PREVISÃO DO PREÇO E DA VOLATILIDADE DE COMMODITIES AGRÍCOLAS, POR MEIO DE MODELOS ARFIMA-GARCH / FORECAST OF THE PRICE AND VOLATILITY OF AGRICULTURAL COMMODITIES BY MEANS ARFIMA-GARCH MODELS
AUTOR(ES)
Fabio Mariano Bayer
DATA DE PUBLICAÇÃO
2008
RESUMO
Esta pesquisa tem como objetivo analisar e prever os preços e a volatilidade das duas principais commodities agrícolas negociadas no mercado gaúcho, por meio de modelos ARFIMA-GARCH. Tais modelos são heteroscedásticos condicionais para a volatilidade, com modelagem de integração fracionária para a média condicional. As commodities em estudo são a soja e o milho, que representam as duas principais lavouras permanentes do Estado do Rio Grande do Sul, em termos de quantidade produzida, no período de janeiro de 1995 a maio de 2007. Os modelos encontrados para as séries de preço da soja e do milho foram, ARFIMA (1, d, 0)-GARCH (0, 1) e ARFIMA (1, d, 2)-GARCH (0, 2), respectivamente. Tais modelos são capazes de modelar satisfatoriamente os dados, possibilitando uma análise de seu comportamento e a realização de previsões a curto prazo, sinalizando possíveis posições de compra e venda no mercado futuro. Tendo em vista que as decisões, no âmbito do agronegócio, envolvem a administração de risco na compra e venda no mercado futuro, onde riscos são relativos à volatilidade dos preços, a predição consistente torna-se um importante instrumento na tomada de decisão dos participantes do processo produtivo.
ASSUNTO(S)
long-memory engenharia de producao volatilidade séries temporais preço de commodities time series volatility price of commodities memória longa
ACESSO AO ARTIGO
http://coralx.ufsm.br/tede/tde_busca/arquivo.php?codArquivo=2220Documentos Relacionados
- Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana
- ESTUDO COMPARATIVO DA CAPACIDADE PREDITIVA DE MODELOS DE ESTIMAÇÃO DE VOLATILIDADE
- Análise de volatilidade spillover entre commodities agrícolas e o mercado de energia: um estudo do mercado de etanol brasileiro
- Influence diagnostics in stochastic volatility models
- Macroeconomics and agricultural commodities prices