Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
RESUMO: Este trabalho analisa os modelos auto-regressivo-mdias-m6veis e os compara com os mtodos tradicionais denominados de "anlise tcnica".
A abordagem de Box-Jenkins apresentada em seguida e suas quatro etapas - indentificaCfo, estimao, validalo e previsilo - silo analisadas.
Finalmente, mostra como esta tcnica pode ser implementada com excelentes resultados na modelagem e preoiso do ndice da Bolsa de Valores de Silo Paulo (BOVESPA).
PALAVRAS-CHAVE:
Abr./Jun.
1989
63
o NOTAS E COMENTRIOS
111111111111111111111111111111111111111111111111111111"'11111111111111111111111111111111111111111111111
111111111111111111111111111111111111111111111111111'
., 11111111111111111111111111111111111illllllllll
.llllll,
~'IIIIIIIIIIIII'
~11111::'lllllllllllllll
.11111111111'1
~'IIIIIIIII'
1111111111111111111111111
'llllllr
I11111111111111111111111111
111111111111111111111111111111111111111111111111"
1IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIf"IIIIIIIIII"
1111111111111'111111111111111"
IIIIIIIIIIJ" . '1111111111"
1111111'" .~lll~~ "111"
,I'. ~'llIJ'
,t'111111111111111,~
'~'I' illlllllllllllllllllllllllll
jlllllllllllllllllllllllllllllllllllllllllll~
jllllllllllllllllllllllllllll
padres de comportamento passado se reproduziro no futuro e, portanto, podem ser empregados com propsitos preditivos (este o pressuposto da constncia, subjacente maioria das
tcnicas quantitativas de previso).
Embora o termo anlise tcnica abranja atualmente algumas ferramentas quantitativas, podemos caracteriz-la como um conjunto de mtodos heursticos,
semi quantitativos,
que
permitem ao analista introduzir as suas avaliaes subjetivas acerca do padro de comportamento dos preos e seus pontos de inflexo (a
antecipao dos turning points um aspecto
fundamental dos problemas de previso).
Esta ltima 'caracterstica, a simplicidade e a
facilidade de aprendizado e de implementao
so os principais responsveis pela grande popularidade desses mtodos.
Contudo, a anlise tcnica, enquanto um
conjunto de mtodos de anlise de sries temporais e/ou tcnicas qualitativas de previso, pode
ser objeto das seguintes restries:
a) possui pouca fundamentao terica e estatstica;
b) vrios de seus mtodos no proporcionam
previses numricas;
c) no estabelece o grau de incerteza associado s
respectivas previses, determinando um intervalo de confiana e respectiva probabilidade de
ocorrncia;
d) no sistematiza nem calibra as avaliaes subjetivas, de sorte a corrigir os vieses associados
aos diferentes perfis cognitivos.
64
Tendo em vista os limites desde texto, podemos apresentar sumariamente a forma geral de
um modelo ARIMA (p.d.q) como segue:
=
e (B)
cj>
(B)
(1)
RAE
e-1(8)
Srie
Temp
Rufdo
.BIW1CO
--
FllIrode
MdIas-M6vel8
Wt
Jl
8 (B) -
FIro
AIJto.fagrIssIv
(EsIacIonr1o)
't
lIt
onde:
t
-
ndice do tempo
d'sima diferena da varivel de interesse z,
"ponto de referncia" do nvel do
processo
operador de "mdias-mveis":
8 (B)
BP
."
FllIrode
Integralo
(NIo-Estac.)
lt
operador de retrocesso:
l3PZt -, Zt.p
tt
a) Identifica~o
8cft.q
onde:
wt
(2)
b) EstimaSo
65
o NOTAS
E COMENTRIOS
Postular
umaclassa
geral de
modelos
ldentHlcar
o modelo a
ser
tentatlvamente
considerado
1 ____
Estimar os
!Parmetros do
modelo
identificado
--+
Validar o
modelo
estimado
Utilizar o modelo
para fazer previses
adequa
no
66
p, d, q s 2
UM EXEMPLO:
(3)
PREVISO DO IBOVESPA
d) Previsa
1. IdentlficaAo
As figuras 4a e 4b mostram as funes de autocorrelao do lBOVESPA aps a sua diferenciao de primeira ordem, cujo exame permite
concluir que:
a) a srie se toma estacionria aps a primeira
diferenciao, portanto d=l.
b) pe l e q=O,embora no haja uma aderncia
muito clara aos paradigmas (esses valores foram
confirmados atravs do exame dos modelos alternativos).
4. Idem, ibidem.
RAE
FIG. 3 -IBOVESPA
(Fechamento)
FECHAMENTO
.
I
..
:
..
.... :
.
.
"
..
soo
FIG. 4a - FunAo de AutocorrelaAo - Primeira Diferena IBOVESPA
I
COEHCIENTE
. . . - . ~ ...
-i
:.- ....
" :.
...
...
'o" . '...
: .....
'
..
.
..
....
..
, . : ......
..
30
DEFASAGEM
-i
. o'
.
fi
...
.....
~:
.
.
'.'
.....
.....
o
DEFASAGEM
67
o NOTAS
E COMENTRIOS
(5)
00
~ =
1\
(4)
.LJw"
. o
J-
t-'
00
3. Validao
Zt -
2. EstlmaAo
As estimativas obtidas dos parmetros
modelo identificado foram as seguintes:
do
Notao
Estimativa
Auto-regressivo
!t
0,2;3584
0,0384
0,0000
Nivel do processo
J.L
15,23413
0,87854
0,3800
Parmetro
Constante
Varincia
~
cP-
11,fJ3700
114.648
68
1
n
~I
1\
Zt Zt
100
RAE
................ ,
"
'o
:.
..
ax>
FIO. 6 -IBOVESPA
ERRO
.,
...................
'.'
.
'0"
.
400
600
(X 100)
.............. ,.....
,o
"
,.
..
600
800
0.5
0.0
..
;;
..
....
..
....
.
-:
:.;.
o.e
0.0
..
0.0
...
.
-O., ........ ~
-1
..
..
..
..
..
..
.
O
DEfASAGEM
-:.
..
.
..
.
50
69
CJ NOTAS E COMENTRIOS
dos dados para lhes estabilizar a varincia. Entretanto, dado o escopo deste texto, a tima aderncia do modelo e a pequena magnitude desses
coeficientes, no estimaremos o modelotransformado e consideraremos os resduos como razovelmente aleatrios. .
4. Prevls6es
Z 650+m
= 11,88789+ 0,23584W
U9+m
(6)
11.476,76 +
LW 650+j
lt
11.288,3
11.253,0
11.256,7
11.269,3
11.283,9
651
652
653
654
655
limite inferior
limite superior
10.622,8
10.197,9
9.897,4
9.657,7
9.453,4
11.949,9
12.308,0
12.616,0
12.880,9
13.114,3
importante notar que essas previses so efetuadas no instante t = 650; Tendo em vista o
carter auto-ajustvel do mtodo, obteramos
uma maior preciso se essas previses fossem
efetuadas passo a passo (i.e., previso para o
prxiinO perodo -+ observao -+ previso
para o perodo subseqente -+ etc.).
l-I
CONCLUSOES
onde:
m - horizonte de planejamento (m == 1, 2, 3~...)
Ao lado, apresentamos as previses do
IBOVESPA para os cinco dias teis subseqentes
ltima observao, bem como os respectivos
intervalos de confiana associados a um nvel
de probabilidade de 95% (por simplicidade
deixamos de apresentar a expresso descritiva
desses limites probabilsticos).
ABSTRACT: This paper reviews the Autorregressive - Moving Average Models and compares ihem
with the traditional methods known by the term "technical analysis".
The Box-lenkins approach is presented next and its four steps - ldentification, Estimation, Checking and Forecasting - are reviewed.
Finally, it is shown how this technique is easily implemented with satisfactory results in the moelling and forecasting of ihe lnex of the Bolsa de Valores de Silo Paulo (BOVESPA).
KEY WORDS: Arima, Box-Jenkins, prediction, modelling, stocf!:astic processes.
70
---~_._--
---