Estimação da variância realizada do índice EWZ utilizando redes neurais artificiais

Este trabalho apresentou a aplicação de uma nova técnica de estimação da variância realizada (RV) a partir de redes neurais artificiais (RNA) e comparou seu desempenho com os modelos de regressão linear múltipla (RLM) e de volatilidade implícita (IV) como preditor, a qual é obtida a partir do Volatility Index, VIX. O desempenho dos modelos é medido pelo R2 ajustado. A nova técnica proposta possui duas abordagens, a primeira utiliza a RV como vetor resposta da RNA enquanto a segunda utiliza o prêmio de risco de variância (VRP), o qual é composto pela combinação do VR e do VIX. As informações de mercado utilizadas neste trabalho são compreendidas entre 06 de Janeiro de 2016 e 01 de Maio de 2020 e foram coletadas a partir de um terminal Bloomberg. O ativo escolhido para o estudo é o índice MSCI Brazil, EWZ, negociado na bolsa de valores americanas NYSE. Os modelos são testados em quatro cenários distintos e observa-se que os desempenhos superiores ocorrem quando não há períodos de crise. Evidenciamos que o modelo de RNA com o VRP como vetor resposta apresenta o melhor desempenho entre os modelos estudados, e que este mesmo modelo, além do cenário sem crise, apresenta um desempenho superior quando há um período de crise em ambos os dados de treinamento e teste quando comparados com os cenários onde se tem uma crise apenas em um ou apenas em outro. Como o modelo de RNA com a RV como vetor resposta apresenta um desempenho consideravelmente inferior ao seu par, é válido ressaltar a importância do VIX em aumentar a acurácia deste modelo de RNA que utiliza o VRP como vetor resposta ao exercer um papel de normalizador.