Estudo de contgio entre

Rssia e Venezuela

So Paulo
2007

Resumo
Este trabalho tem a finalidade de, a partir da anlise da crise financeira
da Rssia, inferir a existncia ou no de contgio entre esse pas e Venezuela.
Para tanto, observamos a volatilidade dos retornos dos ttulos EMBI e
conduzimos testes de hipteses acerca de um aumento na correlao durante
a poca de crise, o que pode ser tomado como evidncia de contgio. O
mtodo economtrico de escolha a estimao de modelos de VAR e VEC
com os quais computaremos regresses multivariadas. A significncia do
coeficiente de interesse resultante na regresso da srie de correlao em uma
dummy nos faz concluir a existncia de contgio.

Sumrio

Introduo...........................................................................................................5
Estimao............................................................................................................6
Base de Dados................................................................................................6
Anlise das Sries dlrus e dlvnz...................................................................7
Defasagem tima.........................................................................................7
Relao de Cointegrao...........................................................................8
Pr-Filtragem dos Dados............................................................................9
Estrutura na varincia...............................................................................10
Modelos de volatilidade Multivariada..........................................................11
Rodando as regresses............................................................................12
Resultados.................................................................................................12
Avaliao dos resultados................................................................................13
A srie de correlao....................................................................................13
A varivel dummy..........................................................................................14
Testando a especificao do modelo.........................................................15
Concluso..........................................................................................................16

Introduo
No se pode negligenciar, hoje em dia, as repercusses econmicas da
abertura de pases para o capital exterior. As relaes de comrcio
internacional deram fruto a diversas vantagens, porm no deixaram de vir com
seu custo, que o inevitvel atrelamento do bem estar de um pas
prosperidade de seus parceiros.
A existncia dessa interdependncia evidente, porm, faz emergir uma
questo que indaga a verdade por trs dessa condicionalidade: Seria o nvel de
entrelaamento econmico entre pases apenas condio suficiente ou seria
ento condio necessria para se poder esperar, razoavelmente, um certo
nvel de associao na evoluo dos ndices que avaliam o estado dos
mercados?
Mais especificamente, este trabalho se prope a identificar contgio
entre pases sem muita interdependncia financeira, em caso de crise.
possvel supor que, em situaes adversas de crise financeira, o estado de
uma nao possa surtir efeitos em outras localidades, ainda que com estreitos
laos econmicos. Afinal, na prtica, no existe uma linha concreta que separe
cada soberania. Por mais que hajam barreiras fsicas e econmicas, diferenas
monetrias e polticas, descompassos culturais e sociais, o mundo no deixa
de ser a juno contnua de reas geogrficas apenas artificialmente e
imaginariamente delimitadas, ao invs de um conjunto de ilhas econmicas.
A relevncia do trabalho fruto dessa noo supracitada, pois o
crescente estudo sobre a relao de um pas com o outro, especialmente em
perodos de crise, essencial para a formao correta de polticas
macroeconmicas que maximizem a eficincia financeira de uma nao.
Testaremos, ento, a existncia de aumento de correlao entre Rssia
e Venezuela durante a crise russa, utilizando para tanto o retorno do ndice de
ttulos de mercados emergentes (EMBI). Consideraremos como evidncia
significativa de contgio se, durante a crise russa, a correlao entre as
volatilidades dos retornos dos ndices tenha um aumento estatisticamente
relevante.

Estimao
Base de Dados
O ndice utilizado no projeto foi o EMBI (ndice de Ttulos da Dvida de
Mercados Emergentes, Emerging Markets Bond Index), criado pelo
J.P.Morgan a fim de mensurar o desempenho dirio dos ttulos de dvida dos
pases emergentes.
Os pases escolhidos para a anlise de contgio foram Rssia e
Venezuela

tiveram

suas

bases

de

dados

coletadas

no

site

http://www.cbonds.info. Abaixo os grficos mostram o desempenho do ndice e

das taxas de retorno composto (atravs da diferenciao da forma
logaritimizada dos ndices) para cada pas, respectivamente.
7000
6000
5000
4000
3000
2000
1000
0
98

99

00

01

RUSSIA

02

03

04

05

VENEZUELA

06

DLVNZ

DLRUS
.3

.4

.2

.3

.1

.2

.0
-.1

.1

-.2

.0

-.3

-.1

-.4
-.2

-.5

-.3

-.6
98

99

00

01

02

03

04

05

98

06

99

00

01

02

03

04

05

06

Anlise das Sries dlrus e dlvnz

Os grficos acima sugerem a possibilidade de que as sries sejam
estacionrias, pois possuem mdia constante. Entretanto, a varincia se
mostra inconstante ao longo do tempo, o que sugere estrutura dinmica nela,
um contra argumento de estacionariedade. Procuraremos ento a defasagem
tima do VAR composto por ambas as variveis.
Defasagem tima
Pelo Eviews, abrindo um VAR qualquer das variveis dlrus e dlvnz e
entrando em Lag Length Criteria, podemos observar, como demonstrado
abaixo, que esse VAR tem defasagem tima zero pelo critrio de Schwarz, ou
seja, as sries devem ser estacionrias.
VAR Lag Order Selection Criteria
Endogenous variables: DLRUS DLVNZ
Exogenous variables: C
Date: 05/26/07 Time: 18:14
Sample: 2 2336
Included observations: 2327
Lag

LogL

LR

FPE

AIC

SC

HQ

0
1
2
3

9952.274
9962.053
9964.685
9968.393

NA
19.53266
5.252081
7.393765

6.62e-07
6.59e-07
6.60e-07
6.60e-07

-8.552019
-8.556986
-8.555810
-8.555559

-8.547075*
-8.542154
-8.531090
-8.520951

-8.550218
-8.551582*
-8.546803
-8.542949

4
5
6
7
8

9969.097
9988.493
9992.830
9993.792
9998.109

1.402748
38.60922*
8.625822
1.911480
8.570137

6.62e-07
6.53e-07
6.53e-07*
6.55e-07
6.54e-07

-8.552726
-8.565959
-8.566249*
-8.563638
-8.563910

-8.508230
-8.511575
-8.501977
-8.489478
-8.479862

-8.536513
-8.546143
-8.542830
-8.536616
-8.533285

* indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion

Relao de Cointegrao
Normalmente seria pertinante, a esta altura, testar se h relao de
cointegrao para as variveis para decidirmos se o VEC (Vetor de correo de
erros) seria um modelo mais adequado que o VAR. Entretanto, nossas sries
aparentam ser I(0), o que compreensvel dado que se trata de retornos de
variveis financeiras. Com a estimao de um VAR de defasagem zero,
analisaremos seus resduos para verificar se realmente necessrio realizar
um teste de cointegrao, dado que sries I(0) no podem cointegrar.

c
dlrus
1 1t
modelo:

dlvnz
c2
2t
Correlograma de RESID01

Correlograma de RESID02

Como podemos observar, apesar de uma pequena autocorrelao

significante em RESID01 para a quinta defasagem e outras baixas para
algumas defasagens do RESID02, podemos por parcimnia considerar que as
sries como esto no possuem estrutura na mdia. Ento no h necessidade
do teste de cointegrao, logo nosso modelo ser um VAR de defasagem 0
para o nvel das variveis dlrus e dlvnz. Esta concluso corroborada pelo Lag
Length Criteria explicitado acima.
Pr-Filtragem dos Dados
Os modelos multivariados so muito pesados para serem estimados.
Dado isso, procurou-se averiguar se havia alguma estrutura linear na mdia
dos retornos a fim de retir-la.
Ao estimar um VAR para a srie dos retornos em nvel, determinamos a
ordem de integrao e o nmero de defasagens necessrias para que a srie
no obtenha mais a estrutura linear, o que se mostrou ser um VAR 0, ou seja,
nossas sries no possuem estrutura na mdia, logo no existe necessidade
de incorrer pr-filtragem nos dados.

Estrutura na varincia
Como observado anteriormente, as sries no pareciam ter varincia
constante. Com os correlogramas dos resduos ao quadrado podemos
comprovar essa hiptese:
Correlograma de RESID01SQ

Correlograma de RESID02SQ

Diferentemente do caso dos resduos, esses ao quadrado possuem

vrias autocorrelaes fora da banda, especialmente no caso de RESID02SQ.
O fato de haver estrutura na varincia das sries corrobora a necessidade de
algum modelo de volatilidade.

Modelos de volatilidade Multivariada

O que facilitou a modelagem de sries financeiras foi a expanso dos
modelos

da

famlia

ARCH,

GARCH,

de

modelos

univariados

para

multivariados. Porm, um grande problema que existe na estimao desses

modelos para volatilidade o grande nmero de parmetros que devem ser
estimados.
Muitos modelos foram propostos na literatura, dentre os quais alguns
sero utilizados nesse estudo para a tentativa de modelar a volatilidade de um
modelo bivariado sobre os dados dos retornos do EMBI (Emerging Markets
Bond Index) para os pases escolhidos.
O primeiro modelo proposto que usaremos no estudo o BEKK, que
proposto por Baba, Engle, Kraft e Kramer, o qual apresentado abaixo:
K

k 1

k 1

H t W A1k ' t 1 t 1 ' A1k B1k ' H t 1 B1k

Onde, W , A1k , B1k so matrizes quadradas de ordem k e W uma
matriz simtrica e definida positiva. Muitos casos especiais foram discutidos na
literatura onde as matrizes A e B so simplesmente um escalar ou diagonal em
vez de uma matriz completa, e continuando sendo modelos muito complexos e
superparametrizados, e que tambm garantem que essas matrizes sejam
positivas e definidas. Esses casos especiais geraram estudos sobre o BEKK
Diagonal e o BEKK Escalar.
Esses modelos tambm podem ser estimados sujeitos a uma restrio
de que a matriz de covarincia de longo prazo a matriz de covarincia obtida
atravs dos dados amostrais (variance targeting).
Outro modelo proposto o DCC (Dynamic Conditional Correlations),
esse modelo apresentado abaixo como:
H t Dt Rt Dt

Onde a matriz R a matriz de correlao, porm, que pode ser varivel

atravs do tempo. A matriz R pode ser expressada de vrias diferentes
maneiras, atravs de um modelo de suavizamento exponencial, ou,
alternativamente, atravs de um modelo GARCH (1,1), o que gerar a matriz
de correlao em cada instante de tempo.

Rodando as regresses
Para a estimao dos parmetros do modelo de volatilidade multivariada
necessrio que seja maximizada a funo de verossimilhana, que pode ser
descrita da seguinte forma:
T

t 1

T
1

n
1
1
ln(
2

ln H t t ' t t

2
2
t 1 2

L( ) Lt

Como essa funo muito complexa e no permite que seja realizada

uma soluo analtica, necessrio utilizar-se de um mtodo de otimizao
numrica. Um mtodo de otimizao dos mais utilizados o mtodo de BerndtHall-Hall-Haussman, que possui a vantagem que a aproximao da matriz
Hessiana ser definida positiva, alm de que se o problema de valor inicial for
uma estimativa consistente dos parmetros, os valores que sero obtidos
sucessivamente, a cada passo, sero igualmente consistentes. A formulao
desse mtodo dada por:

i 1 i q ' ( i )q ( i ) 1 q( i )
Resultados
Foram testados alguns mtodos que so variantes dos dois mtodos j
especificados no incio do estudo (BEKK e DCC) e foram obtidas as seguintes
estimativas:
Modelo

InL(q)/T

InL(q)

No. Obs.

DCC with integrated process using LL

Scalar BEKK without variance targeting
Scalar BEKK with variance targeting
Diagonal BEKK with variance targeting
DCC Diagonal BEKK with Variance
Targeting
DCC Mean Reverting by LL

-1,79043
-3,80418
-1,86882
-1,86882

-4,18065
-8,88277
-4,36368
-4,36368

2335
2335
2335
2335

Critrio de Informao
SIC
HQC
AIC
3,58417
3,58261
3,58171
7,62498
7,61714
7,61265
3,75092
3,74465
3,74106
3,75092
3,74465
3,74106

-1,78633
-1,78931

-4,17109
-4,17803

2335
2335

3,58595
3,58526

3,57968
3,58212

Com base nos critrios de informao pode-se inferir acerca de qual a

melhor modelagem para a volatilidade multivariada. notado que h uma

3,57609
3,58033

divergncia entre os critrios de informao HQC e AIC, que indicam o modelo

DCC Diagonal BEKK with Variance Targeting como o mais adequado, e o
critrio SIC, que indica o modelo DCC with integrated process using LL como
o mais adequado. Dado isso, foi escolhido o critrio de Schwarz (SIC) como o
melhor critrio para a seleo do melhor modelo, pois ele penaliza mais o
incremento de novas variveis ao modelo; sendo assim, o mais parcimonioso.
Logo, o modelo mais adequado foi considerado o modelo DCC with integrated
process using LL.

Avaliao dos resultados

A srie de correlao
O modelo IDCC retornou os valores estimados da correlao para
nossas sries de EMBI sob o nome r12. Ao analisarmos o grfico de linha,
observamos que a correlao realmente no permanece constante, como
esperado.
Correlao estimada entre os retornos do EMBI de Rssia e Venezuela

1.0
0.8
0.6
0.4
0.2
0.0
-0.2
500

1000

1500
R12

2000

A nossa proposta identificar um aumento da correlao entre os dois

pases no perodo da crise russa, porm definir exatamente qual o intervalo de
tempo para a crise no deixa de incluir certa arbitrariedade. No nosso caso,
utilizaremos um intervalo de 5 meses, entre Julho e Novembro de 1998, pois
no h muita clareza de se a crise se iniciou no comeo de Agosto ou no seu
final.
Correlao entre Julho e Novembro de 1998

.9
.8
.7
.6
.5
.4
.3
.2
125

150

175

200

225

R12

Podemos observar que durante o ltimo ms da amostra ocorreu uma

tendncia acentuada de aumento de correlao. Entretanto, a abordagem
visual pode ser enganosa e partiremos para um teste t de significncia de
coeficiente.
A varivel dummy
Efetuamos uma regresso linear da srie de correlao em uma
constante e uma varivel dummy que vale 1 para os meses de crise
mencionados acima e 0 para o restante. Se a dummy tiver um coeficiente

positivo e significante, isso significa que no intervalo de crise existe um

aumento significante da correlao.
Dependent Variable: R12
Method: Least Squares
Date: 05/25/07 Time: 19:54
Sample: 2 2336
Included observations: 2335
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
CRISE

0.458194
0.139194

0.004004
0.017236

114.4366
8.075664

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.027194
0.026777
0.188184
82.61892
588.0130
0.029851

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

0.465705
0.190755
-0.501938
-0.497008
65.21636
0.000000

Vemos que o coeficiente da dummy, 0,139194, tem p-valor zero, ou seja,

rejeita-se a hiptese nula de que o coeficiente igual a zero. Em outras
palavras, existe um considervel acrscimo de correlao causado pela crise, o
que corrobora a existncia de contgio.
Testando a especificao do modelo
A programao disponvel complementa o trabalho com um teste de
autocorrelao dos resduos que indica, sob hiptese nula, que o modelo
bem especificado. Entretanto, o p-valor obtido com a estimao do nosso
modelo zero, pelo que se conclui que o modelo de IDCC no consegue
contemplar suficientemente a estrutura dos dados reais.

Concluso