Broken Symmetry of Stock Returns -- a Modified Jones-Faddy Skew t-Distribution

Este artigo argumenta que a assimetria negativa e a média positiva dos retornos das ações decorrem da quebra de simetria na volatilidade estocástica que rege ganhos e perdas, propondo uma distribuição t de Jones-Faddy modificada que captura organicamente essa assimetria e demonstrando sua aplicação nos retornos diários do S&P500.

O essencial

Imagine que o mercado de ações é como um oceano gigante. A maioria das pessoas olha para as ondas e vê apenas o movimento aleatório: às vezes a água sobe, às vezes desce. Mas os físicos e matemáticos que escreveram este artigo olharam mais de perto e perceberam algo estranho: o oceano não é simétrico.

Aqui está a explicação do que eles descobriram, usando uma linguagem simples e algumas analogias:

1. O Problema: O Oceano Não é Equilibrado

Na física clássica, muitas coisas são simétricas. Se você jogar uma moeda, a chance de dar "cara" é igual à de "coroa". Se você modelar o preço das ações com as fórmulas antigas (chamadas de Distribuição t de Student), a teoria diz que as ganhos (quando o preço sobe) e as perdas (quando o preço cai) deveriam ser espelhos um do outro.

Mas a realidade é diferente:

• O mercado sobe mais do que desce: A média é positiva (o oceano tem uma leve inclinação para cima ao longo dos anos).
• As quedas são mais "assustadoras": Quando o mercado cai, ele tende a cair mais fundo e mais rápido do que sobe. As "perdas" têm caudas mais longas e pesadas.
• Há mais dias de lucro: Existem mais dias de ganhos do que de perdas.

As fórmulas antigas falhavam em capturar essa "quebra de simetria". Elas tratavam o ganho e a perda como se fossem gêmeos idênticos, o que não é verdade.

2. A Ideia Inicial: Dois Oceanos Diferentes?

Os autores primeiro pensaram: "E se a volatilidade (a agitação das ondas) for controlada por duas regras diferentes?"

• Uma regra para quando o mercado sobe.
• Outra regra para quando o mercado desce.

Eles criaram um modelo chamado "Meia Distribuição t". Imagine que você pega metade de um gráfico para os lucros e outra metade para os prejuízos e cola as duas.

• O problema: Embora isso funcione matematicamente, é como colar duas metades de um quebra-cabeça que não se encaixam perfeitamente. É artificial. Além disso, esse modelo ainda não conseguia explicar por que o mercado tem uma tendência natural de subir (a média positiva).

3. A Solução Criativa: O "Espelho Distorcido"

Então, eles trouxeram uma nova ferramenta chamada Distribuição t de Jones-Faddy Modificada (mJF).

Pense nisso como um espelho mágico:

• No espelho normal (o modelo antigo), se você levanta o braço direito, o reflexo levanta o esquerdo exatamente igual.
• Neste novo espelho (mJF), se você levanta o braço direito (lucro), o reflexo (prejuízo) é distorcido. Ele pode ser mais largo, mais fino ou mais pesado.

Como funciona na prática?
O modelo usa uma fórmula única e "orgânica" (que não precisa ser colada em duas partes) que permite que:

1. A forma das quedas seja diferente da forma das subidas.
2. O centro do gráfico não fique no zero, mas deslize para um valor positivo (explicando o crescimento médio do mercado).
3. As "caudas" (os eventos extremos) tenham pesos diferentes: as quedas extremas são mais prováveis do que as subidas extremas, mas o modelo ainda mantém a estrutura matemática elegante.

4. O Que Eles Testaram?

Eles pegaram dados reais do S&P 500 (o principal índice de ações dos EUA) de 1980 a 2025. Foi como observar o oceano por 45 anos.

• O que eles viram: O modelo antigo (t de Student) era muito "bonito" demais, não se encaixava na realidade suja e caótica do mercado. O modelo de "duas metades" funcionava, mas era feio e artificial.
• O vencedor: O modelo mJF1 (o espelho distorcido) foi o campeão. Ele se ajustou perfeitamente aos dados reais, capturando tanto a tendência de subida quanto a natureza "assustadora" das quedas, tudo em uma única fórmula matemática.

5. A Conclusão em Uma Frase

O mercado de ações não é um jogo de azar perfeitamente equilibrado onde ganhos e perdas são espelhos. É um sistema onde a volatilidade se comporta de maneira diferente dependendo se você está ganhando ou perdendo.

Os autores descobriram uma nova "receita matemática" (a distribuição mJF) que consegue descrever essa assimetria de forma elegante, sem precisar colar duas metades diferentes. É como se eles tivessem encontrado a fórmula correta para prever como as ondas do oceano financeiro realmente se comportam, reconhecendo que, às vezes, a tempestade é mais forte do que a brisa suave.

Resumo da Ópera:
O mercado sobe devagar e constantemente, mas quando cai, cai de forma mais violenta e imprevisível. Este artigo apresentou uma nova fórmula matemática que entende essa diferença, permitindo prever melhor os riscos e os comportamentos do mercado do que as fórmulas antigas.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "Broken Symmetry of Stock Returns - a Modified Jones-Faddy Skew t-Distribution", apresentado em português:

1. Problema e Motivação

O artigo aborda a assimetria observada empiricamente na distribuição dos retornos diários do índice S&P500 (dados de 1980 a 2025). Embora modelos financeiros tradicionais, como o derivado de equações diferenciais estocásticas (EDEs) com volatilidade estocástica, frequentemente resultem em distribuições simétricas (como a distribuição t de Student), os dados reais apresentam características distintas que violam essa simetria:

• Média positiva: Os retornos tendem a ser positivos a longo prazo.
• Assimetria negativa (Negative Skew): A cauda esquerda (perdas) é mais pesada do que a direita (ganhos).
• Assimetria na contagem: Há um número maior de dias de ganhos do que de perdas.
• Expoentes de cauda diferentes: As perdas seguem uma lei de potência mais lenta (cauda mais pesada) do que os ganhos.

O objetivo do trabalho é modelar essa "quebra de simetria" mantendo, idealmente, uma estrutura baseada em EDEs, ou encontrar uma distribuição orgânica que capture essas assimetrias de forma eficaz.

2. Metodologia

Os autores partem de um modelo clássico de volatilidade estocástica, onde os retornos des-tendenciados ($x_t$) são governados por uma EDE e a variância ($v_t = \sigma_t^2$) segue um processo de reversão à média multiplicativo.

• Abordagem Inicial (Meia Distribuição t - "Half Student-t"):
  A primeira ideia foi assumir que os parâmetros da volatilidade estocástica ($\alpha$ e $\theta$) são diferentes para ganhos e perdas. Isso levaria a uma mistura de duas distribuições t de Student (uma para $x \geq 0$ e outra para $x \leq 0$).

  • Limitação: Embora tenha fundamento em EDEs, este modelo é uma mistura (não uma distribuição orgânica única) e falha em prever a média positiva observada nos dados reais, muitas vezes resultando em uma média negativa.

• Abordagem Principal (Distribuição Jones-Faddy Modificada - mJF):
  Os autores adotam uma extensão da distribuição t de Student proposta por Jones e Faddy, modificada para permitir assimetria.

  • mJF1: Utiliza um único parâmetro de volatilidade média ($\theta$) para ganhos e perdas, mas permite que os parâmetros de forma ($\alpha_g$ e $\alpha_l$) sejam diferentes. Isso introduz assimetria nas caudas e permite um parâmetro de localização ($\mu$) para ajustar a média.
  • mJF2: Uma generalização onde tanto $\alpha$ quanto $\theta$ são diferentes para ganhos e perdas ($\theta_g \neq \theta_l$).
  • Análise Estatística: Foram calculados a Função de Densidade de Probabilidade (PDF), Função de Distribuição Acumulada (CDF), média, variância, moda e coeficientes de assimetria de Pearson para todas as distribuições propostas.

• Validação Numérica:
  Os modelos foram ajustados aos dados diários do S&P500 (1980-2025) usando ajuste Bayesiano. A qualidade do ajuste foi avaliada visualmente (PDF e CCDF - Função de Distribuição Acumulada Complementar) e estatisticamente através de testes de U baseados em estatísticas de ordem e intervalos de confiança para detectar outliers (como "Dragon Kings").

3. Principais Contribuições

1. Identificação da Quebra de Simetria: O trabalho formaliza a ideia de que a assimetria nos retornos do mercado surge de parâmetros de volatilidade estocástica distintos para ganhos e perdas.
2. Proposta da mJF1: Apresenta a distribuição Jones-Faddy Modificada (mJF1) como a candidata mais robusta para descrever os retornos diários do S&P500. Ela consegue capturar:
   • A cauda pesada das perdas (expoente de lei de potência menor para perdas).
   • A média positiva do mercado.
   • A assimetria global da distribuição em uma única função orgânica.
3. Comparação de Modelos: Demonstra que, embora a "Meia Distribuição t" tenha raízes teóricas mais profundas em EDEs, ela falha em capturar a média positiva. A mJF2 (com dois parâmetros de $\theta$) não oferece melhoria significativa em relação à mJF1, sugerindo que a diferença principal reside nos parâmetros de forma ($\alpha$) e não necessariamente na volatilidade média ($\theta$).

4. Resultados

• Ajuste de Parâmetros: A tabela de resultados mostra que o modelo mJF1 reproduz com alta precisão a média positiva ($m_1 \approx 4.06 \times 10^{-5}$) e a variância observada no S&P500.
• Assimetria: O coeficiente de assimetria de Fisher ($\zeta_1$) calculado para o mJF1 ($-3.96 \times 10^{-2}$) está muito próximo do valor empírico do S&P500 ($-7.70 \times 10^{-3}$), superando significativamente o modelo de Student padrão (que tem assimetria zero).
• Comportamento das Caudas: Os expoentes de lei de potência estimados para as caudas (ganhos e perdas) pelos modelos mJF1 e mJF2 estão em excelente concordância com os dados reais do S&P500 (aprox. -3.12 para ganhos e -2.90 para perdas, comparado a -3.14 e -2.91 nos dados).
• Testes Estatísticos: Os testes de U e os intervalos de confiança mostram que os dados do S&P500 se encaixam bem na distribuição mJF1, com poucos pontos fora dos intervalos de confiança esperados, indicando um bom ajuste tanto no corpo quanto nas caudas da distribuição.

5. Significância e Conclusão

O artigo conclui que a distribuição Jones-Faddy Modificada (mJF1) é a generalização mais limpa e transparente da distribuição t de Student para descrever retornos diários de ações, superando as limitações dos modelos simétricos e das misturas simples.

• Implicação Teórica: Embora a mJF1 não tenha sido derivada diretamente de um sistema de EDEs de primeiros princípios (ao contrário da distribuição t padrão), ela captura a "espírito" da quebra de simetria causada por parâmetros de volatilidade distintos.
• Aplicabilidade: O modelo oferece uma ferramenta prática para o gerenciamento de risco, permitindo uma modelagem mais precisa de eventos extremos (caudas pesadas) e da tendência de alta do mercado, que modelos tradicionais subestimam.
• Futuro: Os autores sugerem aplicar o modelo a outros índices (Dow Jones, NASDAQ, mercados europeus e asiáticos) e investigar a relação entre retornos acumulados e diários, além de buscar uma derivação teórica rigorosa da mJF1 a partir de equações diferenciais estocásticas.