INSPER - IBMEC SO PAULO

Faculdade de Economia e Administrao

Projeto de Iniciao Cientfica Daniela Bertolla Rocha

Anlise de Freqncias no Mercado Financeiro

So Paulo 2010
1

INSPER - IBMEC SO PAULO

Faculdade de Economia e Administrao

Projeto de Iniciao Cientfica Daniela Bertolla Rocha

Anlise de Freqncias no Mercado Financeiro

Orientador: Prof. Dr. Marco Antnio Leonel Caetano Insper Ibmec SP

So Paulo 2010
2

Sumrio
Captulo 1 - Introduo.................................................................................................... 4 Captulo 2 Tcnicas de Anlise de Fourier .................................................................. 7 Captulo 3 Estudo das Freqncias ............................................................................ 12 Captulo 4 Programao e Automao de Planilhas para FFT ................................. 27 Captulo 5 Perodos ................................................................................................... 41 Captulo 6 Modelos com adio de Sazonalidades .................................................... 49 Captulo 7 Anlise e Projees de algumas Empresas ............................................... 54 Captulo 8 Anlise de Wavelet ................................................................................... 62 Captulo 9 Tcnicas para o uso da Wavelet ................................................................ 66 Captulo 10 Usando o Toolbox Wavelet no Matlab .................................................. 73 Captulo 11 IMA ndice de Mudanas Abruptas .................................................... 77 Captulo 12 Concluso ............................................................................................... 83 Bibliografia .................................................................................................................... 85

Captulo 1 Introduo

1.1 Objetivos
O objetivo bsico da anlise de Fourier encontrar periodicidades em uma srie de dados em situes na qual as frequncias so conhecidas e deseja-se estimar amplitude e fases. Esse trabalho abordar a tcnica de Fourier para um entendimento sob o aspecto das freqncias e harmnicos sobre eventos relacionados ao mercado financeiro, sobretudo bolsa de valores. O objetivo do trabalho : (a) Estudo e compreenso da teoria de Fourier. (b) Utilizao da teoria de Fourier em dados financeiros coletados. (c) Possvel identificao de padro de freqncias para eventos de mudana de tendncias.

1.2 Transformadas de Fourier

Transformada de Fourier uma transformada integral que expressa uma funo em termos de funes de base sinusoidal, como soma ou integral de funes sinusoidais multiplicadas por coeficientes. A equao bsica de ajuste de uma srie de Fourier : x(t ) = a + b cos(t ) + c sen(t ) + ...

(1.1)

As transformadas contnuas e discretas de Fourier tm muitas aplicaes em disciplinas cientficas em Fsica, Fsica e Qumica Quntica, Teoria dos nmeros, Anlise combinatria, Processamento de sinal, Processamento de imagem, Teoria das probabilidades, Estatstica, Criptografia, Acstica, Oceanografia,Ssmica,ptica, Geometria e outras reas. Nos campos relacionados com o processamento de sinal, a transformada de Fourier tipicamente utilizada para decompor um sinal nas suas componentes em frequncia e suas amplitudes. (Wikipdia, 2008) A verso discreta da transformada de Fourier pode ser calculada rapidamente por computadores, utilizando algoritmos baseados na transformada rpida de Fourier e para isso preciso ter valores x k discretos. Um mtodo utilizado para o calculo dessa funo o algoritmo FFT (Fast Fourier Transform), que uma ferramenta do Microsoft Excel. Para iniciar esse calculo no Excel, temos uma srie de dados distribuda no tempo e desejamos conhecer as freqncias desse harmnico, para tanto necessria a aquisio de N pontos de x(t), com o tempo de amostragem t.

1.3 Jean-Baptiste Joseph Fourier

Jean-Baptiste Joseph Fourier foi um matemtico e fsico francs, celebrado por iniciar a investigao sobre a decomposio de funes peridicas em sries trigonomtricas convergentes chamadas sries de Fourier e a sua aplicao aos 5

problemas da conduo do calor. A Transformada de Fourier foi designada em sua homenagem. (Wikipdia, 2008)

Captulo 2 Tcnicas de Anlise de Fourier

2.1 Passos da Anlise

A anlise das empresas feita a partir de sinais de freqncia em ciclos, freqncia angular e por perodo. Escolhem se empresas do Ibovespa para a utilizao dessa ferramenta. Para descobrir a freqncia em ciclos utilizamos a seguinte frmula:
f1 = f 0 + f 2 = f1 + ... 1 N .t 1 N .t

obs: f 0 = 0 Como os tempos so: 1, 2, 3, ..., ou seja, um intervalo de 1 dia. Ento nesse caso
t = 1 . Cada freqncia calculada colocada na coluna H, e ser o eixo x do grfico de freqncia em ciclos. Para encontrar a freqncia angular usamos: = 2f , sendo f a freqncia em

ciclos calculada anteriormente. O resultado colocado na coluna I, e ser o eixo x do grfico de freqncia angular. Para descobrir o perodo com maior magnitude de FFT que o perodo dominante do evento utilizamos o grfico de perodos. O perodo obtido por: T = 1/ f f estando na coluna H j calculada. O resultado colocado na coluna J e ser o eixo x do grfico de perodos. Como incio de aplicao, utiliza-se de planilhas Excel, com o intuito de realizar uma anlise de freqncias para aes da Bovespa. Inicialmente feita a aquisio de n pontos da srie de dados da ao que desejamos analisar. A srie de dados colocada em coluna do Excel aps as datas e o tempo de amostragem que so colocados nas colunas A e B respectivamente.

Figura 1 Tabela (Fechamentos VIVO3)

Aps colocados os dados no Excel, deseja-se encontrar uma funo f tal que f ( xi ) y i . Para isso, utiliza-se o mtodo dos mnimos quadrados, que uma tcnica de ajuste de coeficientes para um dado modelo no qual se procura estimar o melhor ajuste para um conjunto de dados. Tenta-se minimizar a soma dos quadrados das diferenas entre a curva ajustada e os dados adquiridos. A frmula utilizada para estimar uma reta ( y ) pelo mtodo dos Mnimos Quadrados :

y = ax+b

onde,

a=

n xi y i x i y i n xi2 ( xi )
2

(2.1)

y x x x y b= n x ( x )
i 2 i i i 2 i 2 i

(2.2)

sendo x a coluna B e y a coluna C da planilha da Figura 1. Para calcular as sazonalidades, subtraram-se os valores estimados dos valores reais. Os resultados dessa subtrao encontram-se na coluna E da planilha da Figura 1. Para fazer a FFT da coluna E utiliza-se a ferramenta do Excel, Anlise de Dados- Anlise de Fourier conforme Figura 2.

Figura 2 Anlise de Fourier No intervalo de entrada colocada a coluna E, onde se encontram as sazonalidades e no intervalo de sada colocada a coluna F, onde sero colocados os resultados na anlise. possvel observar que os coeficientes da transformada de Fourier aparecem com nmeros complexos na forma y = a + bi . Para se descobrir a magnitude dos coeficientes deve-se tomar o mdulo do nmero complexo obtido por y = a 2 + b 2 Para obter o mdulo usa-se a funo IMABS( ) do Excel. Essa funo est em inserir- funo- engenharia:

Figura 3 IMABS 10

O resultado do IMABS colocado na coluna G, mostrando a magnitude dos coeficientes.

2.2 Anlise de Fourier

A anlise dos grficos feita atravs dos picos observados, pois indicam dominncias de repeties dos eventos. Um pico em 2, por exemplo no grfico de Frequncia em Ciclos indica que um fenmeno se repete com essa freqncia, ou seja, 2 ciclos por dia. No grfico de Freqncia angular, o pico medido em radianos, portanto, um pico em 2 no grfico de Freqncia Em Ciclos equivalente a um pico em 12,56 (2. .2) no grfico de Freqncia Angular. Por fim, os picos do grfico de Perodo so utilizados para encontrar de quanto em quanto tempo um ciclo repetido, ou seja, uma freqncia de 2 ciclos/dia significa que esse fenmeno se repete a cada 0,5 dia.

11

Captulo 3 Estudo das Freqncias

A anlise citada no captulo anterior foi realizada com aes das empresas Avon Products, Vivo, Colgate- Palmolive e Marisa. Inicialmente os fechamentos de cada uma das empresas foram retirados do site Economtica. Em seguida foi feita a estimao da reta pelo mtodo dos mnimos quadrados para o clculo das Sazonalidades e ento a anlise de Fourier foi realizada. Finalmente foram feitos os grficos de Freqncia em ciclos, Freqncia angular e Perodo. Foi realizada uma visualizao ampliada dos perodos mais freqentes em todo o histrico dos dados obtidos das aes negociadas na Bovespa. Os resultados encontram-se a seguir:

3.1 Caso 1 Fechamentos da Avon Products, de 1/4/1999 11/08/2006

12

Fechamentos + Mnimos Quadrados

45 40 35 30 25 20 15 10 5 0 0 500 1000 1500 2000 2500

Figura 4 Fechamentos e Mnimos Quadrados Na Figura 4 encontram-se os fechamentos da empresa Avon Products de 1/4/1999 11/08/2006, na mesma figura esto tambm as estimativas encontradas pelo Mtodo dos Mnimos Quadrados explicado no Captulo 2 e representado pelas frmulas (2.1) e (2.2).

Sazonalidades
15 10 5 0 -5 -10 -15 0 500 1000 1500 2000 2500

Figura 5 Sazonalidades A Figura 5 uma representao das Sazonalidades, que so encontradas a partir da subtrao entre os Fechamentos e as estimativas encontradas pelo Mtodo do Mnimos Quadrados.

13

Frequncia em Ciclos
4000 3500 3000 2500 2000 1500 1000 500 0 -500 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5

Figura 6 - Freqncia em ciclos A Figura 6 uma representao das Freqncias em Ciclos para o perodo todo.

Frequncia em Ciclos
4000 3500 3000 2500 2000 1500 1000 500 0 0 0,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16

Figura 7 - Freqncia em ciclos da rea circulada Para uma melhor visualizao optou-se por uma ampliao da rea circulada na Figura 7, onde se observa um pico de maior freqncia em aproximadamente 0,01. Essa freqncia encontrada indica que os valores dessa ao se repetem a cada 0,01 perodo de tempo. Caso um investidor desejasse a aquisio de tal ao, o mesmo preo seria realizado em 0,01 dias a frente.

14

Frequncia Angular
4000 3500 3000 2500 2000 1500 1000 500 0 -500 0 5 10 15 20 25 30

Figura 8 - Freqncia angular A Figura 8 uma representao das Freqncias Angulares para o perodo todo.

Frequncia Angular
4000 3500 3000 2500 2000 1500 1000 500 0 0 0,2 0,4 0,6 0,8 1 1,2

Figura 9 - Freqncia Angular da rea circulada Para uma melhor visualizao optou-se por uma ampliao da rea circulada na Figura 9, onde se observa um pico de maior freqncia em aproximadamente 0,05.

15

Perodo
4000 3500 3000 2500 2000 1500 1000 500 0 -500 0 100 200 300 400 500 600

Figura 10 - Perodo

3.2 Caso 2 Fechamentos da Vivo, de 2/1/2001 3/12/2004

Fechamentos + Mnimos Quadrados

120 100 80 60 40 20 0 -20 0 500 1000 1500 2000 2500

Figura 11 Fechamentos e Mnimos Quadrados Na Figura 11 encontram-se os fechamentos da empresa Vivo de 2/1/2001 3/12/2004. Tambm na Figura 11 esto as estimativas encontradas pelo Mtodo dos Mnimos Quadrados.

16

Sazonalidades 30 20 10 0 -10 0 -20 -30 -40 -50 -60 -70

500

1000

1500

2000

2500

Figura 12 Sazonalidades A Figura 12 uma representao das Sazonalidades, que so encontradas a partir da subtrao entre os Fechamentos e as estimativas encontradas pelo Mtodo do Mnimos Quadrados.

Frequncia em ciclos
14000 12000 10000 8000 6000 4000 2000 0 -2000 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5

Figura 13 - Freqncia em ciclos A Figura 13 uma representao das Freqncias em Ciclos para o perodo todo.

17

Frequncia em Ciclos
14000 12000 10000 8000 6000 4000 2000 0 0 0,02 0,04 0,06 0,08 0,1 0,12

Figura 14 - Freqncia em ciclos da rea circulada Para uma melhor visualizao optou-se por uma ampliao da rea circulada na Figura 14, onde se observa um pico de maior freqncia em aproximadamente 0,005. Caso um investidor desejasse a aquisio de tal ao, o mesmo preo seria realizado em 0,005 dias a frente.

Frequncia Angular
14000 12000 10000 8000 6000 4000 2000 0 -2000 0 5 10 15 20 25 30

Figura 15 - Freqncia angular A Figura 15 uma representao das Freqncias Angulares para o perodo todo.

18

Frequncia Angular
14000 12000 10000 8000 6000 4000 2000 0 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8

Figura 16 - Freqncia Angular da rea circulada Para uma melhor visualizao optou-se por uma ampliao da rea circulada na Figura 14, onde se observa um pico de maior freqncia em aproximadamente 0,005.
Perodo
14000 12000 10000 8000 6000 4000 2000 0 -2000 0 100 200 300 400 500 600

Figura 17 - Perodo

3.3 Caso 3 Fechamentos da Colgate- Palmolive, de 31/12/1999 11/06/2007

19

Fechamentos + Mnimos Quadrados

80 70 60 50 40 30 20 10 0 0 500 1000 1500 2000 2500

Figura 18 Fechamentos e Mnimos Quadrados Na Figura 18 encontram-se os fechamentos da empresa Colgate-Palmolive de

31/12/1999 11/06/2007. Tambm na Figura 18, esto as estimativas encontradas

pelo Mtodo dos Mnimos Quadrados.

Sazonalidades
20 15 10 5 0 -5 0 -10 -15 -20 500 1000 1500 2000 2500

Figura 19 - Sazonalidades A Figura 19 uma representao das Sazonalidades, que so encontradas a partir da subtrao entre os Fechamentos e as estimativas encontradas pelo Mtodo do Mnimos Quadrados.

20

Frequncia em Ciclos
6000 5000 4000 3000 2000 1000 0 -1000 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5

Figura 20 - Freqncia em ciclos A Figura 20 uma representao das Freqncias em Ciclos para o perodo todo.

Frequncia Em Ciclos
6000 5000 4000 3000 2000 1000 0 0 0,05 0,1 0,15 0,2 0,25

Figura 21 Freqncia em Ciclos da rea circulada Para uma melhor visualizao optou-se por uma ampliao da rea circulada na Figura 21, onde se observa um pico de maior freqncia em aproximadamente 0,001. Caso um investidor desejasse a aquisio de tal ao, o mesmo preo seria realizado em 0,001 dias a frente.

21

Frequncia Angular
6000 5000 4000 3000 2000 1000 0 -1000 0 5 10 15 20 25 30

Figura 22 - Freqncia angular A Figura 20 uma representao das Freqncias Angulares para o perodo todo.

Frequncia Angular
6000 5000 4000 3000 2000 1000 0 0 0,2 0,4 0,6 0,8 1 1,2 1,4

Figura 23 - Freqncia Angular da rea circulada Para uma melhor visualizao optou-se por uma ampliao da rea circulada na Figura 23, onde se observa um pico de maior freqncia em aproximadamente 0,001.

22

Perodo
6000 5000 4000 3000 2000 1000 0 -1000 0 100 200 300 400 500 600

Figura 24 - Perodo

3.4 Caso 4 Fechamentos da Marisa, de 2/1/2001 3/12/2004

Fechamentos + Mnimos Quadrados

20 15 10 5 0 0 200 400 600 800 1000 1200

Figura 25 Fechamentos e Mnimos Quadrados Na Figura 25 encontram-se os fechamentos da empresa Marisa de 2/1/2001 3/12/2004. Tambm na Figura 25, esto as estimativas encontradas pelo Mtodo dos Mnimos Quadrados.

23

Sazonalidades
8 6 4 2 0 -2 0 -4 -6 -8 200 400 600 800 1000 1200

Figura 26 Sazonalidades A Figura 26 uma representao das Sazonalidades, que so encontradas a partir da subtrao entre os Fechamentos e as estimativas encontradas pelo Mtodo do Mnimos Quadrados.

Frequncia em Ciclos
1400 1200 1000 800 600 400 200 0 -200 0 0,5 1 1,5 2 2,5

Figura 27 - Freqncia em ciclos A Figura 27 uma representao das Freqncias em Ciclos para o perodo todo.

24

Freqncia em Ciclos
1400 1200 1000 800 600 400 200 0 0 0,05 0,1 0,15 0,2 0,25

Figura 28 - Freqncia Em Ciclos da rea circulada Para uma melhor visualizao optou-se por uma ampliao da rea circulada na Figura 28, onde se observa um pico de maior freqncia em aproximadamente 0,005. Caso um investidor desejasse a aquisio de tal ao, o mesmo preo seria realizado em 0,005 dias a frente.

Frequncia Angular
1400 1200 1000 800 600 400 200 0 -200 0 2 4 6 8 10 12 14

Figura 29 - Freqncia angular A Figura 29 uma representao das Freqncias em Angulares para o perodo todo.

25

Freqncia Angular
1400 1200 1000 800 600 400 200 0 0 0,2 0,4 0,6 0,8 1 1,2 1,4

Figura 30 - Freqncia Angular da rea circulada Para uma melhor visualizao optou-se por uma ampliao da rea circulada na Figura 30, onde se observa um pico de maior freqncia em aproximadamente 0,005.

Perodo
1400 1200 1000 800 600 400 200 0 -200 0 100 200 300 400 500 600

Figura 31 - Perodo

26

Captulo

Programao

Automao de Planilhas para FFT

Para fazer a anlise de Fourier para qualquer srie de dados, foi feito um UserForm com todos os passos da construo dos grficos, assim possvel analis-los automaticamente. Um UserForm uma forma de interao entre o usurio e o computador.

27

Figura 32 User Form

4.1 Programao Boto tirar traos

Inicialmente, foi feito o boto tirar traos para que os dados da coluna dos fechamentos fossem arrumados atravs de um VBA.

Figura 33 Boto Tirar traos Em feriados os fechamentos no so contabilizados, assim esses dias so representados por um trao como mostrado a seguir:
31,45034 31,58018 31,75995

Para eliminar esses traos atravs de um VBA, foi feita a programao mostrada a seguir: 28

Sub tirartraos()

Dim i As Integer Dim n As Integer

i=2

n = Cells(65536, 1).End(xlUp).Row - 1

Do While i <= n If Cells(i, 3) = "-" Then Cells(i, 3) = Cells(i + 1, 3) ElseIf Cells(i + 1, 2) = "-" Then Cells(i + 1, 3) = Cells(i + 2, 3) End If i=i+1 Loop

End Sub

4.2 Programao Boto Mnimos Quadrados

Aps arrumar a coluna onde se encontram os fechamentos, na coluna 4, foi calculada uma reta estimada ( y ) pelo mtodo dos Mnimos Quadrados. A frmula utilizada est representada no captulo 2 pelos nmeros 2.1 e 2.2.

Figura 34 Boto Mnimos Quadrados

29

As somatrias das frmulas foram feitas separadamente. Inicialmente, a somatria de x (somax) foi feita percorrendo todas as linhas da coluna x, e somando-as. Do mesmo modo foi feita a somatrias da coluna y (somay), porm, nesse caso percorrendo os valores da coluna dos fechamentos. As outras somatrias foram feitas seguindo o mesmo raciocnio, percorrendo as 2 colunas e quando necessrio elevando-as ao quadrado ou multiplicando-as. Por fim, aps o calculo de todas as somatrias necessrias para as frmulas foi possvel encontrar a e b e conseqentemente y . A seguir encontra-se o VBA feito para o calculo das estimativas:

Sub ab()

Dim i As Integer Dim n As Integer Dim w As Single Dim somax As Single Dim somay As Single Dim multxy As Single Dim xy1 As Single Dim X As Single Dim y As Single Dim xy As Single Dim quadx As Single Dim quady As Single Dim xx As Single Dim yy As Single Dim g As Single

Cells(1, 4) = "Mnimos Quadrados"

n = Cells(65536, 1).End(xlUp).Row - 1

somax = 0 30

For i = 1 To n w = Cells(i + 1, 2) somax = somax + w Next i X = somax

somay = 0 For i = 1 To n w = Cells(i + 1, 3) somay = somay + w Next i y = somay

multxy = 0 For i = 1 To n w = Cells(i + 1, 2) g = Cells(i + 1, 3) multxy = multxy + (w * g) Next i xy = multxy

quadx = 0 For i = 1 To n w = Cells(i + 1, 2) quadx = quadx + w ^ 2 Next i xx = quadx

a = (n * xy - X * y) / (n * xx - X ^ 2) b = ((y * xx) - (X * xy)) / (n * xx - (X ^ 2))

For i = 1 To n t = Cells(i + 1, 2) Cells(i + 1, 4) = a * t + b 31

Next i

End Sub

4.3 Programao Boto Arrumar Linhas

Para que a anlise de Fourier possa ser realizada necessrio que o nmero de dados seja igual a 2 m , ou seja, n deve ser uma potncia de 2.

Figura 35 Boto Arrumar Linhas O boto Arrumar Linhas foi feito com uma programao em VBA para que n seja sempre igual a uma potncia de 2.

Sub arrumar_linhas() Dim i As Integer Dim n As Integer Dim l As Double Dim intl As Integer

n = Cells(65536, 3).End(xlUp).Row - 1 l = Log(n) / Log(2) o = Int(l)

m=2^o

For i = m + 2 To n + 1 Cells(i, 1) = " " Cells(i, 2) = " " 32

Cells(i, 3) = " " Cells(i, 4) = " " Next i

End Sub

4.4 Programao Boto Sazonalidades

O boto Sazonalidades foi feito para automatizar o clculo da subtrao dos pontos estimados pelo mtodo dos mnimos quadrados dos pontos originais.

Figura 36 Boto Sazonalidades Para isso foi feita uma subtrao dos nmeros da coluna 4 e os nmeros da coluna 3 de modo que o resultado fosse colocado na coluna 5, que a coluna onde se encontram as sazonalidades.

Sub sazonalidade() Dim n As Integer Dim i As Integer

Cells(1, 5) = "Sazonalidades" n = Cells(65536, 3).End(xlUp).Row - 1

For i = 2 To n Cells(i, 5) = Cells(i, 4) - Cells(i, 3) Next i

End Sub 33

4.5 Programao Boto FFT

O boto criado com o nome FFT utilizado na programao para a realizao da transformada de Fourier. Essa transformada est previamente programada no Excel atravs do comando apresentado abaixo. Optou-se por transportar esse comando para dentro da rea de programao em VBA.

Figura 37 - Boto FFT A anlise de Fourier das sazonalidades foi encontrada de acordo com a programao a seguir:

Cells(1, 6) = "FFT" Range("E1").Select

Range("E2:E1025").Select Application.Run "ATPVBAEN.XLA!Fourier", ActiveSheet.Range("$E$2:$E$1025"), _ ActiveSheet.Range("$F$2:$F$1025"), False, False

4.6 Programao Boto Imabs

O boto Imabs, foi criado para que o uso da funo do Excel com esse nome fosse automatizado.

Figura 38 Boto Imabs Para usarmos a funo IMABS( ) do Excel, foi construda a seguinte programao: 34

Cells(1, 7) = "IMABS"

n = Cells(65536, 3).End(xlUp).Row - 1

ActiveCell.FormulaR1C1 = "=IMABS(RC[-1])" Range("G2").Select Selection.AutoFill Destination:=Range("G2:G1025") Range("G2:G1025").Select

4.7 Programao Boto Freqncia em Ciclos

O boto de Freqncia em Ciclos foi criado para que a anlise das empresas atravs dos sinais de freqncia em ciclos pudesse ser feita.

Figura 39 Boto Freqncia em ciclos A coluna de freqncia em ciclos foi programada em VBA como mostrado a seguir:

Sub frequencia_em_ciclos() Dim i As Integer Dim n As Integer

Cells(1, 8) = "Frequncia em ciclos"

n = Cells(65536, 3).End(xlUp).Row - 1

Cells(2, 8) = 0 For i = 3 To n - 1 35

Cells(i, 8) = Cells(i - 1, 8) + 1 / (512 * (Cells(i, 2) - Cells(i - 1, 2))) Next i

End Sub

4.8 Programao Boto Freqncia Angular

A partir da coluna de freqncias em ciclos, foi feito um boto para o clculo das freqncias angulares.

Figura 40 Boto Freqncia Angular A coluna de freqncias angulares foi programada em VBA como mostrado a seguir:

Sub frequencia_angular() Dim i As Integer Dim n As Integer

Cells(1, 9) = "Frequncia Angular"

n = Cells(65536, 3).End(xlUp).Row - 1

For i = 2 To n Cells(i, 9) = 2 * 3.14159265358979 * Cells(i, 8) Next i

End Sub

36

4.9 Programao Boto Perodo

O boto de perodos foi criado tambm atravs da coluna de freqncias em ciclos.

Figura 41 Boto Perodo A coluna de perodos foi programada em VBA como mostrado a seguir:

Sub Perodo() Dim i As Integer Dim n As Integer

Cells(1, 10) = "Perodo" Cells(2, 10) = 0

n = Cells(65536, 3).End(xlUp).Row - 1

For i = 3 To n - 1 Cells(i, 10) = 1 / Cells(i, 8) Next i

End Sub

4.10 Programao Boto para a construo dos grficos de Freqncia em ciclos

O boto a seguir foi feito para automatizar o desenho do grfico de Freqncia em Ciclos.

37

Figura 42 Boto Grfico de Freqncia em ciclos O grfico de freqncia em ciclos foi desenhado a partir da programao de VBA a seguir:

Dim i As Integer Dim n As Integer

n = Cells(65536, 3).End(xlUp).Row - 1

For i = 2 To n Cells(i, 15) = Cells(i, 8) Cells(i, 16) = Cells(i, 7) Next i

Charts.Add ActiveChart.ChartType = xlXYScatterSmoothNoMarkers ActiveChart.SetSourceData Source:=Sheets("Plan1").Range("O2:P513") ActiveChart.Location Where:=xlLocationAsObject, Name:="Plan1" With ActiveChart .HasTitle = True .ChartTitle.Characters.Text = "Frequncia Em Ciclos" End With

4.11 Programao Boto para a construo dos grficos de Freqncia Angular

O boto a seguir foi feito para automatizar o desenho do grfico de Freqncia Angular.

38

Figura 43 Boto Grfico de Freqncia Angular O grfico de freqncia angular foi desenhado a partir da programao de VBA a seguir: Dim i As Integer Dim n As Integer

n = Cells(65536, 3).End(xlUp).Row - 1

For i = 2 To n Cells(i, 17) = Cells(i, 9) Cells(i, 18) = Cells(i, 7) Next i

Charts.Add ActiveChart.ChartType = xlXYScatterSmoothNoMarkers ActiveChart.SetSourceData Source:=Sheets("Plan1").Range("Q2:R513") ActiveChart.Location Where:=xlLocationAsObject, Name:="Plan1" With ActiveChart .HasTitle = True .ChartTitle.Characters.Text = "Frequncia Angular" End With

4.12 Programao Boto a construo dos grficos de Perodo

O boto a seguir foi feito para automatizar o desenho do grfico de Perodos.

Figura 44 Boto Grfico de Perodo 39

O grfico de Perodos foi desenhado a partir da programao de VBA a seguir:

Dim i As Integer Dim n As Integer

n = Cells(65536, 3).End(xlUp).Row - 1

For i = 2 To n Cells(i, 19) = Cells(i, 10) Cells(i, 20) = Cells(i, 7) Next i

Charts.Add ActiveChart.ChartType = xlXYScatterSmoothNoMarkers ActiveChart.SetSourceData Source:=Sheets("Plan1").Range("S2:T513") ActiveChart.Location Where:=xlLocationAsObject, Name:="Plan1" With ActiveChart .HasTitle = True .ChartTitle.Characters.Text = "Perodo" End With

40

Captulo 5 Perodos

Os picos nos grficos de perodos so aqueles pontos que se destacam com relao aos outros. A ocorrncia de picos nos grficos de perodos expressa a existncia de fenmenos que so repetidos com certa freqncia. O eixo x dos grficos do perodo reproduz o perodo que mais se repete e o eixo y quantas vezes aquele perodo aconteceu na amostragem Ao analisar o grfico de perodos ao longo de um perodo de aproximadamente 30 dias possvel identificar alguns picos. Esses picos esto destacados nas aes analisadas a seguir:

41

5.1 Vivo

Figura 45 Grfico de Perodos Vivo

Perodo mais Freqente (dias) 15,51 18,96

A cada aproximadamente 15 dias, o preo da ao da Vivo igual a R$ 731,95 e a cada aproximadamente 19 dias, o preo da ao da Vivo igual a R$ 1008,82.

5.2 Colgate - Palmolive

Figura 46 Grfico de Perodos Palmolive

42

Perodo (dias) 18,96 24,38 30,11

mais

Frequente

A cada aproximadamente 19, 24 e 30 dias, os perodos que mais se repetem na amostragem acontecem.

5.3 Avon Products

Figura 47 Grfico de Perodos Avon Products

Perodo mais freqente (dias) 10,89 12,19 19,69 24,38 30,11

A cada aproximadamente 11, 12, 20, 24 e 30 dias, os perodos que mais se repetem na amostragem acontecem.

43

5.4 Marisa

Figura 48 Grfico de Perodos Marisa

Perodo mais freqente (dias) 11,66 14,22 18,96 21,33 24,38 26,94

A cada aproximadamente 12, 14, 19, 21, 24 e 27 dias, os perodos que mais se repetem na amostragem acontecem.

44

5.5 Petrobrs

Figura 49 Grfico de Perodos Petrobrs

Perodo mais freqente 17,06 21,33 24,38 28,44

A cada aproximadamente 17, 21, 24 e 28 dias, os perodos que mais se repetem na amostragem acontecem.

5.6 Usiminas

Figura 50 Grfico de Perodos Usiminas

45

Perodo mais freqente 17,06 21,33 28,44

A cada aproximadamente 17, 21 e 28 dias, os perodos que mais se repetem na amostragem acontecem.

5.7 Lojas Americanas

Perodo
60 50 40 30 20 10 0 0 5 10 15 20 25 30

Figura 51 Grfico de Perodos Lojas Americanas No possvel observas picos no grfico de Perodo dos fechamentos das Lojas Americanas.

5.8 Vale

46

Figura 52 Grfico de Perodos Vale

Perodo (dias) 18,96 24,38 26,94 mais freqente

A cada aproximadamente 18, 24 e 27 dias, os perodos que mais se repetem na amostragem acontecem.

5.9 Tabela de Perodos

Para sintetizar os dias que houve a ocorrncia de picos, foi feita a seguinte tabela: Tabela 1 Empresas conforme o perodo de oscilao via FFT

Empresa
Vivo Colgate - Palmolive Avon Products Marisa Petrobrs Usiminas Lojas Americanas Vale

Dias
15,51; 18,96 18,96; 24,38; 30,11 10,89; 12,19; 19,69; 24,38; 30,11 11,66; 14,22; 18,96; 21,33; 24,38; 26,94 17,06; 21,33; 24,38; 28,44 17,06; 21,33; 28,44

18,96; 24,38; 26,94

A tabela acima resume a cada quantos dias os perodos que mais se repetem na amostragem de cada empresa acontecem.

47

Abaixo esto representados os dias em que houve o maior pico para cada empresa.

35 30 25 Dias 20 15 10 5 0 Vivo Colgate Avon Marisa Petrobrs Usiminas Empresa Vale

Figura 53 Perodos FFT Segundo a figura 53, o perodo que mais se repete na amostragem da empresa Vivo se repete a cada 19 dias, j os da Colgate e da Avon atingem o maior valor a cada aproximadamente 30 dias.

48

Captulo 6 Modelos com adio de Sazonalidades

Na anlise de sries temporais o objetivo bsico o de aproximar uma funo do tempo por uma combinao de harmnicos, os coeficientes dos quais so as transformadas de Fourier discretas da srie. Os modelos iniciais foram ajustados atravs das matrizes a seguir:

1 1 1 1

cos x1 y1 cos x2 a y2 = cos x3 b y3 cos x4 y4

onde x a coluna B da planilha do Excel exemplificada na Figura1 e y a coluna C. Como foram feitos modelos com mais do que apenas dois coeficientes

49

( a, b, c ... ) as matrizes mudam aumentando o nmero de colunas da primeira (variando entre senos e cossenos) e o nmero de linhas da segunda O ajuste de um modelo para todas as freqncias de Fourier das aes da Bovespa citadas no captulo anterior foi realizado por meio do programa Matlab, no qual, utilizando os fechamentos das aes foi possvel encontr-los. Para automatizar o programa e encontrar as sries de senos e cossenos de Fourier para as aes com mais facilidade, foi utilizado o Window Editor do Matlab: (DesktopEditor)

Figura 53 Window Editor A programao realizada encontra-se abaixo:

clear all load teste.txt n=length(teste(:,1)); q1=ones(n,1) x=teste(:,1); q2=cos(x); a=[q1 q2]; b=teste(:,2); coef=inv(a'*a)*a'*b

50

Nesse caso o argumento teste.txt a srie que est sendo utilizada, coef a matriz de coeficientes encontrados aps a rotao do programa e seu tamanho depende da quantidade de q (q1, q2, q3 ...) que o modelo possu. Foram encontrados 4 sries para cada ao analisada, pois dependendo da srie, haver um modelo diferente que ser melhor adaptado. Todos as sries so combinaes de senos e cossenos: 1. y (t ) = a + b cos(t ) + c sen(t ) 2. y (t ) = a + b cos(t ) + c sen(t ) 3. y (t ) = a + b cos(t ) + c sen(t ) + d cos(t ) 4. y (t ) = a + b cos(t ) + c sen(t ) + d cos(t ) + e sen(t )

A seguir encontram-se os resultados para as diferentes sries. Tabela 2 Comparao de Sries de Senos e Cossenos de Fourier para as Empresas

Empresa

Modelo1
a = 20.4744 b = -0.0418

Modelo 2
a = 20.4744 b = -0.0418 c = 0.0419

Modelo 3
a = 20.4744 b = 0.0000 c = 0.0419 d = -0.0664

Modelo 4
a = 20.4744 b = 0.0066 c = 0.0171 d = -0.1400 e = 0.1109

Vivo

a = 52.3501

a = 52.3501 b = -0.0237 c = 0.0077

a = 52.3501 b = -0.0001 c = 0.0077 d = -0.0346

a = 52.3501 b = -0.0126 c = 0.0481 d = -0.1491 e = 0.1704

Colgate Palmolive

b = -0.0237

Avon Products

a = 25.5613

a = 25.5613

a = 25.5613

a = 25.5613
51

b = 0.0071

b = 0.0071 c = -0.0042

b = -0.0000 c = -0.0042 d = 0.0075

b = -0.0081 c = 0.0244 d = -0.0358 e = 0.0755

a = 10.8247 b = -0.0004

a = 10.8247 b = -0.0004 c = -0.0130

a = 10.8247 b = -0.0000 c = -0.0130 d = -0.1682

a = 10.8247 b = -0.0499 c = 0.0028 d = 0.0849 e = -0.0216

Marisa

a = 5.3608 b = 0.0053

a = 5.3608 b = 0.0053 c = -0.0051

a = 5.3608 b = -0.0000 c = -0.0051 d = 0.0076

a = 5.3608 b = -0.0012 c = 0.0046 d = -0.0034 e = 0.0106

Petrobrs

a = 5.4998 b = 0.0082

a = 5.4998 b = 0.0082 c = -0.0110

a = 5.4998 b = -0.0000 c = -0.0110 d = 0.0104

a = 5.4998 b = -0.0017 c = 0.0047 d = -0.0011 e = 0.0041

Usiminas

a = 1.1489

a = 1.1489 b = 0.0028 c = -0.0050

a = 1.1489 b = -0.0000 c = -0.0050 d = 0.0037

a = 1.1489 b = -0.0003 c = 0.0010 d = 0.0005 e = -0.0020

52

Lojas Americanas

b = 0.0028

a = 5.7613 b = 0.0137

a = 5.7613 b = 0.0137 c = -0.0181

a = 5.7613 b = -0.0000 c = -0.0181 d = 0.0150

a = 5.7613 b = -0.0022 c = 0.0050 d = 0.0062 e = -0.0009

Vale

Depois de encontrados os valores dos coeficientes das sries para as diferentes empresas, foram desenhados os grficos para que o melhor modelo fosse encontrado. O melhor modelo encontrado foi o da empresa Avon Products. Os grficos foram construdos inicialmente com os fechamentos de cada uma das empresas encontrados anteriormente. Em seguida foi colocada no grfico a srie de senos e cossenos de Fourier encontrado como segue abaixo:

y (t ) = 0,0028 0.0008 cos(t ) + 0,0011sen(t ) - 0,0038 cos(t ) + 0,0001sen(t )

Fechamentos e Modelo
45 40 35 30 25 20 15 10 5 0 0 500 1000 1500 2000 2500

Figura 54 Avon Products A figura 54 uma representao dos Fechamentos com a Srie de senos e cossenos de Fourier da Avon Products encontrado atravs do Matlab. O modelo aproxima o que acontece no perodo de tempo especificado. 53

Captulo 7 Anlise e Projees de algumas Empresas

Nesse captulo, foram feitas anlises, projees e cenrios otimistas e pessimistas de alguns ndices como: Dow Jones, Ibovespa e Hang Seng. Inicialmente os fechamentos de cada um dos ndices foram retirados do site Economtica. Em seguida colocados na coluna C do Excel, seguidos das datas (coluna A) e x, que seriam os valores indo de 1 ao nmero de dados colocados na coluna B. Ao fazer o grfico dos fechamentos possvel encontrar a reta de tendncia e sua equao no grfico, e assim encontrar todos os seus pontos, que foram colocados na coluna D do Excel. Depois foi feita a subtrao dos fechamentos (coluna C) com os pontos encontrados a partir da equao da reta de tendncia, esse resultado foi colocado na coluna E. Dessa subtrao foram estimados os coeficientes para o ajuste de uma srie de senos e cossenos de Fourier, a partir do programa Matlab, como especificado no captulo 6.

54

Por fim o rudo encontrado a partir da subtrao da srie de Fourier com os resultados da coluna E o seu desvio padro calculado para que os cenrios pessimistas e otimistas sejam montados. Os cenrios otimistas e pessimistas so montados atravs dos intervalos de confiana com 68% de confiana. Assim, somam-se os dados da reta de tendncia para cada dia com a srie de senos e cossenos de Fourier e desse resultado soma um desviopadro que foi calculado do rudo para encontrar o cenrio otimista. Depois feita a mesma coisa subtraindo um desvio-padro, que ser o cenrio pessimista. O mesmo calculo tambm pode ser realizado somando e subtraindo (para cenrio otimista e pessimista respectivamente) dois desvios- padro, para ter uma confiana de 95 %.

7.1 Caso 1 - Dow Jones (2003 a 2008)

Os fechamentos do ndice Dow Jones foram retirados do Economtica e a figura 55 mostra os fechamentos e a reta de tendncia encontrada.

Fechamentos e Reta de Tendncia

y = 1,6857x + 7171,3 16000 14000 12000 10000 8000 6000 4000 2000 0 1800 2000 2200 2400 2600 2800 3000 3200 3400

Figura 55 Fechamentos e Reta de Tendncia, Dow Jones A equao da Reta de tendncia encontra-se na Figura 55 e foi utilizada para que a srie de Fourier e em seguida o Rudo (Figura 56) fossem encontrados.

55

Rudo
6000 4000 2000 0 1800 -2000 -4000 -6000

2000

2200

2400

2600

2800

3000

3200

3400

Figura 56 Rudo, Dow Jones Aps encontrar os rudos, foi calculado o seu desvio padro, para ento montar os intervalos de confiana como mostrado na figura 57.

Fechamentos e Cenrios
20000 18000 16000 14000 12000 10000 8000 6000 4000 2000 0 1800

2000

2200

2400

2600

2800

3000

3200

3400

Figura 57 Fechamentos e Cenrios pessimistas e otimistas, Dow Jones A curva do meio a soma da reta de tendncia com a srie de senos e cossenos de Fourier, acima e abaixo desta curva esto os cenrios otimistas e pessimistas, respectivamente. Os intervalos com 68% de confiana so os mais prximos da curva do meio e os com 95% de confiana so os mais distantes.

56

Fechamentos, Cenrios e Previses

20000 18000 16000 14000 12000 10000 8000 6000 4000 2000 0 1800

2300

2800

3300

3800

Figura 58 Previses, Dow Jones A Figura 58 mostra os possveis cenrios para 160 dias (aproximadamente 5 meses) com 68% e 95% de confiana.

7.2 Caso 2 - Ibovespa (1996 a 2008)

Na figura 59 esto os Fechamentos do ndice Ibovespa de 1996 a 2008, a Reta de Tendncia linear e sua equao.

Fechamentos + reta de tendncia

y = 15,464x - 2510,4 80000 70000 60000 50000 40000 30000 20000 10000 0 -10000 0 500 1000 1500 2000 2500 3000 3500

Figura 59 Fechamentos e Reta de Tendncia, Ibovespa

57

A Reta foi encontrada para ser possvel a realizao da anlise de Fourier e em seguida o Rudo (Figura 60).

Rudo
40000 30000 20000 10000 0 0 -10000 -20000 500 1000 1500 2000 2500 3000 3500

Figura 60 Rudo, Ibovespa Aps encontrar os rudos, foi calculado o seu desvio padro, para ento montar os intervalos de confiana como mostrado na figura 61.

Fechamentos e Cenrios
80000 60000 40000 20000 0 0 -20000 -40000 500 1000 1500 2000 2500 3000 3500

Figura 61 Fechamentos e Cenrios pessimistas e otimistas, Ibovespa A curva do meio a soma da reta de tendncia com a srie de senos e cossenos de Fourier, acima e abaixo desta curva esto os cenrios otimistas e pessimistas, respectivamente. Os intervalos com 68% de confiana so os mais prximos da curva do meio e os com 95% de confiana so os mais distantes. 58

Fechamentos, Cenrios e Previses

80000 60000 40000 20000 0 0 -20000 -40000 500 1000 1500 2000 2500 3000 3500

Figura 62 Previses, Ibovespa A Figura 62 mostra os possveis cenrios para 150 dias (aproximadamente 5 meses) com 68% e 95% de confiana.

7.3 Caso 3 Hang Seng (1996 a 2008)

Na figura 63 esto os Fechamentos do ndice Hang Seng de 1996 a 2008 e a Reta de Tendncia linear.

Fechamentos e Reta de Tendncia

35000 30000 25000 20000 15000 10000 5000 0 0 500 1000 1500 2000 2500 3000 3500 y = 2,306x + 9415,1

Figura 63 Fechamentos e Reta de Tendncia, Hang Seng

59

A equao da Reta de tendncia encontra-se na Figura 55 e foi utilizada para que a srie de Fourier e em seguida o Rudo (Figura 56) fossem encontrados.

Rudo
15000 10000 5000 0 0 -5000 -10000 500 1000 1500 2000 2500 3000 3500

Figura 64 Rudo, Hang Seng Aps encontrar os rudos, foi calculado o seu desvio padro, para ento montar os intervalos de confiana como mostrado na figura 65.

Fechamentos e Cenrios
35000 30000 25000 20000 15000 10000 5000 0 -5000 0 -10000 500 1000 1500 2000 2500 3000 3500

Figura 65 Fechamentos e Cenrios pessimistas e otimistas, Hang Seng

60

A curva do meio a soma da reta de tendncia com a srie de senos e cossenos de Fourier, acima e abaixo desta curva esto os cenrios otimistas e pessimistas, respectivamente. Os intervalos com 68% de confiana so os mais prximos da curva do meio e os com 95% de confiana so os mais distantes.

Fechamentos, Cenrios e Previses

35000 30000 25000 20000 15000 10000 5000 0 -5000 0 -10000 500 1000 1500 2000 2500 3000 3500 4000

Figura 66 Previses, Hang Seng A Figura 66 mostra os possveis cenrios para 225 dias (aproximadamente 5 meses e meio) com 68% e 95% de confiana.

61

Captulo 8 Anlise de Wavelet

8.1. Introduo
Na anlise de Fourier podemos extrair apenas informaes sobre o domnio da freqncia. J a anlise de Wavelet tem a capacidade de decompor as funes tanto no domnio da freqncia quanto no domnio do tempo, assim possvel analisar estas funes em diferentes escalas de freqncia e de tempo. Ao plotar os coeficientes da Fourier, o resultado so dois picos representando uma nica freqncia, j os coeficientes Wavelet mostram claramente a localizao exata no momento da descontinuidade.

Figura 67 FFT x Frequncia

Figura 68 Wavelet x Frequncia x Tempo

A anlise de Wavelet capaz de revelar aspectos em dados como: tendncias, descontinuidades e similaridades. Na histria da matemtica, a anlise Wavelet mostra diferentes origens. Muitos dos trabalhos foram realizados por volta de 1930. 62

Antes de 1930, Joseph Fourier (1807) iniciou o estudo de Wavelet com suas teorias de anlise de freqncia. Depois de 1807, os matemticos analisando o sentido das funes, da convergncia da srie de Fourier e sistemas ortogonais, migraram da noo de anlise de freqncia para a noo de anlise de escala. Isto , analisando f(x) criando estruturas matemticas que variam em escala. A anlise de escala menos sensvel a rudos porque ela mede a flutuao mdia do sinal em diferentes escalas. A primeira vez que o termo Wavelet foi mencionado foi em um apndice da tese de Alfred Haar (1909). As Wavelets Haar no so continuamente diferenciveis, o que de certo modo limita suas aplicaes.

Figura 69 - Alfred Haar

Aps 1980, Y. Meyer construiu a primeira Wavelet no trivial. Diferente das Wavelets de Haar, elas so continuamente diferenciveis. Alguns anos depois, Ingrid Daubechies construiu um conjunto de funes base Wavelet ortonormais, que so, talvez, as mais elegantes e se tornaram um marco nas aplicaes de Wavelets.

8.2. As famlias de funes Wavelet

Alm da anlise de imagens, as Wavelets possuem um vasto campo de aplicaes. A compresso de imagens pode ser considerada a mais conhecida das aplicaes, mas existem ainda aplicaes no processamento de sinais, astronomia, acstica, engenharia nuclear, neurofisiologia, msica, tica, fractais e em aplicaes matemticas puras, como na resoluo de equaes diferenciais parciais. Existem algumas famlias de Wavelets, so elas: 63

Haar: a primeira e a mais simples de todas. descontnua e equivale a

Daubechies 1 (db1).

Figura 70 - Haar

Daubechies: Compactly-supported orthonormal Wavelets. Biortogonal: Apresenta a propriedade de fase linear, que necessria na
reconstruo de sinais e imagens. Utiliza duas Wavelets, uma para decomposio e outra para reconstruo, o que gera propriedades interessantes.

Coiflets: A funo Wavelet possui 2N momentos iguais a zero e a funo escala

tem 2N-1 momentos iguais a zero.

Symlets: So Wavelets simtricas. Foi proposta como uma modificao da

famlia Daubechies pela prpria, possuindo caractersitcas similares as desta famlia.

Morlet: No possui funo escala e explcita.

Figura 71 - Morlet

Mexican Hat: Tambm no possui funo escala mas no explcita.

64

Figura 72 Mexican Hatr

Meyer: A Wavelet e a funo escala esto definidas no domnio de freqncia.

Figura 73 Meyer

65

Captulo 9 Tcnicas para o uso da Wavelet

9.1 Introduo
Esse captulo tem o propsito de demonstrar as tcnicas para o uso da anlise de Wavelet, por meio de um exemplo dos dados do Ibovespa. Para isso, sero descritos todos os passos necessrios para que os dados estejam prontos para a anlise. A anlise de Wavelet realizada com o rudo da srie de fechamentos que ser analisada. Para encontr-lo necessrio passar por quatro passos, que sero descritos a seguir.

9.2 Fechamentos do preo da ao

Inicialmente feita a aquisio de n pontos da srie de dados da ao que desejamos analisar. Esses pontos so os fechamentos do preo de uma determinada ao em um perodo de tempo. Para aumentar a eficincia do algoritmo, o tempo de amostragem inicia em 1, assim, os tempos so: 1, 2, 3, ..., ou seja, um intervalo de 1 dia. A seguir, um exemplo dos Fechamentos do Ibovespa de novembro de 2008 a julho de 2009, retirados do Economtica.

66

x 10

5.5

4.5

3.5

3 0

1000

2000

3000

4000

5000

6000

Figura 74 Fechamento dos preos do Ibovespa

Como foi explicado anteriormente, no eixo x est o tempo de amostragem no intervalo de 0 a 6000 e no eixo y esto os fechamentos dos preos do Ibovespa.

9.3 Reta de tendncia

Aps escolher a srie a ser analisada, estimada a reta de tendncia a partir de seus coeficientes, sendo possvel, portanto encontrar todos os seus pontos. A reta de tendncia calculada a partir de uma aproximao dos pontos do fechamento por uma reta.

67

x 10

5.5

4.5

3.5

3 0

1000

2000

3000

4000

5000

6000

Figura 75 Fechamentos Ibovespa e Reta de Tendncia

Na Figura 75 esto representadas a srie de fechamentos do Ibovespa da Figura 67 e a Reta de Tendncia encontrada a partir desses dados. Em seguida, feita a subtrao dos pontos Reta de Tendncia pelos pontos da srie analisada. E do resultado dessa subtrao foram estimados os coeficientes para o ajuste de uma srie de senos e cossenos.

68

8000 6000 4000 2000 0 -2000 -4000 -6000 -8000

1000

2000

3000

4000

5000

6000

Figura 76 Srie de senos e Cossenos

A srie de cossenos foi encontrada como explicado no captulo 6. A Figura 76 mostra no s a srie, mas tambm os pontos resultantes da subtrao da Reta de Tendncia pelos fechamentos, pois a srie foi encontrada de modo a estimar essa subtrao.

9.3 Rudo
Finalmente, para preparar os dados para que a anlise de Wavelet possa ser realizada, feita a subtrao da srie de senos e cossenos pela srie resultante da subtrao da reta de tendncia pelos fechamentos. O resultado dessa subtrao chamado de rudo.

69

6000

4000

2000

-2000

-4000

-6000

-8000

1000

2000

3000

4000

5000

6000

Figura 77 Rudo, Ibovespa

A Figura 77 mostra o resultado da subtrao realizada, ou seja, o rudo dos fechamentos do Ibovespa de novembro de 2008 a julho de 2009. Agora ser possvel, a partir desses dados, realizar a anlise de Wavelet.

9.4 Preparao para a anlise de Wavelet no Matlab

Os itens anteriores mostraram como preparar os dados para que a anlise de Wavelet seja possvel. Para tornar mais a prtica a realizao de tais subtraes e encontrar o rudo final, foi feita uma programao no Matlab Aps salvar a srie dos fechamentos retirada do Economtica no Excel, necessrio import-los para o Matlab.Isso feito em File- Import Data, como descrito a seguir.

70

Figura 78 File- Import Data Em seguida, a programao realizada no WindowEditor:

Na programao descrita acima, n o tamanho da srie a ser analisada; x o tempo de amostragem; y a prpria srie; p so os coeficientes da reta de tendncia; w

71

 a reta de tendncia; z a subtrao de w por y; q1, q2,q3,q4 e q5 so o coeficientes da srie de senos e cossenos; d a srie de senos e cossenos; e a subtrao de d por z. Com essa programao possvel realizar os passos para a preparao da anlise de Wavelet de modo automtico e prtico.

72

Captulo 10 - Usando o Toolbox Wavelet no Matlab

10.1 Introduo
Aps encontrar o rudo dos dados, como descrito no captulo anterior, possvel realizar a anlise de Wavelet. Esse captulo descreve como essa anlise realizado no Matlab. Para realizar a anlise de Wavelet no Matlab, necessrio, aps preparar os dados, abrir a janela de anlise de Wavelet, escrevendo wavemenu na Command

Window do Matlab, como mostrado a seguir:

Figura 79- Window Editor

73

Ao clicar enter abrir a seguinte janela, que contm os diversos tipos de transformada de Wavelet.

Figura 80 Walvelet Toolbox Main Menu

A transformada utilizada nesse trabalho ser a contnua, pois em geral, esta transformada usada na anlise de sinais, enquanto que sua verso discreta usada na compresso de dados. Ao clicar em Continuous Wavelet 1-D, abrir a seguinte janela:

74

Figura 81 Continuous Wavelet 1-D Em seguida, necessrio importar os dados j preparados para a anlise como descrito anteriormente. Essa importao feita em File- Import from Workspace, abrindo assim a seguinte janela:

Figura 82 Import from Workspace Esses dados foram salvos em um vetor chamado e. Portanto esse ser o vetor importado para a anlise.

75

Por fim, para realizar a anlise de Wavelet, basta mudar o tipo de Wavelet para mex-h e clicar em Analyse. A anlise um espectro de frequncias do dados, no qual possvel encontrar os momentos de alta e de baixa frequncia. O Resultado para o exemplo mostrado no captulo anterior, do Ibovespa de novembro de 2008 a janeiro de 2009 o seguinte:

Figura 83 Espectro de frequncias Ibovespa Dessa anlise pode-se perceber que quando h alguma mudana abrupta nos dados, aparece mais branco e quando os dados ficam mais estveis, o resultado da anlise so pontos mais escuros.

76

Captulo 11 IMA - ndice de mudanas abruptas

11.1 ndice de mudanas abruptas

O ndice de mudanas abruptas foi construdo a partir do espectro encontrado com a realizao da anlise de Wavelet, como descrito no captulo anterior. O ndice a relao entre a quantidade de pontos brancos e pretos do espectro, esse ndice varia de 0 a 1 e quanto mais prximo de 1 essa correlao, mais indica uma mudana na trajetria dos dados. Isso porque quanto mais pontos brancos no espectro maior a indicao de uma mudana na trajetria dos dados.

Figura 84 Espectro Ibovespa

77

Um exemplo do uso desse ndice segue nas figuras abaixo, onde a primeira figura de 10 dias de fechamentos do Ibovespa de1 de outubro de 2007 a 11 de outubro de 2007 e a seguinte representa os ndices desse perodo.

Figura 85 Fechamentos Ibovespa

Figura 86 IMA Ibovespa Com a comparao dos grficos, pode-se perceber que uma mudana abrupta na trajetria dos dados sinalizada pela variao do ndice, que vai de aproximadamente 1 a 0 ou de 0 a 1. Ao observar as figuras 77 e 78 no tempo t=2630, possvel perceber que logo em seguida ocorreu uma baixa.

78

11.2 Anlise estatstica dos Eventos

O IMA foi usado para encontrar, em uma base de dados, os momentos que o ndice aponta uma queda no preo de opes. Inicialmente, foram coletados dados dos preos de opes do mercado em um intervalo de 15 segundos. Esses dados so das opes: petrc28, petrd30, petrb24 (dias: 03/02/2009, 23/01/2009, 26/01/2009, 27/01/2009, 28/01/2009, 29/01/2009). A partir desses dados, foram encontrados os ndices de Mudanas Abruptas para todos os momentos observados. Esses valores foram guardados em planilhas do Excel, de modo que na primeira coluna foi colocada a contagem de momentos (t, que varia de acordo com a quantidade de dados), na segunda esto os preos das opes e na terceira, o IMA. Segue, na figura 87, exemplo da disposio dos dados:

Figura 87- dados da opo petrb24

Aps coletados os dados, e dispostos nas planilhas do Excel, foi criada uma macro, em VBA, para encontrar todos os momentos que o ndice tem uma forte queda. Foi considerada como uma forte queda o perodo que o ndice inicia entre 1 e 0.9 e cai para 0. Segue macro utilizada em todas as bases de dados:
Sub ima() Dim i As Integer Dim n As Integer n = Cells(65536, 1).End(xlUp).Row - 1 For i = 1 To n If Cells(i, 3) >= Cells(i + 1, 3) And Cells(i + 1, 3) >= Cells(i + 2, 3) And Cells(i, 3) <> 0 And Cells(i + 1, 3) <> 0 And Cells(i + 2, 3) <> 0 And Cells(i, 3) > 0.9 Then Cells(i, 5) = 1 Cells(i + 1, 5) = 1 End If Next i

79

For i = 1 To n If Cells(i, 5) = 0 And Cells(i + 1, 5) = 1 Then For j = i To n If Cells(j, 5) = 1 And Cells(j + 1, 5) = 0 Then Cells(j, 11) = Cells(i + 1, 3) Cells(j, 12) = Cells(i + 1, 2) Cells(j, 13) = Cells(j + 1, 3) Cells(j, 14) = Cells(j + 1, 2) i=j j=n End If Next j End If Next i j=1 For i = 1 To n If Cells(i, 3) > 0 And Cells(i + 1, 3) = 0 Then Cells(i + 1, 6) = 1 End If Next i i=1 Do While i <= n If Cells(i, 5) = 1 Then For j = i To n If Cells(j, 6) = 1 Then Cells(j, 7) = Cells(i, 3) Cells(j, 8) = Cells(i, 2) x=j j=n+1 End If Next j i=x End If i=i+1 Loop For i = 1 To n If Cells(i, 6) = 1 And Cells(i, 8) <> 0 Then Cells(i, 9) = Cells(i, 3) Cells(i, 10) = Cells(i, 2) End If Next i End Sub

Esse programa encontra, em uma srie de dados dispostos nas colunas do Excel, todos os momentos que o ndice inicia entre 0.9 e 1 e ca, continuamente, at atingir o valor zero.

80

Com esse programa mais fcil analisar o ndice para todos os dados coletados e estimar a quantidade de eventos que a queda aconteceu. Segue abaixo um resumo dos dados estudados.

petrc28 petrd30 Minutos de Observao Eventos (sinais de alerta de Crash) Queda mdia Queda mxima Queda mnima Tempo da queda mxima (em minutos) Inicio da queda mxima Fim da queda mxima
R$1,34 R$0,33 R$1,72 R$0,79 3 89,75 -0,57% -0,88% -14,7% -7,59% 32 -2,3% 22 -2,25% 1003 1003

ptrb24 03/02/2009
1235

ptrb24 - 2009 23/01

186

26/01
154

27/01
446

28/01
660

29/01
812

25 -2,22% -5,73% -0,37%

7 -2,07%

3 -1,8%

15

20

21

-2,66% -2,33% -2,42%

-4,76% -2,17% -5,73% -5,73% -5,73% -0,66% -1,11% -0,55% -0,4% -0,4%

5,75

23

5,75

5,75

5,75

R$1,92

R$1,89 R$1,84 R$1,92 R$1,92 R$1,92

R$1,81

R$1,8

R$1,8 R$1,81 R$1,81 R$1,81

Tabela 1 Resumo dos eventos de queda

A tabela 1 mostra o tempo de observao dos dados em minutos, a quantidade de eventos encontrada para cada opo, ou seja, quantas vezes houve uma queda do ndice iniciado entre 0.9 e 1 e indo at zero. As mdias, mximas e mnimas quedas entre os

81

eventos encontrados. Por fim, das quedas mximas encontradas, foram detalhadas as duraes dessas quedas em minutos, e os preos iniciais e finais durante esse perodo. Por exemplo, para a opo petrc28, a maior queda encontrada foi de 1,72 a 1,34 e teve durao de 3 minutos. Segue uma mdia de todos os dados analisados:

Mdia Minutos de Observao Eventos (sinais de alerta de Crash) Queda mdia Queda mxima Queda mnima Tempo da queda mxima (em minutos) Inicio da queda mxima Fim da queda mxima
17,71 1,74 1,56 5499 145 1,69 4,69 0,54

Tabela 2 Mdia dos eventos de queda

Os itens Minutos de Observao e Eventos so as somas de todos os dados utilizados no estudo. Todos os outros ndices so mdias dos valores encontrados para as opes descritas anteriormente.

82

Captulo 12 - Concluso

O projeto foi desenvolvido de modo a analisar dados do mercado financeiro e estudar possveis padres de freqncias para eventos de mudanas de tendncias. Para realizar a anlise, foram utilizados mtodos matemticos como a Anlise de Fourier e Anlise de Wavelet. Inicialmente, foram realizados estudos para o entendimento das sries e transformadas de Fourier e, em seguida, foram realizados estudos com o uso da anlise de Wavelet. Com isso, notaram-se as diferenas, vantagens e desvantagens das duas ferramentas. Alm disso, foi possvel rever os conceitos de programao em VBA no Excel e programao e gerao de exemplos numricos no Matlab aprendidos em Sistemas de Informao. A utilizao da teoria de Fourier em dados financeiros possibilita o estudo das freqncias, anlises, projees e criao de cenrios otimistas e pessimistas dos ndices do mercado financeiro. Com essa ferramenta, foi realizada a anlise de algumas sries do mercado e projees com certo grau de confiana de possveis cenrios para essas sries. Como na anlise de Fourier podemos extrair apenas informaes sobre o domnio da freqncia das sries analisadas, foi estudada tambm a anlise de Wavelet, que tem a capacidade de decompor as funes tanto no domnio da freqncia quanto no domnio do tempo e assim foi possvel analisar estas funes em diferentes escalas de freqncia e de tempo. Os resultados dos estudos realizados com coeficientes de Fourier so dois picos representando uma nica freqncia, j os estudos realizados com coeficientes Wavelet mostraram claramente a localizao exata no momento da descontinuidade. A programao em VBA e Matlab permitiu que as anlises feitas com o uso das teorias de Fourier e Wavelet se tornassem mais rpidas e eficientes devido a automao dos passos das anlises. Alm disso, com o uso do Matlab, foi possvel estudar o ndice de mudanas abruptas apresentado por Marco Antonio Leonel

83

Caetano, pesquisador e professor do Insper, que criou o ndice em parceria com Takashi Yoneyama, do Instituto Tecnolgico da Aeronutica (ITA), j que o espectro utilizado para a criao desse ndice formado atravs desse programa. O ndice foi utilizado para verificar mudanas abruptas nas trajetrias dos dados de opes coletados. Com a ajuda de um programa realizado no VBA foi possvel analisar o ndice para todos os dados coletados e estimar a quantidade de eventos que a queda aconteceu.

84

Bibliografia
ECONOMTICA. Acessado em: agosto de 2008 <pt.wikipedia.org>. Acessado em: junho 2002 MORETTIN, Pedro. Anlise de Sries Temporais. Edgard Blcher, 2006.

<http://www.inf.ufsc.br/~visao/2000/Wavelets/index.html#3^>. Acessado em julho de 2009 <http://pt.wikipedia.org/wiki/Wavelet>. Acessado em setembro de 2009

85

86