Year: 2026
Type: dissertation
Abstract: Este trabalho investiga se o Search Volume Index (SVI) do Google Trends, utilizado como proxy de atenção do investidor, possui poder preditivo sobre a volatilidade realizada semanal de ações brasileiras listadas na B3.A pesquisa compara três modelos de previsão: o passeio aleatório (M0), como referência ingênua; o eGARCH(1,1) (M1); e o eGARCH-X(1,1) (M2), que incorpora a atenção anormal de buscas.A variável exógena é o desvio logarítmico do SVI em relação à sua mediana das oito semanas anteriores.A comparação baseia-se em um exercício de previsão fora da amostra, com janela móvel de 156 semanas e previsões de um passo à frente para um painel de 260 ações, avaliado pela função de perda QLIKE combinada ao procedimento Model Confidence Set (MCS).Os resultados mostram que ambos os modelos eGARCH superam amplamente o passeio aleatório, mas o conjunto de confiança do MCS, ao nível de 10%, contém exclusivamente o eGARCH puro.Portanto, a inclusão da atenção de buscas não melhora a previsão da volatilidade no agregado, resultado robusto a diferentes critérios de filtragem das séries.Ao mesmo tempo, o coeficiente associado ao SVI é estatisticamente significativo em pelo menos metade das janelas para 101 dos 260 ativos.Além disso, os tickers com SVI significativo em mais de 70% da previsão fora da amostra possuem maior volatilidade realizada média que os demais.Conclui-se que a significância estatística do coeficiente de atenção e a sua utilidade preditiva fora da amostra são fenômenos empiricamente independentes, e que a atenção anormal do investidor segue a volatilidade realizada, em vez de antecedê-la.Os achados contribuem para a literatura de finanças comportamentais e atenção do investidor em mercados emergentes, sinalizando que a atenção captada por buscas na internet tem relevância estatística para a dinâmica da volatilidade, mas benefício preditivo incremental limitado e heterogêneo entre os ativos.
Author: Ritter, Bruno de Mattos
Institution: Universidade Federal de Santa Catarina
Language: Portuguese
Subfield: Finance
Domain: Social Sciences
Open Access status: green
OpenAlex ID: W7213570460
