Tratamento de dados em alta frequência e estimação de medidas de volatilidade: um estudo de caso para petr4

Resumen

O artigo tem objetivo de analisar o tratamento de dados em alta frequência para a estimação de medidas de volatilidade percebida (realized volatility - RV). Para atingir os objetivos, buscou-se analisar as metodologias para limpeza de outliers e agregação dos preços. Para os métodos de agregação, consideraram-se as seguintes formas de amostragem: último preço negociado; preço ponderado pelo volume; preço ponderado pelo logaritmo do volume; preço ponderado pelo número de negociações; mediana dos preços e preços de maior volume associado. Foram estudadas as métricas RCov (sensível a problemas de microestrutura), rOWCov, medRV, minRV e rRTSCov, consideradas robustas a saltos e ruídos de microestrutura. Quanto aos resultados, observou-se que a remoção de outliers não influenciou de maneira significativa o processo de estimação da volatilidade percebida. Em relação à análise de agregação dos preços, por meio de uma simples mudança na metodologia, observaram-se diferenças significativas nas estimativas das volatilidades percebidas. Para a análise dos métodos de agregação, considerando as seis formas de amostragem, verificou-se que todas as medidas foram sensíveis às mudanças na forma de amostragem para agregar os preços. Do ponto de vista prático, gerenciar dados em alta frequência é um desafio devido à necessidade de manipulação de grandes bases. Por esse motivo, a não correção de possíveis problemas nos bancos de dados pode gerar estimativas de variabilidade imprecisas para a gestão de riscos. O artigo contribui por realizar uma revisão dos estimadores da volatilidade percebida mais recentes, buscando comparar a consistência em relação às diferentes formas de agregação e tratamento da série de preços.