Consistent Variable Selection for GARCH-X Models

1. Formulação do Problema

A modelagem da volatilidade financeira frequentemente depende de modelos GARCH (Heterocedasticidade Condicional Autoregressiva Generalizada). Embora os modelos GARCH padrão capturem a dinâmica endógena da volatilidade (choques passados e volatilidade passada), evidências empíricas sugerem que fatores externos (exógenos) — como indicadores macroeconômicos, intensidade de notícias ou preços de commodities — influenciam significativamente a volatilidade.

O modelo GARCH-X estende a estrutura padrão para incluir essas covariáveis exógenas. No entanto, um desafio crítico surge quando o número de covariáveis potenciais é grande:

• Dificuldade de Seleção de Modelo: Os métodos existentes focam principalmente na seleção da ordem do modelo (por exemplo, determinar $p$ e $q$ em GARCH($p,q$)) em vez de selecionar variáveis exógenas específicas.
• Carga Computacional: Testar exaustivamente todas as combinações de covariáveis usando critérios penalizados (como BIC ou AIC) é computacionalmente proibitivo quando o número de covariáveis é moderado a grande.
• Falta de Garantias Teóricas: Não havia um procedimento estabelecido com resultados de consistência teórica especificamente para a seleção de covariáveis exógenas em modelos de volatilidade. O objetivo é identificar o "verdadeiro" subconjunto de covariáveis relevantes que impulsionam a volatilidade, excluindo as irrelevantes.

2. Metodologia

Os autores propõem um procedimento consistente de seleção de variáveis baseado em um quadro de testes de hipóteses múltiplas combinado com o controle da Taxa de Descoberta Falsa (FDR).

A. Estrutura do Modelo

O artigo utiliza o modelo GARCH($p,q$)-X:
$$\epsilon_t = \sigma_t w_t$$
$$\sigma_t^2(\theta) = \omega + \sum_{i=1}^p \alpha_i \epsilon_{t-i}^2 + \sum_{j=1}^q \beta_j \sigma_{t-j}^2 + \gamma^T X_{t-1}$$
Onde $X_{t-1}$ é um vetor de $d$ covariáveis exógenas, e $\gamma = (\gamma_1, \dots, \gamma_d)'$ representa os coeficientes a serem testados. O objetivo é recuperar o conjunto de índices verdadeiro $I_0 = \{k : \gamma_k \neq 0\}$.

B. Teste de Hipóteses

Para cada covariável $k$, os autores formulam um teste de hipótese unilateral:

• $H_0^k: \gamma_k = 0$ (A covariável é irrelevante)
• $H_1^k: \gamma_k > 0$ (A covariável é relevante)

Eles utilizam o Estimador de Máxima Verossimilhança Quase (QMLE) $\hat{\theta}_n$. Sob condições de regularidade (estabelecidas em Francq e Thieu, 2019), o estimador é consistente e assintoticamente normal (projetado no espaço de parâmetros devido às restrições de não negatividade).

A estatística de teste para cada covariável é uma estatística do tipo Wald:
$$t_n(k) = \frac{\sqrt{n} e_k^T \hat{\theta}_n}{\sqrt{e_k^T \hat{\Sigma}_n e_k}}$$
Onde $\hat{\Sigma}_n$ é a matriz de covariância assintótica estimada. Devido à restrição de positividade nos parâmetros, a estatística ao quadrado $t_n^2(k)$ segue uma distribuição qui-quadrado-barra (uma mistura de uma massa pontual em 0 e uma distribuição $\chi^2_1$).

C. Seleção de Variáveis via Controle FDR

Em vez de usar um nível de significância fixo (que leva a altos erros do Tipo I em testes múltiplos), os autores aplicam o procedimento de Benjamini–Yekutieli (2001) para controlar a Taxa de Descoberta Falsa (FDR).

1. Calcular os valores-p $\pi_k$ para todas as $d$ covariáveis.
2. Ordenar os valores-p: $\pi_{(1)} \leq \dots \leq \pi_{(d)}$.
3. Determinar o maior índice $\ell$ tal que:
   $$\pi_{(k)} \leq \frac{k}{d} \frac{\alpha_n}{\sum_{l=1}^d l^{-1}}$$
4. Rejeitar as hipóteses nulas para as primeiras $\ell$ covariáveis. O conjunto selecionado $\hat{I}$ consiste nos índices dessas hipóteses rejeitadas.

D. Condições de Consistência

O método é provado ser consistente (ou seja, $P(\hat{I} = I_0) \to 1$ quando $n \to \infty$) sob condições específicas:

• Condição (C1): As variâncias assintóticas dos estimadores devem diminuir suficientemente rápido em relação ao tamanho da amostra ($\sigma_{kk} < n/\log(n)$).
• Força do Sinal: O nível de significância $\alpha_n$ deve decair para 0 a uma taxa específica ($\alpha_n = o(e^{-cn})$) à medida que o tamanho da amostra aumenta, permitindo que o método distinga sinais verdadeiros de ruído, mesmo que a força do sinal diminua ligeiramente.

3. Contribuições Principais

1. Consistência Teórica: O artigo fornece a primeira prova formal de que uma regra de seleção de variáveis baseada no controle FDR é consistente para modelos GARCH-X, garantindo a recuperação assintótica do conjunto verdadeiro de covariáveis.
2. Tratamento de Restrições: A metodologia conta explicitamente com as restrições de não negatividade dos parâmetros GARCH, utilizando a distribuição qui-quadrado-barra correta para o cálculo de valores-p em vez de aproximações normais padrão.
3. Eficiência Computacional: Ao evitar a busca exaustiva sobre todos os subconjuntos e utilizar um procedimento FDR ascendente, o método escala eficientemente com o número de covariáveis.
4. Robustez ao Decaimento do Sinal: O quadro teórico permite "decaimento da força do sinal", significando que o método funciona mesmo se o tamanho do efeito das covariáveis relevantes diminuir à medida que o tamanho da amostra cresce, desde que o decaimento não seja muito rápido.

4. Resultados

A. Simulações de Monte Carlo

Os autores conduziram simulações extensas em quatro cenários:

• Cenários 1 & 2: GARCH(1,1)-X com covariáveis independentes e correlacionadas com decaimento exponencial.
• Cenários 3 & 4: GARCH(2,1)-X com covariáveis independentes e correlacionadas.
• Distribuições: Os erros foram gerados a partir de Normal, Student's $t$ (5 e 7 graus de liberdade) para testar a robustez contra caudas pesadas.
• Tamanhos de Amostra: $n = 500, 1000, 5000, 10000$.

Principais Achados:

• Precisão: À medida que o tamanho da amostra aumentou, o método identificou corretamente as covariáveis relevantes com probabilidade aproximando-se de 1. Para $n=5000$ e $n=10000$, as taxas de seleção para covariáveis verdadeiras foram próximas de 100%, enquanto as taxas de seleção falsa para covariáveis irrelevantes foram negligenciáveis (< 5%).
• Robustez: O método performou bem sob distribuições de caudas pesadas (Student's $t$), embora a convergência tenha sido ligeiramente mais lenta em comparação com o caso Normal.
• Critérios de Seleção de Modelo: Os modelos selecionados pelo método proposto consistentemente alcançaram valores de BIC e AIC menores (melhores) em comparação com o "modelo completo" (todas as covariáveis) e o "modelo nulo" (nenhuma covariável) em tamanhos de amostra maiores, demonstrando um compromisso ótimo entre parcimônia e ajuste.

B. Aplicação em Dados Reais: Volatilidade do S&P 500

O método foi aplicado aos retornos diários do S&P 500 (jan 2000 – mai 2025) usando 9 covariáveis exógenas (NASDAQ, Dow Jones, Petróleo Bruto, Gás Natural, Ouro, Paládio, Arroz, Aço, Trigo).

• Resultados da Seleção: Em um nível de significância ajustado de 0,05, o procedimento selecionou NASDAQ e Petróleo Bruto como os únicos impulsionadores estatisticamente significativos. Aço foi marginalmente significativo.
• Comparação de Modelos:
  • O Modelo Selecionado (NASDAQ + Petróleo Bruto) teve um BIC de 141.721,2 e AIC de 141.689,4.
  • O Modelo Completo (todas as 9 covariáveis) teve um BIC (141.792,3) e AIC (141.715,9) mais altos, indicando sobreajuste.
  • O Modelo Nulo (nenhuma covariável) performou pior que o modelo selecionado em termos de AIC, confirmando que fatores externos adicionam poder explicativo.
• Conclusão: O modelo selecionado forneceu uma explicação mais parcimoniosa e interpretável da volatilidade do S&P 500, capturando o sentimento de mercado (NASDAQ) e choques de energia/inflação (Petróleo) sem complexidade desnecessária.

5. Significado

Este artigo preenche uma lacuna crítica na econometria financeira ao fornecer uma ferramenta rigorosa, fundamentada teoricamente e computacionalmente viável para seleção de variáveis na modelagem de volatilidade.

• Utilidade Prática: Permite que pesquisadores e profissionais identifiquem objetivamente quais indicadores macroeconômicos ou financeiros realmente impulsionam a volatilidade do mercado, evitando a abordagem "pé na pia" de incluir todos os dados disponíveis.
• Avanço Teórico: Estende a aplicação do controle FDR de contextos de regressão para modelos de séries temporais não lineares e heterocedásticos com restrições complexas de parâmetros.
• Gestão de Riscos: Ao identificar os verdadeiros impulsionadores da volatilidade, o método melhora a precisão de ferramentas de gestão de riscos (por exemplo, Value-at-Risk) e modelos de precificação de ativos, particularmente durante períodos de estresse de mercado onde fatores exógenos são mais influentes.