Análise das cotações e transações intradiárias da Petrobrás utilizando dados irregularmente espaçados

Abstract

O presente trabalho utiliza os dados disponibilizados pela BM&FBovespa para analisar as ações da Petrobrás para os meses compreendidos entre julho e agosto de 2010 e outubro de 2008. Primeiramente, apresentamos uma discussão detalhada sobre a manipulação desses dados, na qual explicitamos a impossibilidade de se usar o mid-price quote devido ao número elevado de ofertas de compra/venda com preços muito elevados/baixos. Verificamos alguns dos fatos estilizados empíricos apontados por Cont (2001), entre outros consagrados na literatura de microestrutura. Em geral, os dados replicaram os fatos estilizados. Aplicamos o filtro proposto por Brownlees e Gallo (2006) às ações da Petrobrás e analisamos a sensibilidade do número de possíveis outliers encontrados pelo filtro a variação dos parâmetros desse filtro. Propomos utilizar o critério de Akaike para ordenar e selecionar modelos de duração condicional cujas amostras de duração possuem tamanhos distintos. Os modelos selecionados, nem sempre são aqueles em que os dados foram filtrados. Para o ajuste ACD (1,1), quando considerados apenas os modelos bem ajustados (resíduos não autocorrelacionados), o critério de Akaike indica como melhor modelo aquele em que os dados não foram filtrados.

This study uses data provided by BM&FBovespa to analyze Petrobras' stock for the months between July and August 2010 and October 2008. First, we present a detailed discussion about handling data, we show the impossibility of using the mid-price quote due to the high number of buy / sell orders that present very high / low prices. We checked some of the empirical stylized facts pointed out by Cont (2001), among others enshrined in the microstructure literature. In general, the stylized facts were replicated by the data. We apply the filter, proposed by Brownlees and Gallo (2006), to Petrobras' stock and we analyze the sensitivity of the number of possible outliers found by the filter with respect to the filter's parameters variation. We propose using the Akaike criterion to sort and select conditional duration models whose samples have different length sizes. The selected models are not always those in which the data has been filtered. For the ACD (1,1) setting, when we consider only well-adjusted models, the Akaike criterion indicates as better model as one in which the data were not filtered.