Aplicação e comparação de modelos de heterocedasticidade condicional: um estudo utilizando o Bitcoin

Abstract

O objetivo do presente trabalho perpassa pela aplicação da metodologia envolvida na estimação de modelos de volatilidade condicional. O Bitcoin foi utilizado nesse estudo como ativo financeiro tendo em vista a sua alta volatilidade, com o propósito de verificar se os modelos estimados possuem poder para captar esse comportamento e prever novas situações de inverno cripto. O período selecionado é de março de 2015 até março de 2023, buscando contemplar os eventos de maior relevância da criptomoeda. Esse período foi separado em uma subamostra de treinamento, a qual é utilizada para estimar os modelos e uma subamostra de validação, a qual é utilizada para realizar uma pseudoprevisão fora da amostra. Estimou-se os modelos GARCH, EGARCH e EWMA e foi realizada a comparação de seus resultados, aplicando a metodologia do valor em risco paramétrico para verificação da eficiência dos modelos. Todos os modelos estimados se mostraram aptos a realizar previsão, contudo o modelo EWMA utilizado na metodologia Risk Metrics foi o que apresentou menores métricas de erro, as duas variações GARCH apresentaram resultados intermediários semelhantes e o modelo EGARCH desempenhou abaixo dos demais.

The objective of this work pervades for the application of the methodology involved in the estimation of conditional volatility models. Bitcoin was used in this study as a financial asset in view of it’s high volatility, with the purpose of verifying whether the estimated models have the power to capture this behavior and predict new crypto winter situations. The selected period is from March 2015 to March 2023, seeking to contemplate the most relevant events of the cryptocurrency. This period was separated into a training subsample, which is used to estimate the models, and a validation subsample, which is used to perform an out-of-sample pseudoprediction. The GARCH, EGARCH and EWMA models were estimated and their results compared, applying the parametric value-at-risk methodology to verify the efficiency of the models. All estimated models were able to perform forecasting, but the EWMA model used in the Risk Metrics methodology was the one that presented the lowest error metrics, the two GARCH variations presented similar intermediate results and the EGARCH model performed below the others.