Inﬂuência Intradiária do Preço Internacional do...

Electronic copy available at: http://ssrn.com/abstract=2532923

Influência Intradiária do Preço Internacional doPetróleo nas Ações da Petrobrás

DANILO BRAUN SANTOS,a,b,* EDIMILSON COSTA LUCAS,a

VINICIUS AUGUSTO BRUNASSI SILVA,a e BRUNO NUNES MEDEIROa

a Fundação Getulio Vargas–Escola de Administração de Empresas de São Paulo (FGV/EAESP),São Paulo, SP, Brasil

b Universidade Federal de São Paulo–Escola Paulista de Política, Economia e Negócios(UNIFESP/EPPEN), Osasco, SP, Brasil

RESUMOObjetivo. O objetivo deste artigo é aferir causalidade entre a ação preferencial da Petrobrás(PETR4) com o mercado futuro de commodities de petróleo (contratos com primeiro vencimentoCL1) e o índice futuro do S&P500 (contratos com primeiro vencimento, SP1).Metodologia. Utilizamos o vetor auto-regressivo (VAR) e o vetor de correção de erros (VEC)para descrever a estrutura de interdependência entre as variáveis.Achados. Os testes de causalidade indicaram que a commodity de petróleo e o índice deações norte-americano Granger causam PETR4. Verificamos que um modelo VAR(1) é o maisadequado para capturar o efeito cruzado entre as variáveis. Por fim, os testes indicaram que omodelo do tipo VEC melhora as previsões para as variáveis PETR4 e CL1.Limitações. Apesar de utilizar um grande volume de informações intradiárias, os dadosreferem-se à apenas seis meses de observações, o que pode viesar os resultados obtidos.Originalidade/Valor. O estudo é pioneiro (ao menos no conhecimento dos autores) emaveriguar relações entre esses ativos.

PALAVRAS-CHAVE: arbitragem, VAR, VEC, PETR4, SP1, CL1.

1 INTRODUÇÃO

Estudos investigaram causalidade entre ativos, em diferentes mercados denegociação, e a possibilidade de oportunidades de arbitragem. Por exemplo,Veloso (1998) analisou arbitragem e relação de causalidade entre os mercadosfuturos de dólar e DI. Camargos, Gomes e Barbosa (2003) estudaram integraçãode mercados e arbitragem com ADRs e Nunes, Chiara, Ferreira e Reis (2013)estudaram oportunidades de arbitragem entre ações brasileiras e suas ADRS.Contudo, pelo que investigamos, existe uma lacuna para ser preenchida no quediz respeito às implicações causais dos preços de commodities e suas respectivasações, em especial as ações preferenciais da Petrobrás.

Rault e Arouri (2009) acreditam que boa parte dos trabalhos apresenta ênfasenas relações entre preço de petróleo e variáveis macroeconômicas, uma vez

*Rua Angélica, 100, Jardim das Flores, Osasco, SP, Brasil, CEP 06110-295. Email: [email protected]

DOI: 10.15194/jofi_2015.v1.i1.1pp. 4–17

Journal of Financial Innovation, São Paulo, Vol. 1, No.1, Abril 2015, pp. 4–17 Received 2014-02-24© 2015 Instituto Brasileiro de Inovação Financeira under a Creative Commons Revised 2014-06-27Attribution 4.0 International License Accepted 2014-07-01Editor responsável: Wesley Mendes-Da-Silva http://ibrif.org/ojs

4

Electronic copy available at: http://ssrn.com/abstract=2532923

Influência Intradiária do Preço Internacional do Petróleo nas Ações da Petrobrás

que a flutuação nos preços do petróleo tem efeitos substanciais na atividadeeconômica de muitos países.

Uma vez que alterações no preço internacional do petróleo modificam oestoque da empresa que oferta o produto, bem como o valor de seu ativo e porfim seu valor de mercado, o presente estudo busca aferir causalidade entre ospreços dos contratos de petróleo CL1 com as ações preferenciais da Petrobrás(PETR4) e o índice S&P 500. Para isso, realizamos testes de causalidade de Grangere utilizamos o modelo de auto-regressão vetorial (VAR) para obter as relações deinterdependência das séries temporais.

Ao considerar a hipótese de mercados eficientes no mercado de petróleo,tanto o preço das ações quanto o preço do petróleo devem refletir as informaçõesdisponíveis e as séries se comportam como um passeio aleatório. Assim, Huang,Masulis e Stoll (1996) afirmam que se o mercado futuro de petróleo e o mercadoacionário forem eficientes, o preço do petróleo futuro e os preços das ações serãocontemporaneamente correlacionados.

No entanto, os pesquisadores argumentam que movimentos de preços deativos em mercados com diferentes usuários podem preceder os movimentos depreços de um mercado menos desenvolvido, considerando a existência de algumnível de integração entre eles. Desta maneira, nosso objetivo neste artigo é aferircausalidade entre os mercados supracitados e possíveis relações de causalidade,averiguando também possibilidades para estratégias de arbitragem.

O trabalho está estruturado da seguinte forma: A seção 2 apresenta o referen-cial teórico sobre o tópico. A seção 3 faz a descrição dos dados utilizados nestetrabalho e apresenta os modelos econométricos usados para fins de previsão. Aseção 4 apresenta os testes e resultados encontrados. Por fim, a seção 5 apresentaa conclusão do artigo.

2 REFERENCIAL TEÓRICO

Bekiros e Diks (2008) relataram que os preços à vista e futuro de determinadacommodity refletem o valor do mesmo ativo e, desta forma, afirmam que o futuroinfluencia o preço à vista. Acredita-se que os preços futuros respondem maisrapidamente a uma nova informação. Considerando a ideia de integração dosmercados, diversos estudos apresentam que mercados acionários pertencentes adiferentes países apresentam relação entre eles.

No entanto, é difícil aceitar a ideia de que os mercados são plenamenteintegrados, situação em que não existiria a possibilidade de arbitragem. Har-ris (1995) demonstra que dois ativos na mesma classe de risco deverão ter omesmo retorno esperado no caso em que dois mercados são integrados. Logo,conjuntamente com a hipótese de mercados eficientes, torna-se impossível queinvestidores consigam obter vantagens no mercado em relação aos seus pares,ou seja, realizar arbitragem.

Arbitradores procuram obter ganhos aproveitando a diferença de preços emum ou mais mercados. Desta forma, em mercados parcialmente segmentados,existiria a oportunidade de arbitragem, onde esta seria um mecanismo de

© IBRIF São Paulo v. 1 n. 1 4–17 5

SANTOS ET AL.

correção de erro de possíveis desvios que o mercado possa apresentar em relaçãoao valor intrínseco dos ativos.

Ao considerar estudos realizados com dados para ativos de preço de petróleo,Jones e Kaul (1996) verificaram a reação no mercado acionário internacionalpara choques de petróleo em relação às mudanças no retorno esperado. Ospesquisadores identificaram que os efeitos nos preços da ação são explicadospelos efeitos do preço do petróleo para os EUA e para o Canadá. De forma similar,Hammoudeh e Choi (2006) estudaram a relação de longo prazo no mercadoacionário com o mercado de petróleo e o índice S&P 500 e identificaram impactosindiretos nos mercados com relação às variações nos preços.

A análise da relação entre preços do petróleo e ações não é inédita. Papape-trou (2001) pesquisou a relação dinâmica entre os preços do petróleo, preçosde ações e a economia real da Grécia utilizando um modelo VAR. Os resultadosindicaram que variações nos preços do petróleo são importantes para explicaro retorno de ações. De maneira mais geral e informativa, Boyer e Filion (2007)identificaram que aumentos nos preços do petróleo afetam os retornos dasempresas de gás e petróleo do Canadá de maneira positiva.

Empresas listadas em diferentes segmentos de atuação também parecemabsorver impactos advindos do preço do petróleo. Gogineni (2010) estudou oimpacto diário das mudanças do petróleo no retorno das ações e encontrou queindústrias que não possuem relação direta com o petróleo são influenciadaspela variação no preço da commodity. A variável “tempo”, também parece serimportante. Jawadi, Arouri e Bellalah (2010) estudaram a relação de curto e longoprazo entre o preço do petróleo e o mercado acionário europeu. Dependendodo setor, os pesquisadores encontraram, no curto prazo, forte relação entremudanças no preço do petróleo e a maioria dos setores do mercado acionárioeuropeu. Observaram, ainda, um efeito negativo no curto e longo prazo paraações pertencentes aos setores de alimentos e bebidas.

Arouri e Fouquau (2009) verificaram a relação de curto prazo entre preçosde petróleo e o mercado acionário dos países do Golfo. O resultado do estudoindicou que alguns mercados reagem positivamente ao aumento do preço depetróleo.

No que se refere à relação entre os mercados à vista e futuro, Brooks, Rewe Ritson (2001) identificaram a relação lead-lag entre contratos futuros e oíndice à vista do FTSE100, índice da bolsa de valores de Londres. Com dadosde alta frequência, os autores encontraram que os preços dos contratos futurosantecedem mudanças no preço do índice à vista.

Nem todos os resultados verificados apontam para o resultado supracitado.Huang et al. (1996) estudaram a correlação contemporânea entre os retornosdiários do contrato futuro de petróleo, o retorno das ações das petrolíferas e oresultado dos índices de mercados acionários. Os pesquisadores concluíram queos retornos do petróleo futuro não estão correlacionados com os retornos dosmercados acionários, com exceção das empresas petrolíferas. De maneira espe-cial, os estudos de Brooks et al. (2001) e Huang et al. (1996) são importantes paraa pesquisa realizada neste trabalho pela utilização de dados de alta frequência.

6 4–17 n. 1 v. 1 São Paulo © IBRIF


Além disso, tais estudos concordam que preços futuros antecedem preços à vistano mercado de petróleo.

Por fim, este trabalho busca identificar relações similares ao observado porHuang et al. (1996) e Brooks et al. (2001) com o propósito de aferir causalidadeentre os contratos de petróleo CL1, o índice S&P 500 e as ações preferenciais daPetrobrás.

3 DADOS E METODOLOGIA

Este trabalho está dividido em duas partes: i) Analisar, com dados na frequênciade 15 minutos, a relação entre a ação preferencial da empresa Petrobrás S.A.(PETR4), o contrato futuro mais líquido e de prazo mais curto negociado nomercado internacional para a commodity petróleo (CL1) e o contrato futurode prazo mais curto negociado no mercado norte-americano (SP1) do índiceS&P 500; ii) Analisar a relação entre as duas primeiras variáveis, PETR4 e CL1,considerando dados na frequência de 5 minutos.

O motivo da retirada da variável SP1 do segundo modelo deve-se tão so-mente ao fato de que os dados para essa variável na frequência de 5 minutosapresentaram excessivo número de missing values. Todavia a análise do modelorestrito para a frequência de 5 minutos suportam os achados do modelo geral nafrequência de 15 minutos.

O VAR (vetor auto-regressivo) e o VEC (vetor de correção de erros) foramutilizados para identificar as relações de causalidade das variáveis descritasacima. Todos os testes foram realizados com o software EViews.

3.1 Modelos VAR e VEC

O VAR é um modelo econométrico utilizado para capturar a evolução das relaçõesde interdependência de múltiplas séries temporais. Os modelos VAR em geraldefinem restrições entre as equações do modelo. Uma questão fundamental doVAR é verificar se a partir da forma reduzida conseguimos recuperar informaçõesna forma estrutural. Desta forma, um modelo VAR pode ser entendido comouma generalização de um modelo univariado AR. O processo gerador do VAR édado por:

yt −q∑

j=1Φj yt− j = εt ,

onde yt é um vetor N ×1,Φj são matrizes N ×N e εt ∼ N IN [0,Ω].Adicionalmente aos modelos VAR, o vetor de correção de erros (VEC) in-

corpora na relação VAR uma relação de longo prazo, podendo melhorar asestimações.

3.2 Base de Dados

A amostra utilizada foi coletada no site da Bloomberg, considerando os preços defechamento de negócios com frequência de 5 minutos no período de 03/05/12a 12/11/12, e apenas no horário em que ambos os mercados estavam abertos


SANTOS ET AL.

para negociação. Devido a pequenas flutuações no horário de funcionamento daBOVESPA, mantivemos as informações para o horário de 10:05h até 16:50h.

Foram desconsiderados na amostra os dias 22/5, 28/5, 20/6, 4/7, 20/7, 21/8,3/9, 20/9, 22/10 em razão de falta de dados na variável de petróleo (CL1). Tam-bém foram descartados os dias 7/6, 9/7, 7/9, 12/10, 2/11 que representamferiados no Brasil ou em São Paulo. Assim, considerando somente as variáveisPETR4 e CL1, nossa amostra contempla 10.168 observações de alta frequên-cia com intervalos de 5 minutos para dados compreendidos num período deaproximadamente 6 meses.

Para incorporar informações da variável SP1 não foi possível utilizar o inter-valo de 5 minutos, pois a série referente ao SP1 continha muitos dados faltantes.Para corrigir esse problema coletamos informações a cada 15 minutos e consi-deramos o horário entre 10:30h e 16:45h. Além das datas extraídas por falta deinformações nas variáveis PETR4 e CL1 (como citado acima), foi necessário aretirada de mais alguns dias da amostra em virtude de informações faltantes paraa variável SP1. Foram esses: 08, 11, 12, 13 e 14/06; 3 e 13/07; 6, 10, 20 e 24/08; 17,18 e 19/09; 8, 29 e 30/10. Assim, nossa amostra com frequência de 15 minutospara as variáveis PETR4, CL1 e SP1, contempla 2.782 observações.

4 RESULTADOS

4.1 PETR4×CL1×SP1A série em nível para cada uma das três variáveis parece apresentar tendênciaestocástica, conforme vemos no gráfico do logaritmo das séries (Figura 1).

Utilizamos o teste ADF com constante e tendência para testar a hipótesede que as séries possuem raiz unitária. Nos três casos a hipótese nula não foirejeitada a 10% de significância. Assim, as séries foram diferenciadas e o teste deraiz unitária para a nova série foi repetido, indicando que as séries diferenciadasuma vez são estacionárias. Portanto as séries PETR4, CL1 e SP1 são integradas deordem 1, I (1).

Estimação do VARPara analisar a relação entre as variáveis, utilizamos um modelo do tipo VAR(vetor auto-regressivo). Tal modelo trata todas as variáveis como endógenas ecomo funções de suas próprias variáveis defasadas e, assim, captura o efeitocruzado dos choques de uma variável nos valores futuros da outra variável. Oobjetivo dessa abordagem é investigar se o valor observado de uma das sériestraz informação adicional para a estimação dos valores futuros da outra série.

Para que a estimação por Mínimos Quadrados Ordinários (MQO) produzaestimativas consistentes num VAR(p) é necessário que as variáveis sejam estaci-onárias. Assim, usamos a primeira diferença do log (dlog) de ambas as sériespara estimar o VAR.

Utilizamos um lag para o VAR, conforme indicado pelos critérios de Akaikee de máxima verossimilhança, e não utilizamos constante, já que essa não foiconsiderada significativa.



(a) logarítmo natural de PETR4. (b) logarítmo natural de CL1.

(c) logarítmo natural de SP1.

Figura 1: Gráficos dos logarítmos das séries.

Na Tabela 1 é apresentado o resultado do VAR(1) estimado. Para a equaçãodo dlog(PETR4), os coeficientes para dlog(CL1) e dlog(SP1) foram significativosa 5% de significância, indicando que ambos trazem informação para a estimaçãoda série de Petrobrás S.A. O coeficiente para dlog(CL1) é positivo, indicando quea série PETR4 varia na mesma direção do CL1 com 15 min de defasagem. No casodo dlog(SP1) o coeficiente calculado é negativo, indicando que PETR4 varia nadireção contrária a SP1 com 15 minutos de defasagem.

Para a equação do dlog(CL1), os três coeficientes foram não-significativos,indicando que a diferença da série defasada 15 minutos não traz informaçãopara a estimação da série.

Por último, para a equação do dlog(SP1), apenas o coeficiente para dlog(CL1)defasado um período é significativamente positivo a 10%, indicando que a sériede petróleo futuro ajuda a prever a série do índice futuro norte americano.

Em linha com o VAR(1) estimado, o teste de causalidade de Granger indicouque dlog(SP1) e dlog(CL1) Granger causam dlog(PETR4) a 1% de significância;nenhuma variável Granger causa dlog(CL1); e dlog(CL1) Granger causa dlog(SP1)a 10% de significância (Tabela 2).

A seguir são apresentados os testes de autocorrelação e autocorrelação cru-zada dos resíduos e normalidade dos mesmos para o modelo VAR(1). Conformevemos nos quadros da Figura 2, os resíduos não são autocorrelacionados, pois


SANTOS ET AL.

Tabela 1: Resultados do VAR com as três variáveis.

PETR4 CL1 SP1

PETR4(-1) 0.026904 -0.011467 -0.006779(0.02320) (0.01968) (0.00931)[1.15948] [-0.58273] [-0.72782]

CL1(-1) 0.075290 0.010804 0.019253(0.02841) (0.02409) (0.01140)[2.65011] [0.44841] [1.68829]

SP1(-1) -0.196424 0.016204 0.002649(0.06471) (0.05487) (0.02597)[-3.03566] [0.29530] [0.10197]

Nota: PETR4, CL1 e SP1 referem-se, respectivamente, a dlog(PETR4), dlog(CL1)e dlog(SP1). Erros-padrão entre parênteses e estatísticas-t entre colchetes.

Tabela 2: Teste de causalidade de Granger.

Dependent variable: PETR4

Excluded Chi-sq df Prob.CL1 7.023103 1 0.0080SP1 9.215241 1 0.0024All 11.12202 2 0.0038

Dependent variable: CL1

Excluded Chi-sq df Prob.PETR4 0.339575 1 0.5601SP1 0.087201 1 0.7678All 0.343656 2 0.8421

Dependent variable: SP1

Excluded Chi-sq df Prob.PETR4 0.529725 1 0.4667CL1 2.850321 1 0.0914All 3.050041 2 0.2176

Nota: PETR4, CL1 e SP1 referem-se, respectivamente, a dlog(PETR4),dlog(CL1) e dlog(SP1).



todas autocorrelações estão dentro da banda de dois desvios padrões. Os testesde Jarque-Bera indicaram que os resíduos não são normalmente distribuídos.Entretanto, dado que estamos trabalhando com amostras grandes, esse resultadonão traz consequências importantes, de acordo com Brooks et al. (2001). Osgráficos dos resíduos, também são apresentados, onde aparentemente são todosestacionários (Figura 3).

Os quadros na Figura 4 mostram as funções de respostas a impulsos. Con-forme observamos: (i) as variáveis respondem a seus próprios choques; (ii) avariável dlog(CL1) não responde a choques em dlog(PETR4) nem em dlog(SP1),em linha com o fato de que nem Petrobrás nem índice S&P 500 futuro Grangercausam petróleo; (iii) não é possível concluir a 5% de significância que a variáveldlog(SP1) responde a choques em dlog(CL1), pois conforme visto no últimoquadro, a linha pontilhada do intervalo de confiança de dois desvios padrõesestá muito próxima do valor zero; (iv) a variável dlog(PETR4) responde a choquesnas outras duas variáveis, pois o intervalo de confiança não abrange o valor zero.

Modelo VECDado que os gráficos indicam que pode haver alguma relação de longo prazonas séries, realizamos o teste de cointegração de Johansen para as séries emnível, log(PETR4), log(CL1) e log(SP1). Pelo critério de Akaike, o melhor modelo éaquele sem tendência determinística nem constante no VAR e só com constante

Figura 2: Autocorrelações.


SANTOS ET AL.

Figura 3: Gráfico dos resíduos.

Figura 4: Resposta cumulativa a choques de um desvio-padrão.

na relação de cointegração. O modelo em questão é dado pela equação∆X1,t

∆X2,t

∆X3,t

=α1

α2

α3

(X1,t−1 −β0 −β2X2,t−1 −β3X3,t−1

)+ut ,

sendo X1 = log(PETR4), X2 = log(CL1) e X3 = log(SP1).Os resultados são apresentados na Tabela 3. Os coeficientes do vetor de coin-

tegração foram estatisticamente diferentes de zero para as variáveis dlog(PETR4)e dlog(CL1).

Assim, o modelo encontrado foi:∆X1,t

∆X2,t

∆X3,t

=−0,009702−0,006412

0

(X1,t−1 −11,01499+1,987138X3,t−1

)+ut .



Tabela 3: Resultados do VEC

Equação de cointegração

LPETR4(-1) 1LCL1(-1) 0.075470 (0.14075) [0.53621]LSP1(-1) -1.987138 (0.22573) [-8.80334]C 11.01499 (1.43596) [7.67084]

Correção de erros

∆(LPETR4) -0.009702 (0.00269) [-3.60723]∆(LCL1) -0.006412 (0.00228) [-2.81423]∆(LSP1) -0.001055 (0.00108) [-0.97623]

Nota: LPETR4, LCL1 e LSP1 referem-se, respectivamente, a log(PETR4), log(CL1)e log(SP1). Erros-padrão entre parênteses e estatísticas-t entre colchetes.

Para melhorar a estimação, testamos restrições sobre os coeficientes. Ashipóteses α1 = 0 e α2 = 0 foram rejeitadas. Já a hipótese de que α3 = 0 nãofoi rejeitada. Dado que a carga α3 é nula, testamos então a restrição sobre ocoeficiente da variável log(CL1), impondo que esse coeficiente também é nulo.Essa hipótese não foi rejeitada, de modo que o modelo final resultante foi∆X1,t

∆X2,t

∆X3,t

=−0,008814−0,004774

0

(X1,t−1 −11,39448+1,992722X3,t−1

)+ut .

4.2 PETR4 × CL1As séries em nível de PETR4 e CL1 parecem apresentar tendência estocástica,conforme vemos no gráfico do logaritmo das séries (Figura 5).

(a) Logarítmo natural de PETR4. (b) Logarítmo natural de CL1.

Figura 5: Gráficos dos logarítmos das séries.

Para ambas as séries o teste ADF não foi conclusivo a respeito da presençade raiz unitária, pois apresentou que a estatística calculada indica rejeição dahipótese nula de presença de raiz unitária a 5% de significância, mas não a 4%.


SANTOS ET AL.

Dado que o teste de ADF não foi conclusivo, realizamos o teste KPSS. A estatísticacalculada indicou que podemos afirmar que as séries possuem raiz unitária, poisrejeitou H0 a 1% de significância em ambos os casos.

Repetindo os testes ADF para as séries diferenciadas conclui-se que ambassão integradas de ordem 1, I (1).

Estimação do VARO critério de Akaike e de máxima verossimilhança indicaram o uso de umlag. Utilizamos o VAR sem constante, já que essa não foi significativa. NaTabela 4 é apresentado o resultado do VAR(1) estimado. Para a equação dodlog(CL1), ambos os coeficientes foram não significativos. Ao passo que para aequação do dlog(PETR4), o coeficiente para dlog(PETR4) defasado um período ésignificativamente negativo a 5%, indicando um comportamento oscilante dasérie de 5 minutos e o coeficiente para dlog(CL1) mostrou-se positivo a 10% designificância, indicando que a série de petróleo futuro ajuda a prever a série dePetrobrás.

Em linha com o VAR estimado, o teste de causalidade de Granger indicou quePetrobrás não Granger causa Petróleo Futuro, ao passo que a 10% de significânciaPetróleo Futuro causa Petrobrás no sentido de Granger (Tabela 5).

Modelo VECNo teste de cointegração de Johansen, pelo critério de Akaike, o melhor modeloindicado foi aquele em que os dados tem tendência determinística e constantena relação de cointegração e constante no VAR e há uma relação de cointegração.O modelo em questão é dado pela equação:(

∆X1,t

∆X2,t

)=

(m1

m2

)+

(α1

α2

)(X1,t−1 −β0 −β1t −β2X2,t−1

)+ut ,

onde X1 = log(PETR4) e X2 = log(CL1).Os resultados são apresentados na Tabela 6. Os coeficientes do vetor de

cointegração foram significativamente diferentes de zero.

Tabela 4: Resultado do VAR(1).

PETR4 CL1

PETR4(-1) -0.039448 -0.000844(0.01068) (0.00857)[-3.69357] [-0.09842]

CL1(-1) 0.022880 -0.010899(0.01331) (0.01069)[1.71846] [-1.01973]

Nota: PETR4, CL1 e SP1 referem-se, respectivamente, adlog(PETR4), dlog(CL1) e dlog(SP1). Erros-padrão entre parên-teses e estatísticas-t entre colchetes.



Tabela 5: Teste de causalidade de Granger.

Hipótese nula Obs Estatística-F Prob.

PETR4 não Granger causa CL1 10166 0.00959 0.9220CL1 não Granger causa PETR4 2.94346 0.0863

Nota: PETR4 e CL1 referem-se, respectivamente, a dlog(PETR4) e dlog(CL1).

Tabela 6: Resultados do VEC.

Equação de cointegração

LPETR4(-1) 1LCL1(-1) -0.500222 (0.11818) [-4.23276]@ TREND -2.02E-05 (2.3E-06) [-8.75695]C -0.663686

Correção de erros

∆(LPETR4) -0.003528 (0.00073) [-4.84085]C -7.74E-06 (2.5E-05) [-0.31217]

∆(LCL1) -0.001802 (0.00059) [-3.07978]C -1.95E-05 (2.0E-05) [-0.97860]

Nota: LPETR4 e LCL1 referem-se, respectivamente, a log(PETR4) e log(CL1). TRENDdesigna a componente de tendência e C as constantes. Erros-padrão entre parênte-ses e estatísticas-t entre colchetes.

Obtivemos, assim, o modelo:(∆X1,t

∆X2,t

)=

(−0,003528−0,001802

)(X1,t−1 +0,66369+0,0000202t +0,5002X2,t−1

)+ut .

Para confirmar a significância dos coeficientes, testamos se os coeficientesα’s podem ser considerados nulos. Verifica-se que essas restrições são rejeitadas,indicando que o modelo obtido foi bem estimado.

5 CONCLUSÃO

Este artigo analisou a relação entre preços de três variáveis conjuntamente:

PETR4 Ação preferencial da empresa Petrobrás S.A., negociada no mercadode ações brasileiro e uma das mais líquidas do IBOVESPA;

CL1 O contrato futuro mais líquido e de prazo mais curto negociado nomercado internacional para a commodity petróleo;

SP1 O contrato futuro de prazo mais curto negociado no mercado norte-americano do índice S&P 500, considerado o principal índice deações do mercado mundial.

Partindo de uma amostra com intervalos de 15 minutos, os testes apontaramque tanto CL1 quanto SP1 Granger causam PETR4. Além disso, o modelo do


SANTOS ET AL.

tipo VAR(p) com uma defasagem foi o mais adequado para capturar os efeitoscruzados entre as variáveis. O modelo apontou que há correlação negativa entreo valor da série SP1 no período anterior e valor atual de PETR4 e há correlaçãopositiva entre o valor da série CL1 no período anterior e valor atual de PETR4.O modelo de correção de erros (VEC) indicou que ao se levar em consideraçãoa relação de longo prazo entre as variáveis pode-se melhorar a qualidade dasprevisões para as séries de contrato futuro de petróleo e ação da Petrobrás.

Utilizando amostra de alta frequência de 5 minutos, os testes apontaram queo contrato futuro Granger causa a ação PETR4 e há uma correlação positiva entrea variação de preço do contrato futuro em um período e a variação de preço daação no período seguinte.

Possíveis extensões desse estudo podem ser realizadas aumentando o períodode coleta de informações pois, apesar do sucesso nas estimações do modelo,o período analisado compreende somente seis meses de observações, o quepoderia viesar os resultados obtidos. Além disso, a utilização de outros critériosde informação, como os critérios de Schwarz ou Hannan-Quinn, poderia levar amodelos sensivelmente distintos, que podem vir a corroborar ou ainda refinar ospresentes achados.

REFERÊNCIAS

Arouri, M. E. H., & Fouquau, J. (2009). On the short-term influence of oil pricechanges on stock markets in GCC countries: Linear and nonlinear analyses.arXiv preprint(arXiv:0905.3870).

Bekiros, S. D., & Diks, C. G. H. (2008). The relationship between crude oil spotand futures prices: Cointegration, linear and nonlinear causality. EnergyEconomics, 30(5), 2673–2685. doi: 10.1016/j.eneco.2008.03.006

Boyer, M. M., & Filion, D. (2007). Common and fundamental factors in stockreturns of canadian oil and gas companies. Energy Economics, 29(3),428–453. doi: 10.1016/j.eneco.2005.12.003

Brooks, C., Rew, A. G. & Ritson, S. (2001). A trading strategy based on the lead-lagrelationship between the spot index and futures contract for the FTSE 100.International Journal of Forecasting, 17(1), 31–44. doi: 10.1016/S0169-2070(00)00062-5

Camargos, M. A. D., Gomes, G. D. & Barbosa, F. V. (2003). Integração de mercadose arbitragem com títulos transfronteiriços: ADRs — American DepositaryReceipts. Caderno de Pesquisas em Administração, 10(2), 51–67.

Gogineni, S. (2010). Oil and the stock market: An industry level analysis.Financial Review, 45(4), 995–1010.

Hammoudeh, S., & Choi, K. (2006). Behavior of GCC stock markets and impactsof US oil and financial markets. Research in International Business andFinance, 20(1), 22–44. doi: 10.1016/j.ribaf.2005.05.008

Harris, R. I. D. (1995). Using cointegration analysis in econometric modelling.Harvester Wheatsheaf, Prentice Hal.



Huang, R. D., Masulis, R. W. & Stoll, H. R. (1996). Energy shocks and financialmarkets. Journal of Futures Markets, 16(1), 1–27.

Jawadi, F., Arouri, M. E. H. & Bellalah, M. (2010). Nonlinear linkages between oiland stock markets in developed and emerging countries. InternationalJournal of Business, 15(1).

Jones, C. M., & Kaul, G. (1996). Oil and the stock markets. The Journal of Finance,51(2), 463–491.

Nunes, R. M., Chiara, M. M., Ferreira, R. S. & Reis, Y. A. P. dos. (2013). Estratégiade arbitragem entre ações brasileiras e suas ADRs: A resposta dos dadosintraday. Revista Brasileira de Economia de Empresas, 12(2).

Papapetrou, E. (2001). Oil price shocks, stock market, economic activityand employment in Greece. Energy Economics, 23(5), 511–532. doi:10.1016/S0140-9883(01)00078-0

Rault, C., & Arouri, M. E. H. (2009, June). On the influence of oil prices on stockmarkets: Evidence from panel analysis in GCC countries (CESifo WorkingPaper Series No 2690). CESifo Group Munich.

Veloso, E. A. (1998). Arbitragem e relação de causalidade entre os mercados futurosde dolar e DI 1 dia (Dissertação de mestrado não publicada). FundaçãoGetúlio Vargas: Escola de Pós-Graduação em Economia, Rio de Janeiro.

Influence of Intraday International Oil Price in Petrobras’ Stocks

ABSTRACTObjective. This paper aims to assess causality between the Petrobras’ stocks (PETR4) withthe future market for oil (CL1) and the S&P500 futures.Methodology. We use the vector autoregression (VAR) and vector error correction (VEC) fordescribing the structure of interdependence between variables.Findings. The causality tests indicated that the commodity oil and the North American stockindex Granger cause PETR4. We found that a VAR(1) model is the most appropriate to capturethe cross effect between variables. Finally, the tests indicated that the model of type VECimproves predictions for PETR4 and CL1 variables.Limitations. Despite using a large volume of intraday information, data refer to only sixmonths of observations, which can bias the results.Originality/Value. Under the authors’ knowledge, this is a pioneering study about relationshipsbetween these assets.

KEYWORDS: arbitrage, VAR, VEC, PETR4, SP1, CL1.


Inﬂuência Intradiária do Preço Internacional do...

Documents

Transcript of Inﬂuência Intradiária do Preço Internacional do...