Modelagem da volatilidade em regimes para o preço spot de energia elétrica no Brasil: uma abordagem MS-GARCH para avaliação de risco
Carregando...
Arquivos
Data
2026-03-13
Orientador(res)
Souza, Rafael Martins de
Métricas
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Este trabalho tem como objetivo analisar a dinâmica da volatilidade dos preços spot de energia elétrica no Brasil, com foco na avaliação de risco por meio de modelos econométricos de séries temporais. Para tal, foram utilizados dados diários do Custo Marginal de Operação (CMO) do submercado Sudeste, no período de 2018 a 2022. A média condicional foi estimada por um modelo ARMA(1,1), enquanto a volatilidade condicional foi analisada por diferentes especificações da família GARCH — incluindo GARCH, eGARCH, tGARCH e gjrGARCH — bem como suas extensões em modelos de Markov Switching com dois regimes, buscando identificar quais estruturas melhor se ajustam ao comportamento observado dos preços. Os resultados corroboram com a literatura sobre a presença de caudas pesadas, assimetria e conglomerados de volatilidade, características que não são bem representadas a partir de distribuições gaussianas. A comparação entre modelos mostra ganhos relevantes de desempenho através das métricas de AIC e BIC quando se consideram estruturas com dois regimes, sobretudo na avaliação de níveis extremos de risco. Avaliação a partir de backtesting do Value-at-Risk demonstra que modelos de regime único podem ser adequados para níveis moderados de confiança, enquanto modelos MS-GARCH, mesmo em um modelo como o VaR apresentam superioridade estatística na captura de eventos extremos. Concluise, portanto, que a dinâmica dos preços de energia elétrica no Brasil a partir do Custo Marginal de Operação é melhor descrita por modelos de volatilidade com dois regimes, especialmente pelo modelo MS-gjrGARCH com especificidades à escolha da distribuição dos resíduos t-Student ou t-Student assimétricos. Esses resultados sugerem que o mercado não apresenta um comportamento uniforme ao longo do tempo, alternando entre períodos distintos, o que reforça a importância de utilizar modelos suficientemente flexíveis para captar essas mudanças e avaliar o risco de forma mais realista.