Search

Neste artigo, a teoria de cópulas é utilizada para analisar os co-movimentos entre os mercados de capitais do Brasil e dos EUA. Na finalidade de implementação de uma estratégia de alocação de ativos é importante entender os eventos extremos - tanto os positivos (boom) como os negativos (crashes) - e seus efeitos sobre os mercados. Os índices de mercado usados são o IBOVESPA e o S&P 500 cobrindo o período de 03/2001 a 04/2007. A aderência aos log-retornos das principais cópulas encontradas na literatura financeira é avaliada. Os seguintes critérios foram escolhidos: o Log-likelihod, o critério de informação de Akaike e o critério de informação bayesiano. Os resultados mostram que a cópula de Joe-Clayton simetrizada é a mais adequada para modelar a estrutura de dependência entre os log-retornos do IBOVESPA e os do S&P500. Este trabalho difere de alguns estudos já realizados [e.g. Mendes e Moretti(2005) e Canela e Collazo(2005)], pois leva em consideração a modelagem de cópulas dinâmicas introduzida por Patton (2006). Finalmente, através dos índices de dependência caudal ao longo do tempo, pode-se concluir que a ocorrência de eventos extremos negativos (crashes) no mercado norte-americano tende a afetar mais o mercado brasileiro quando da comparação da ocorrência dos eventos extremos positivos (booms). [ABSTRACT FROM AUTHOR]

Stock market indices' rate of return distributions is a recurrent theme in financial literature, especially because some models require the normality assumption as premise. Following the works of Ingersoll Jr. (1987) and Hamada & Valdez (2004), the empirical distribution of the Ibovespa and S&P500 rates of returns from 1986 to 2006 was analyzed. As reported by some others authors, for both indices, the results evidenced that the normality assumption can be highly questionable, because other theoretical distributions from the elliptical family fitted the data better. The rates of return for the Brazilian and American indices showed leptokurtosis, and, in the Brazilian case, asymmetric shape, so that only distributions that deal with these parameters in a less restrictive way, as the Logistic or Log-logistic distributions, can show a better fit to the observed data. [ABSTRACT FROM AUTHOR]