Analisando a Volatilidade de ações usando Python

Como realizar uma análise de dados da ação de sua carteira? Uma das formas mais eficientes de compreender os movimentos do preço de uma ação é através de sua volatilidade. Para tanto, criamos uma análise da volatilidade usando Python, tomando como exemplos os retornos mensais da ação da WEGE3.

Ao analisar ativos financeiros, usualmente, utiliza-se o retorno de seu preço. O retorno de uma ação é uma medida de desempenho que representa o ganho ou a perda de um investimento em um determinado período.

Para obter todo o código em R e Python para os exemplos abaixo, faça parte do Clube AM, o repositório de códigos da Análise Macro, contendo exercícios semanais.

É calculado como a variação percentual no preço da ação, ajustada por dividendos e outras distribuições.

Fórmula do Retorno:

    \[R_t = \frac{P_t - P_{t-1}}{P_{t-1}}\]

Onde:
- R_t é o retorno no tempo t
- P_t é o preço da ação no tempo t
- P_{t-1} é o preço da ação no tempo t-1

O Retorno é utilizado pelos seguintes motivos:

  1. Medida Direta de Desempenho: O retorno proporciona uma medida direta e quantitativa do desempenho de uma ação, permitindo que os investidores comparem o rendimento de diferentes ações ou portfólios de forma objetiva.
  2. Comparabilidade: Ao expressar o desempenho como uma porcentagem, os retornos permitem a comparação entre diferentes ativos financeiros, independentemente dos seus preços absolutos.
  3. Análise de Risco e Retorno: Investidores utilizam o retorno para avaliar a relação entre risco e retorno. Eles procuram maximizar o retorno esperado para um dado nível de risco.

O Retorno permite realizar a avaliação da Volatilidade do preço de uma ação. A Volatilidade é uma medida da variação dos retornos de um ativo ao longo do tempo. Ela quantifica a dispersão ou a variabilidade dos retornos em relação à média.

A Volatilidade auxilia na avaliação de uma ação, por que representa os seguintes fatores:

  1. Medida de Risco: A volatilidade é uma medida crucial do risco de um ativo. Alta volatilidade indica alta incerteza nos retornos, o que é um sinal de risco maior.
  2. Tomada de Decisões: Investidores utilizam a volatilidade para tomar decisões informadas sobre suas carteiras. Um ativo com alta volatilidade pode ser evitado por investidores avessos ao risco.
  3. Diversificação: A análise da volatilidade de diferentes ativos permite que investidores criem carteiras diversificadas que minimizam o risco total, aproveitando a correlação entre os ativos.

Existem diversas formas de avaliar a volatilidade de uma ação. Usualmente utiliza-se medidas do momentos da distribuição dos retornos, como o desvio padrão, assimetria e curtose. Veremos como calcular esses valores usando o Python. Outra forma é através de Modelos, tal como o Modelo de Mercado ou CAPM, que permitem obter uma medida de volatilidade de mercado, o Beta.

Como analisar a Volatilidade de Ações usando Python?

Os resultados obtidos abaixo seguem as seguintes etapas:

  • Coleta dos preços mensais de fechamentos da ação WEGE3 e Ibovespa, no período de 01/01/2010 até 31/12/2023.
  • Cálculo dos retornos mensais
  • Análise Exploratória de dados: Histograma e Estatísticas Descritivas
  • Análise da Volatilidade:
    • Desvio Padrão Anualizado Móvel
    • Assimetria Móvel
    • Curtose Móvel
    • Beta Móvel

Histograma

Na avaliação de retornos, um histograma pode ser usado para visualizar como os retornos de um ativo estão distribuídos ao longo do tempo. Usualmente, a distribuição de retornos de ativos financeiros possuem valores extremos, representado nas caudas, como é o caso abaixo.

Estatística Descritiva

Abaixo, as estatísticas descritivas da amostra dos retornos da WEGE3.

Código
Retorno
count 167.000000
mean 0.020662
std 0.080917
min -0.219387
25% -0.033595
50% 0.022182
75% 0.070482
max 0.331783
Assimetria 0.432445
Curtose 1.222026

Desvio Padrão Móvel

O desvio padrão móvel é uma medida estatística que calcula a volatilidade de uma série temporal de retornos ao longo de um período de tempo móvel.

É utilizado para identificar como a volatilidade de um ativo financeiro muda ao longo do tempo. Assim como o desvio padrão tradicional, ele quantifica a dispersão dos retornos em relação à média, mas faz isso de forma dinâmica, ajustando-se continuamente à medida que novos dados são adicionados e os mais antigos são descartados.

Quanto maior o valor, mais volátil o ativo é.

Assimetria Móvel

A assimetria é uma medida de simetria na distribuição dos retornos de um ativo financeiro. Ela indica o grau de distorção ou desvio da curva de distribuição em relação a uma distribuição normal (simétrica). Uma distribuição simétrica tem assimetria zero. Uma distribuição com cauda longa à direita (positivamente assimétrica) tem uma assimetria positiva, enquanto uma distribuição com cauda longa à esquerda (negativamente assimétrica) tem uma assimetria negativa.

Se a assimetria móvel é positiva, indica que há uma tendência para retornos maiores do que a média, com uma cauda mais longa à direita.

Se a assimetria móvel é negativa, indica que há uma tendência para retornos menores do que a média, com uma cauda mais longa à esquerda.

Se a assimetria móvel é próxima de zero, sugere que os retornos estão aproximadamente simetricamente distribuídos ao redor da média.

Curtose Móvel

Curtose é uma medida estatística que descreve a forma das caudas de uma distribuição em relação a uma distribuição normal. Especificamente, a curtose indica a presença de extremos ou outliers.

Um valor alto da Curtose representa uma distribuição com caudas mais pesadas e pontas mais altas do que a normal, sugerindo uma maior probabilidade de eventos extremos. O contrário para um valor baixo de Curtose.

Para Curtose para valores próximos de 0, indica uma distribuição aproximadamente normal.

Beta Móvel

O beta é uma medida da sensibilidade do retorno de um ativo em relação ao retorno de um índice de referência, geralmente um índice de mercado como o Ibovespa. O beta indica o risco sistemático ou de mercado do ativo, em comparação com o mercado como um todo.

  • Beta = 1: O ativo move-se em consonância com o mercado.
  • Beta > 1: O ativo é mais volátil que o mercado.
  • Beta < 1: O ativo é menos volátil que o mercado.

_____________________________________

Quer aprender mais?

Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Coletando dados regionais do CAGED no Python

Os dados regionais do CAGED permitem analisar o mercado de trabalho de forma detalhada, em termos de setores, educação, rendimento e características pessoais dos trabalhadores brasileiros. Neste exercício mostramos como acessar estas informações online via Python.

Coletando dados de Setores Censitários do Censo 2022 no Python

Dados sobre a demografia e o território são primordiais para definir e implementar políticas públicas, áreas de atuação comercial e/ou estratégias de marketing. Sendo assim, saber usar os dados do Censo 2022 pode trazer vantagens competitivas. Neste exercício mostramos como obter os dados da Malha de Setores Censitários no formato vetorial (GeoJson) usando o Python.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.