝ௧ ሺͳሻ 16 Este modelo nos permite avaliar a hípotese de o retorno contemporâneo ser o fator determinante para explicar as inovações ou alterações correntes na volatilidade implícita. A Tabela 2 apresenta os resultados desta regressão para toda a amostra de Petrobras e Vale. Comparando o coeficiente ሺܴ ଶ ሻ das regressões, é possível observar que a série de Vale apresenta um melhor ajustamento. Essa diferença pode estar associada com o fato de a medida utilizada neste estudo não considerar a informação disponível em todos os preços de exercício, vide Vicente e Guedes (2010), ou então com a alegação de Giot (2003), de que durante os períodos de maior volatilidade dos mercados, os investidores de opções são menos agressivos, dado que a volatilidade Petrobras foi ligeiramente maior que a de Vale no período analisado. Examinando-se os coeficientes das regressões observa-se que, no caso da Vale, o coeficiente ߙଵ tem uma elevada magnitude de -0,819 e elevada significância dado o grande valor da estatística-t de -4,467 e p-valor igual a 0.00. Já no caso da Petrobras, o coeficiente ߙଵ tem uma magnitude menor de -0,526 e significância marginal a 1%, dado o valor da estatística-t de 2,614 e p-valor igual a 0.01. Portanto, conforme esperado, os choques positivos no retorno reduzem a volatilidade implícita, ao passo que os choques negativos aumentam significativamente a mesma, sendo este efeito maior no caso da Vale em relação a Petrobras. Como existe a suspeita de assimetria nesta relação, a seção 3.2 avaliará esta hípotese. Os resultados acima apontam para evidências de existência de relação significante e negativa em ambas as séries, confirmando a validade da hípotese a cerca dos retornos contemporâneos explicarem as alterações no nível de volatilidade implícita. O cálculo do erro padrão levou em consideração a possibilidade de auto-correlação e heterocedasticidade. As estatísticas “t” 17 foram corrigidas utilizando o procedimento de Newey-West (1987) e os testes de autocorrelação serial rejeitaram esta hipótese ao nível de significância de 1% . VALE PETROBRAS ܴ ଶ(%) Intercepto 19,42 0,005 (0,375) -0,819 (-4,467) 7,19 0,006 (0,348) -0,526 (-2,614) ܴ௧ Tabela 2 – Resultados da regressões do modelo 1 – (Janeiro de 2005 até Jullho de 2011) Esta Tabela apresenta um comparativo dos resultados da regressão do modelo 1, ο࣌ࡵࢂ࢚ ൌ ࢻ ࢻ ࡾ࢚ ࢿ࢚ , para a amostra completa de janeiro de 2005 até julho de 2011 das séries de Vale e Petrobras, onde ࡾ࢚ representa o retorno com base no preço de fechamento diário no mês ࢚ em relação ao preço de fechamento diário do mês anterior ࢚ െ e ο࣌ࡵࢂ࢚ representa a alteração no nível da volatilidade implícita computada com base nos preços de fechamento no mês ࢚ em relação em relação ao nível da volatilidade implícita computada com base nos preços de fechamento no mês ࢚ െ . A estatísticas-t foram ajustadas pelo procedimento de Newey-West e encontram-se entre parênteses (t-statistics) e o asterístico (*) representa os coeficientes significaivos a 1% de significância. Todos os resultados aceitam a hipótese de não existência de auto-correlação dos resíduos ࢿ࢚ a 1% de significância. Nesta etapa, modificou-se o modelo anterior conforme proposto por Hibbert, Daigler e Dupoyet (2008), adicionando os retornos ocorridos no passado, de forma a testar a hipótese a cerca da existência de feedback de volatilidade. Já as alterações na volatilidade implícita ocorridas no passado, foram adicionadas para testar a hipótese de existência de persistência, onde choques passados afetam as alterações na volatilidade implícita no presente. Utilizou-se para este fim o seguinte modelo: ȟߪூ ൌ ߙ ߙଵ ܴ௧ ߙଶ ܴ௧ିଵ ߙଷ ܴ௧ିଶ ߙସ ȟߪூషభ ߙହ ȟߪூషమ ߝ௧ ሺʹሻ A Tabela 3 apresenta os resultados desta regressão para toda a amostra da Vale e Petrobras. Comparando o modelo 2 com o modelo 1, observa-se um aumento do coeficiente de determinação linear ሺܴ ଶ ሻ ajustado, superior a 10% no caso da Vale e 7% no caso da Petrobras, o que mostra a superioridade deste modelo em termos de ሺܴ ଶ ሻ. 18 A diferença econtrada quando se comparam os resultados em termos de ሺܴ ଶ ሻ, com os observados em Hibbert, Daigler e Dupoyet (2008), que utilizaram o índice de volatilidade (VIX), pode estar ligada à fatores de eficiência ou conteúdo informacional da proxy utilizada. Dennis, Mayhew e Stivers (2006) encontraram evidências empíricas de que a correlação dos retornos das ações individuais com as alterações no índice de volatilidade VIX é muito mais negativa do que a correlação com a alteração na volatilidade implícita da própria empresa, e sugerem que o fenômeno da assimetria de volatilidade está mais ligado com a parte sistêmica, do que com fatores no nível da firma. Examinando-se os resultados das regressões para ambas as séries, constata-se que o retorno contemporâneo permanece negativo e significante em ambas as séries, mantendo-se como um importante determinante das alterações na volatilidade implícita no presente. Os retornos passados possuem sinal positivo e não foram significativos, esse resultado é similar ao encontrado por Hibbert, Daigler e Dupoyet (2008) no que tange o sinal desta relação, quando utilizaram as alterações na volatilidade implícita da opção mais próxima do dinheiro ao invés da volatilidade do índice VIX, que inclui o intervalo completo dos preços de exercício. Contudo, foi possível constatar o efeito das alterações na volatilidade implícita passada sobre as alterações na volatilidade implícita corrente, e portanto a validade da hipótese a cerca da existência de uma persistência nas alterações do valor das opções no tempo, ambos os resultados consistentes com aqueles encontrados por Hibbert, Daigler e Dupoyet (2008). Uma possível explicação para o último fenômeno, seria a de um viés comportamental de 19 extrapolação, com investidores projetando que os aumentos na volatilidade realizada se manteriam temporariamente no futuro. ݆ܣǤܴ ଶ(%) Intercepto VALE 29,64 PETROBRAS 13,64 -0,005 (0,269) -0,017 (-0,007) ܴ௧ -0,902* (-4,546) -0,593** (-2,599) ܴ௧ିଵ 0,298 (1,510) 0,187 (0,769) ܴ௧ିଶ 0,248 (1,383) 0,093 (0,408) ȟߪூషభ -0,290* (-4,066) -0,240** (-2,152) ȟߪூషమ -0,115 (-1,102) -0,257** (-2,401) Tabela 3 – Resultados das regressões do modelo 2 – (Janeiro de 2005 até Jullho de 2011) Esta Tabela apresenta um comparativo dos resultados da regressão realizada para o modelo 2: ઢ࣌ࡵࢂ࢚ ൌ ࢻ ࢻ ࡾ࢚ ࢻ ࡾ࢚ି ࢻ ࡾ࢚ି ࢻ ઢ࣌ࡵࢂ࢚ష ࢻ ઢ࣌ࡵࢂ࢚ష ࢿ࢚ , para a amostra completa de janeiro de 2005 até julho de 2011, das séries de Vale e Petrobras, onde ࡾ࢚ representa o retorno contemporâneo com base no preço de fechamento diário no mês ࢚ em relação ao preço de fechamento diário do mês anterior ࢚ െ , ࡾ࢚ି e ࡾ࢚ି referem-se aos retornos passados de um e dois períodos, ο࣌ࡵࢂ࢚ representa a alteração no nível da volatilidade implícita computada com base nos preços de fechamento no mês ࢚ em relação em relação ao nível da volatilidade implícita computada com base nos preços de fechamento no mês ࢚ െ , as variáveis ઢ࣌ࡵࢂ࢚ష e ઢ࣌ࡵࢂ࢚ష referem-se as inovações na volatilidade implícita passada de um e dois períodos. A estatísticas-t foram ajustadas pelo procedimento de Newey-West e encontram-se entre parênteses (t-statistics). Um único asterístico (*) representa os coeficientes significativos a 1% de significância e dois asterísticos (**) representam os coeficientes significativos a 5% de significância. Todos os resultados aceitam a hipótese de não existência de auto-correlação dos resíduos ࢿ࢚ a 1% de significância. Ǥ ࡾ refere-se a estatística ࡾ ajustada, onde a adição de regressores que não adicionam informações ao modelo penalizam o ࡾ Ǥ 3.2 A ASSIMETRIA DA RELAÇÃO RETORNO-VOLATILIDADE Nesta etapa, o objetivo é investigar a existência de assimetria na relação retorno-volatilidade implícita, onde choques negativos no retorno do ativo-objeto afetam as alterações relativas do nível da volatilidade implícita, diferentemente dos choques positivos. Para tal, segregaram-se as alterações nos preços do ativo-objeto em retornos positivos e retornos negativos e executaram-se as regressões referentes aos modelos 1 e 2. A Tabela 4 apresenta os resultados das regressões dos modelos 1 e 2, quando os retornos são segregados em alterações positivas e negativas. Ao comparar-se o coeficiente de correlação linear ሺܴ ଶ ሻ do painel A com o do painel B, observa-se que os modelos apresentam um melhor ajustamento para retornos negativos para ambas as séries. 20 Os coeficientes dos retornos contemporâneos são significativos para os retornos negativos e apresentam grande magnitude, suportando a hipótese de existência de assimetria na relação retorno-volatilidade. Os resultados contrastam com os econtrados por Hibbert, Daigler e Dupoyet (2008), onde a diferença entre retornos positivo e negativo é a magnitude dos coeficientes e o grau de significância dos mesmos. Este resultado pode estar relacionado ao fato de os investidores no mercado brasileiro alterarem as expectativas em relação a volatilidade futura apenas em períodos de retornos negativos, ou seja, negociando volatilidade agressivamente apenas nestes períodos, acreditando que a volatilidade não tenha se ajustado o suficiente conforme observado anteriormente por Giot (2003) em períodos de baixa volatilidade. ܴ ଶ(%) Painel A: Resultados Positivos VALE Modelo 1 0,02 PETROBRAS -0,051 (-0,934) ܴ௧ -0,052 (-0,110) ܴ௧ିଵ ܴ௧ିଶ ܸܫ௧ିଵ ܸܫ௧ିଶ 1,028* (3,928) 0,232 (1,082) -0,112 (-1,320) -0,076 (-0,552) 0,288 (1,017) -0,018 (-0,080) -0,205 (-1,264) -0,221 (-2,023) -0,072 (-0,297) 0,112 (0,266) -0,396** (-2,741) -0,121 (-0,732) 0,096 (0,263) 0,229 (0,547) -0,289** (-2,139) -0,372 (-1,573) Intercepto Modelo 2 40,3 -0,056 (-1,203) -0,192 (-0,455) Modelo 1 0,03 -0,049 (-0,820) 0,065 (0,116) Modelo 2 13,1 -0,049 (-0,762) -0,048 (-0,082) Painel B: Resultados Negativos VALE PETROBRAS Modelo 1 36,3 -0,050 (-1,531) -1,459* (-3,579) Modelo 2 47,3 -0,055 (-1,566) -1,552* (-4,235) Modelo 1 7,8 -0,009 (-0,209) -0,750* (-3,136) Modelo 2 25,1 -0,027 (-0,584) -0,899* (-3,450) Tabela 4 – Resultado das regressões dos modelos 1 e 2 para retornos contemporâneos positivos e negativos Esta Tabela apresenta um comparativo dos resultados da regressão do modelo 1, ο࣌ࡵࢂ࢚ ൌ ࢻ ࢻ ࡾ࢚ ࢿ࢚ e modelo 2, ઢ࣌ࡵࢂ࢚ ൌ ࢻ ࢻ ࡾ࢚ ࢻ ࡾ࢚ି ࢻ ࡾ࢚ି ࢻ ઢ࣌ࡵࢂ࢚ష ࢻ ઢ࣌ࡵࢂ࢚ష ࢿ࢚ , para a amostra completa (janeiro de 2005 até julho de 2011) das séries de Vale e Petrobras, quando os retornos contemporâneos são segregados em retornos positivos e negativos, onde ࡾ࢚ representa o retorno contemporâneo com base no preço de fechamento diário no mês ࢚ em relação ao preço de fechamento diário do mês anterior ࢚ െ , ࡾ࢚ି e ࡾ࢚ି referem-se aos retornos passados de um e dois períodos, ο࣌ࡵࢂ࢚ representa a alteração no nível da volatilidade implícita computada com base nos preços de fechamento no mês ࢚ em relação em relação ao nível da 21 volatilidade implícita computada com base nos preços de fechamento no mês ࢚ െ , as variáveis ઢ࣌ࡵࢂ࢚ష e ઢ࣌ࡵࢂ࢚ష referem-se as inovações na volatilidade implícita passada de um e dois períodos. As estatísticas-t foram ajustadas pelo procedimento de Newey-West e encontram-se entre parênteses (t-statistics). Um único asterístico (*) representa os coeficientes significativos a 1% de significância e dois asterísticos (**) representam os coeficientes significativos a 5% de significância. Todos os resultados aceitam a hipótese de não existência de auto-correlação dos resíduos ࢿ࢚ a 1% de significância. Ǥ ࡾ refere-se a estatística ࡾ ajustada, onde a adição de regressores que não adicionam informações ao modelo penalizam o ࡾ Ǥ 3.3 A MAGNITUDE DA RELAÇÃO RETORNO-VOLATILIDADE Nesta etapa, examina-se a relação retorno-volatilidade quanto a existência de efeitos quadráticos associados ao tamanho dos retornos, onde retornos de grande magnitude impactariam alterações na volatilidade implícita diferentemente dos retornos de pequena magnitude. Para avaliar estes efeitos utiliza-se o modelo abaixo proposto por Giot (2003). ା ା ି ି ȟߪூ ൌ ߙ ܦ௧ ߙ ܦ௧ ߙଵି ሺܴ௧ ܦ௧ି ሻ ߙଵା ሺܴ௧ ܦ௧ା ሻ ߙଶି ሺܴ௧ଶ ܦ௧ି ሻ ߙଶା ሺܴ௧ଶ ܦ௧ା ሻ ߝ௧ ሺ͵ሻ Onde a dummyሺܦ௧ି ሻ assume o valor de um (1) para retornos negativos, e o valor de zero (0) para retornos positivos, e dummy ሺܦ௧ା ሻé exatamente o inverso da Dummy, ou seja, temos ܦ௧ା ൌ ͳ െ ܦ௧ି . A Tabela 5 apresenta os resultados para ambas as séries. Comparando-se o coeficiente de correlação linear ሺܴ ଶ ሻé possível observar que a série de Petrobras não apresentou um bom ajustamento ao modelo, e nenhum dos coeficientes foi significativo, ao passo que a série da Vale apresentou bom ajustamento ao modelo, e a magnitude (estatística-t) do coeficiente do efeito quadrático para retornos negativos é -6,105 (-3,148) e, do retorno contemporâneo, é 3,449 (-3,903), o que demonstra que choques negativos de grande intensidade impactam de maneira distinta as alterações na volatilidade implícita. Os resultados obtidos estão em linha com os encontrados em Giot (2005) . 22 ݆݀ܣǤ ܴ ଶ ሺΨሻ VALE 30,8 PETROBRAS 3,8 Interceptos ܦ௧ା ܦ௧ି -0,121 (-3,090) -0,018 (-0,284) -0,076 (-0,843) 0,017 (0,182) ܦ௧ି -3,449* (-3,903) -0,953 (-0,810) ܴ௧ ܦ௧ା 0,623 (0,374) -1,966 (-1,050) ܦ௧ି -6,105* (-3,148) -0,521 (-0,211) ܴ௧ଶ ܦ௧ା -3,144 (-0,461) 1,007 (1,397) Tabela 5 – Resultado das regressões dos modelos 3 – (Janeiro de 2005 até Jullho de 2011) Esta Tabela apresenta um comparativo dos resultados da regressão realizada para o modelo 1, ା ା ି ା ି ା ି ି ା ି ା para a amostra ઢ࣌ࡵࢂ࢚ ൌ ࢻି ࡰ࢚ ࢻ ࡰ࢚ ࢻ ሺࡾ࢚ ࡰ࢚ ሻ ࢻ ሺࡾ࢚ ࡰ࢚ ሻ ࢻ ሺࡾ࢚ ࡰ࢚ ሻ ࢻ ሺࡾ࢚ ࡰ࢚ ሻ ࢿ࢚ , completa de janeiro de 2005 até julho de 2011 das séries de Vale e Petrobras, onde ࡾ࢚ representa o retorno contemporâneo com base no preço de fechamento diário no mês ࢚ em relação ao preço de fechamento diário do mês anterior ࢚ െ , ࡾ࢚ referem-se ao quadrado do retorno passado de um período, ࡰି ࢚ assume o valor zero em retornos positivos e um nos retornos negativos e ࡰ࢚ା ൌ െ ࡰି . As estatísticas-t foram ajustadas pelo ࢚ procedimento de Newey-West e encontram-se entre parênteses (t-statistics). Um único asterístico (*) representa os coeficientes significativos a 1% de significância e dois asterísticos (**) representam os coeficientes significativos a 5% de significância. Todos os resultados aceitam a hipótese de não existência de auto-correlação dos resíduos ࢿ࢚ a 1% de significância. Ǥ ࡾ refere-se a estatística ࡾ ajustada, onde a adição de regressores que não adicionam informações ao modelo penalizam o ࡾ Ǥ 23 4 CONCLUSÃO No presente estudo, examinou-se a dinâmica da relação entre o retorno e a volatilidade futura. Nossos resultados, em consonância com os encontrados por Hibbert, Daigler e Dupoyet (2008), Low (2004) e Giot (2005), utilizando o índice VIX, apresentaram evidências da relação negativa e significantiva entre os retornos e volatilidade futura, além de terem sido qualitativamente smilares aos encontrados anteriormente. Uma característica interessante desta relação nos papéis analisados, é o fato de as alterações na volatilidade implícita estarem intimamente associadas com retornos negativos, o que sugere que os investidores negociam agressivamente volatilidade e ajustam as expectativas em relação a volatilidade futura apenas nestes períodos. O fato de utilizar apenas a opção de compra mais próxima do dinheiro pode ser questionável, já que esta pode não incluir a informação disponível em todos os preços de exercício (skew de volatilidade) na medida de volatilidade, o que poderia limitar o estudo da dinâmica da relação retorno-volatilidade, conforme sugerido em Hibbert, Daigler e Dupoyet (2008). Contudo, é sabido que o mercado brasileiro não possui liquidez para as opções de venda e para um gama grande de preços de exercício de opções de compra, o que consequentemente dificulta a criação de um índice para as ações utilizando metodologia similar a do VIX (2003). Este, inclusive, pode ser o motivo da série de Petrobras no-dinheiro apresentar um baixo coeficiente ܴ ଶ e não capturar bem a dinâmica da relação retorno volatilidade, em linha com as evidências 24 do estudo realizado por Vicente e Guedes (2010) no mercado brasileiro, no período de 2006 a 2008, onde os melhores resultados encontrados foram para as opções fora-do-dinheiro, que se mostraram significativas e menos enviesadas. Esse estudo poderia ser estendido no futuro utilizando como regressores outras informações implícitas nas opções, como por exemplo, correlação implícita, prêmio de risco da volatilidade e assimetria implícita, vide DeMiguel, Plyakha, Uppal, Vilkov (2011), assim como uma medida de volatilidade implícita livre de modelo, conforme sugerido em Bakshi, Kapadia e Madan (2003), que reflita a informação disponível nas opções com diferentes preços de exercício e nos permita um comparação com os modelos utilizados no presente estudo. 25 REFERÊNCIAS BIBLIOGRÁFICAS BAKSHI, G. S., N. KAPADIA, e D.B. MADAN, 2003. Stock Return Characteristics, Skew Laws and the Differential Pricing of Individual Equity Options. Review of Financial Studies, 16, 101-143. BERGMAN, Y., GRUNDY, B., WIENER, Z., 1996. General properties of option prices. Journal of Finance 51, 1573-1610. BLACK, F., SCHOLES, M., 1973. The valuation of options and corporate liabilities. Journal of Political Economy 81, 637-654. BOLLERSLEV, T., 1986. Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics 31, 307-327. BOLLERSLEV T., ZHOU H., 2006. Volatility puzzles: A simple framework for gauging return-volatility regressions. Journal of Econometrics, 131 (1-2), pp. 123-150 BOX, G.E.P., PIERCE, D.A., 1970. Distribution of residual autocorrelations in autoregressive-integrated moving average time series models. Journal of the American Statistical Association 65,1509-1526. BRENNAN, M., 1979. The pricing of contingent claims in discrete time models. Journal of Finance 34, 53-68. CANINA, L., FIGLEWSKI, S., 1993. The informational content of implied volatility. Review of Financial Studies 6, 659-681. CAMPBELL J. Y., L. HENTSCHEL 1992, No news is good news: An asymmetric model of changing volatility in stock returns. Journal of Financial Economics, Volume 31, Issue 3, June 1992, Pages 281-318. WU, L. e CARR , P, 2009. Variance Risk Premiums. Rev. Financ. Stud. (2009) 22 (3): 1311-1341. CHIRAS, D. P. e S. MANASTER. 1978. The Information Content of Option Prices and a Test of Market Efficiency. Journal of Financial Economics 6, no. 2/3: pp 213-234 CHOW, G., 1960. Tests of equality between sets of coeficients in two linear regressions. Econometrica 28, 591-605. 26 COX, J., ROSS, S., 1976. The valuation of options for alternative stochastic processes. Journal of Financial Economics 3, 145-166. COX, J., RUBINSTEIN, M., 1985. Options Markets. Prentice-Hall, Englewood Cliffs, N.J. DAY, T., LEWIS, C., 1988. The behavior of the volatility implicit in option prices. Journal of Financial Economics 22, 103-122. DAY, T., Lewis, C., 1992. Stock market volatility and the information content of stock index options. Journal of Econometrics 52, 267-287. DEMIGUEL, V., PLYAKHA, Y., UPPAL, R., VILKOV, G., 2011. Improving Portfolio Selection using Option-Implied Volatility and Skewness. CEPR Discussion Paper no. 7686. London, Centre for Economic Policy Research. DENNIS, P., S. MAYHEW e C. STIVERS, 2005. Stock Returns, Implied Volatility Innovations, and the Asymmetric Volatility Phenomenon, forthcoming in the Journal of Financial and Quantitative Analysis DICKEY, D. A; FULLER, W. A. Distributions of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, Washington, vol. 74, p. 427431, 1979. ENGLE, R. F. e GALLO, G. M., 2006. A multiple indicators model for volatility using intra-daily data. Journal of Econometrics, 131(1-2), 3-27. FRENCH, K., SSCHWERT, G.W., STAMBAUGH, R., 1987. Expected stock returns and volatility. Journal of Financial Economics 19, 3-30. GIOT, P., 2003. Relationships between implied volatility index and stock index returns Journal of Portfolio Management 31, 92–100. . GRANGER, C.W.J., Newbold, P., 1974. Spurious regressions in econometrics. Journal of Econometrics 2, 111-120. GREENE, W., 1993. Econometric Analysis. Macmillan, New York. HAMILTON, J.D., 1994. Time Series Analysis. Princeton University Press, Princeton, NJ. HARVEY, C.R., WHALEY, R., 1991. S&P 100 Index Option Volatility. The Journal of Finance Vol. 46, No. 4 (Sep., 1991), pp. 1551-1561 HARVEY, C.R., WHALEY, R., 1992. Market volatility prediction and the efficiency of the S&P 100 index option market. Journal of Financial Economics 31, 43-73. HAUSMAN, J., 1978. Specification tests in econometrics. Econometrica 46, 1251-1271. HESTON, S., 1993. A closed form solution for options with stochastic volatility with applications to bond and currency options. Review of Financial Studies 6, 327-343. 27 HENTSCHEL, L., 2003. Errors in Implied Volatility Estimation. Journal of Financial and Quantitative Analysis 38. HIBBERT, A.M, DAIGLER R. T., DUPOYET, 2008. Behavioral explanation for the negative asymmetric return–volatility relation Journal of Banking & Finance 32, 2254– 2266 HULL, J., WHITE, A., 1987. The pricing of options on assets with stochastic volatilities. Journal of Finance 42, 281-300. JIANG, G.J. e TIAN, Y.S., 2003. Model-free implied volatility and its information content. Review of Financial Studies (Winter 2005) - 18 (4), pp 1305-1342 JORION, P., 1995. Predicting volatility in the foreign exchange market. Journal of Finance 50, 507-528. LAMOUREUX, C.G., LASTRAPES, W., 1993. Forecasting stock return variance: towards understanding stochastic implied volatility. Review of Financial Studies 6, 293326. LATANE, H., RENDLENAM, R., 1976. Standard deviation of stock price ratios implied in option prices. Journal of Finance 31, 369-381. LOW, C., 2004. The fear and exuberance from implied volatility of S&P 100 index options. Journal of Business 77, 527–546. MERTON, R. C., 1973. Theory of Rational Option Pricing. The Bell Journal of Economics and Management Science, Vol. 4, No. 1 (Spring, 1973), pp. 141-183 MURPHY, K.M., TOPEL, R., 1985. Estimation and inference in two-step econometric models. Journal of Business and Economic Statistics 3, 370-379. NELSON, D.B., 1990. ARCH models as diffusion approximations. Journal of Econometrics 45, 7-39. NEWEY, W., West, K., 1987. A simple positive semi-definite, heteroscedasticity and autocorrelation consistent covariance matrix. Econometrica 55, 703-708. PAGAN, A., 1984. Econometric issues in the analysis of regressions with generated regressors. International Economic Review 25, 221-247. PINDYCK, R. S. 1984. Uncertainty in the Theory of Renewable Resource Markets. Review of Economic Studies (1984) 51 (2): 289-303. PHILLIPS, P.C.B., 1986. Understanding spurious regressions in econometrics. Journal of Econometrics 33, 311-340. POON S. e C. GRANGER 2003, Practical Issues in Forecasting Volatility. Financial Analysts Journal Vol. 61, No. 1 (Jan. - Feb., 2005), pp. 45-56. POTERBA, J., SUMMERS, L., 1986. The persistence of volatility and stock market fluctuations. American Economic Review 76, 1142-1151. 28 RICHARDSON, M., SMITH, T., 1991. Tests of financial models in the presence of overlapping observations. Review of Financial Studies 4, 227-254. RICHARDSON, M., Stock, J., 1989. Drawing inferences from statistics based on multiyear asset returns. Journal of Financial Economics 25, 323-348. RUBINSTEIN, M., 1976. The valuation of uncertain income streams and the pricing of options. Bell Journal of Economics 7, 407-425. SCHWERT, G.W., 1987. Effects of model specification on tests for unit roots in macroeconomic data. Journal of Monetary Economics 20, 73-103. SCHWERT, C.W., 1989. Why does stock market volatility change over time? Journal of Finance 44, 1115-1153. SCHWERT, G.W., 1990. Stock volatility and the crash of 1987. Review of Financial Studies 3, 77-102. SCHWERT, G.W., SEGUIN, P., 1990. Heteroskedasticity in stock returns. Journal of Finance 45, 1129-1155. TABAK, B. M.; GUERRA, S. M. Stock returns and volatility. Banco Central do Brasil – Working paper series, n. 54, 2002. VIX 2003, The CBOE Volatility Index – VIX. Disponível em <http://www.cboe.com> 29
