Modelo estrutural de retornos, volatilidade e volume de trading

Resumo

O artigo propõe um modelo autorregressivo matricial estrutural para estudar conjuntamente retornos de ativos, volatilidade realizada e volume de trading em um cenário de alta dimensionalidade. O modelo busca capturar tanto os efeitos dinâmicos entre essas variáveis quanto a dependência entre ativos, mantendo uma parametrização mais parcimoniosa que a de um modelo convencional de autorregressão vetorial. Restrições estruturais fundamentadas na Hipótese da Mistura de Distribuições e na teoria dos mercados eficientes são usadas para identificar o modelo.

A análise empírica usa dados diários de componentes do Dow Jones Industrial Average de 2021 a 2025. Os resultados indicam que a volatilidade é o principal fator da atividade de trading. Decomposições da variância do erro de previsão sugerem que choques internos dominam a dinâmica do volume em horizontes curtos, enquanto efeitos entre ativos explicam mais da metade da variação do volume em horizontes mais longos. Um estudo de eventos em torno dos anúncios do FOMC encontra aumento no componente informativo da atividade nos dias dos anúncios, seguido de rápida reversão à média. Esses resultados dependem das ações selecionadas, do período da amostra, das restrições de identificação e da especificação do modelo.

Ideias principais

• A estrutura SMAR modela conjuntamente retornos, volatilidade realizada e volume entre ativos.
• Sua parametrização busca capturar efeitos entre variáveis e dependência entre ativos de forma parcimoniosa.
• A análise relatada identifica a volatilidade como principal fator da atividade de trading.
• Os efeitos entre ativos explicam uma parcela maior da variação do volume em horizontes mais longos.
• Nos dias de anúncio do FOMC, a atividade informativa aumenta e depois apresenta rápida reversão à média.

Tags

# A Structural Matrix Autoregressive Model for the Joint Dynamics of Volume, Volatility, and Returns


# A Structural Matrix Autoregressive Model for the Joint Dynamics of Volume, Volatility, and Returns









This paper proposes a Structural Matrix Autoregressive (SMAR) model for the joint analysis of asset returns, realized volatility, and trading volume in a large-dimensional setting. This framework simultaneously captures dynamic spillovers across financial variables and cross-sectional dependence across assets while preserving a parsimonious parameterization relative to conventional vector autoregressive models. The model is estimated on daily data for the constituents of the Dow Jones Industrial Average over the period 2021-2025 and is structurally identified through restrictions consistent with the Mixture of Distributions Hypothesis and efficient market theory. The empirical findings indicate that volatility is the primary driver of trading activity, suggesting that informational shocks are predominantly incorporated into markets through price variability. Forecast error variance decompositions further reveal that, although internal shocks dominate short-term volume dynamics, cross-asset spillovers account for more than 50% of trading volume variation at longer horizons. Finally, an event-study analysis around FOMC announcements supports the proposed decomposition by identifying significant increases in the informative component of trading activity on announcement days followed by rapid mean reversion.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.