Flutuações na aversão ao risco podem prever crises no mercado de ações brasileiro?

Abstract

Neste artigo elaboramos uma medida empírica para a aversão ao risco variante no tempo utilzando o Modelo de Heteroscedasticidade Condicional Autorregressivo Generalizado em Média (GARCH-M), e, analisamos se essa medida é capaz de antecipar crises no mercado ações brasileiro, entre os anos de 2000 e 2020. Para isso utilizamos dois métodos, o tradicional Logit e o método de Machine Learning Florestas Aleatórias (FAs). Os resultados demonstram que nossa medida de aversão ao risco variante no tempo é uma variável relevante para se prever crises, uma vez que melhora a capacidade preditiva de ambos os métodos. Também mostramos que as FAs apresentam maior capacidade preditiva quando comparado ao Logit.