📈 economia

Hidden Markov Modelling of Earthquake-Related Market Regimes and State-Dependent Forecasts: Evidence from the Turkish Stock Market

Este estudo utiliza um Modelo de Markov Oculto Gaussiano de três estados nos dados do Borsa Istanbul 100 para demonstrar que, embora grandes terremotos não desencadeiem sistematicamente mudanças entre regimes de mercado, as previsões resultantes dependentes do estado revelam diferenças significativas no risco de baixa de curto prazo.

Autores originais: Gamze Özel

Publicado 2026-11-04

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Gamze Özel

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Os mercados financeiros raramente são as máquinas constantes e previsíveis que parecem ser em um gráfico diário. Em vez disso, eles frequentemente alternam entre diferentes humores, ou "regimes", que mudam a forma como os preços se comportam. Às vezes, o mercado é calmo e se move em uma faixa estreita e previsível; outras vezes, é tomado pela incerteza, oscilando com volatilidade moderada; e ocasionalmente, entra em um estado de crise onde os preços despencam e o caos reina. Essas mudanças nem sempre são óbvias ao olho nu, mas alteram fundamentalmente o risco que um investidor enfrenta. Compreender quando um mercado está em um desses estados, e quanto tempo ele pode permanecer nele, é crucial para qualquer pessoa que tente navegar na economia. Um novo estudo da Turquia explora se um tipo específico e aterrorizante de choque externo — grandes terremotos — força o mercado de ações a entrar nesses estados de crise, ou se os ritmos internos do mercado são mais complexos do que um único desastre pode ditar.

Os pesquisadores focaram no Borsa Istanbul 100, o principal índice do mercado de ações turco, que serve como um termômetro para a saúde econômica da nação. A Turquia está situada sobre algumas das linhas de falha mais ativas do mundo, tornando-a um laboratório perfeito para esta questão. A equipe reuniu mais de quatro mil dias de dados de negociação, abrangendo de início de 2009 até o início de 2026, e buscou padrões na forma como o mercado se movia. Eles não olharam simplesmente para se o mercado subiu ou desceu no dia de um terremoto. Em vez disso, utilizaram uma ferramenta estatística chamada modelo de Markov oculto. Pense nesta ferramenta como uma forma de ouvir o batimento cardíaco subjacente do mercado, tentando detectar se o mercado está atualmente em um modo "normal", de "incerteza" ou de "crise", mesmo quando esses modos não estão explicitamente rotulados em um letreiro de notícias. Ao analisar os retornos diários, o modelo identificou três estados distintos: um estado normal com baixa volatilidade, um estado de incerteza com oscilações moderadas e um estado de crise caracterizado por alta volatilidade e retornos negativos.

Uma vez que o modelo mapeou esses três estados ao longo do período de dezesseis anos, os pesquisadores sobrepuseram o histórico de grandes terremotos. Eles filtraram os dados para incluir apenas eventos sísmicos significativos, especificamente aqueles com magnitude de 5,5 ou superior, e os alinharam com os dias de negociação em que o mercado estava aberto. O objetivo era ver se esses dias de terremoto eram desproporcionalmente propensos a cair na categoria de "crise". Os resultados foram surpreendentes. Apesar da expectativa intuitiva de que um grande terremoto mergulharia imediatamente o mercado em um estado de pânico, os dados não mostraram tal ligação sistemática. Os dias de terremoto foram distribuídos entre os três estados quase na mesma proporção que qualquer dia aleatório na história do mercado. Aproximadamente 9 por cento dos dias de terremoto caíram no regime de crise, enquanto o restante foi dividido entre as condições de incerteza e normais. Essa distribuição era estatisticamente indistinguível do comportamento geral do mercado.

O estudo também examinou se o tamanho do terremoto importava. Eles separaram os eventos entre aqueles com magnitude entre 5,5 e 6,49 e aqueles que eram ainda maiores, com 6,5 ou acima. A hipótese era que os tremores mais massivos poderiam ser os capazes de desencadear uma mudança imediata para um estado de crise. No entanto, a análise não encontrou evidências para isso também. Quer o terremoto fosse um forte 5,5 ou um devastador 6,5, ele não previu uma mudança imediata no regime subjacente do mercado. O mercado não saltou consistentemente de um estado calmo para um estado de crise simplesmente porque ocorreu um tremor de grande magnitude. Isso sugere que, embora um terremoto específico possa causar danos significativos a certas empresas ou setores, o índice de mercado agregado não entra automaticamente em um modo de "crise" baseando-se apenas na magnitude do terremoto. A reação do mercado parece depender de outros fatores, como a localização do tremor, o tempo relativo às horas de negociação ou as condições econômicas mais amplas no momento, nenhum dos quais foi capturado apenas pelo tamanho do terremoto.

Embora os terremotos não parecessem forçar o mercado para um estado de crise, o estudo descobriu que saber o estado atual do mercado é incrivelmente poderoso para prever o que acontece a seguir. Os pesquisadores usaram seu modelo para simular como o mercado poderia se comportar ao longo do próximo mês, dependendo de onde ele começasse. Se o mercado começa em um estado de crise, as simulações mostram uma alta probabilidade de que ele permaneça nesse estado no próximo dia ou dois, mas é improvável que retorne ao normal imediatamente. Em vez disso, tende a derivar para o estado de "incerteza" primeiro, agindo como um meio termo antes de eventualmente retornar à calma. Por outro lado, se o mercado começa em um estado normal, é muito provável que permaneça nele por um tempo, embora o risco de eventualmente visitar um estado de crise aumente ao longo de um período de trinta dias. Essas simulações revelaram que o ponto de partida importa imensamente. Um mercado que começa em crise tem uma gama muito mais ampla de resultados possíveis e uma chance significativamente maior de terminar o mês com uma perda em comparação com um mercado que começa em um estado normal.

As descobertas oferecem uma visão matizada de como desastres naturais interagem com sistemas financeiros. Elas sugerem que o mercado não é um vidro frágil que se estilhaça instantaneamente ao primeiro sinal de um tremor. Em vez disso, possui uma estrutura interna complexa que resiste a explicações simples de causa e efeito. Um grande terremoto não garante uma queda do mercado, nem garante uma mudança para um regime de crise. A reação do mercado é filtrada por sua condição atual e outras variáveis invisíveis. No entanto, uma vez que o mercado está em um estado de crise, ele tende a permanecer nele por um tempo, passando por um período de incerteza antes de se recuperar. Para investidores e analistas, a lição é que observar choques externos como terremotos é apenas parte do quadro. Compreender o estado oculto atual do mercado — se está calmo, incerto ou em crise — fornece um mapa muito mais claro dos riscos que virão pela frente, independentemente do que o chão sob o piso de negociação esteja fazendo.

Resumo Técnico: Modelagem de Markov Oculto de Regimes de Mercado Relacionados a Terremotos e Previsões Dependentes de Estado

Definição do Problema
O artigo aborda o desafio de compreender como grandes terremotos influenciam a dinâmica dos mercados financeiros, especificamente o índice Borsa Istanbul 100 (BIST 100). Enquanto a literatura existente documenta extensivamente retornos anormais de curto prazo e mudanças na volatilidade após desastres específicos utilizando métodos de estudo de eventos, essas abordagens frequentemente assumem um único processo gerador de retornos subjacente. O autor argumenta que os retornos financeiros exibem agrupamento de volatilidade (volatility clustering), caudas pesadas e períodos distintos de alto ou baixo risco que são melhor representados por modelos que permitem que os parâmetros mudem de acordo com estados não observados. O estudo busca determinar se grandes terremotos estão sistematicamente associados a mudanças em regimes latentes de retorno e volatilidade e se as características dos terremotos podem prever mudanças imediatas nos estados do mercado.

Metodologia
O estudo utiliza um Modelo de Markov Oculto (HMM) Gaussiano de três estados para analisar os retornos logarítmicos diários do índice BIST 100.

Dados: A amostra empírica compreende 4.334 observações diárias de 5 de janeiro de 2009 a 3 de abril de 2026. O catálogo de terremotos cobre o período sobreposto de 19 de junho de 2009 a 27 de outubro de 2025.
Filtragem de Eventos: De um conjunto inicial de 96 terremotos com magnitude $M \ge 5,5$ , 74 eventos representativos foram selecionados usando um filtro de evento principal de 48 horas para evitar a sobreponderação de agrupamentos de réplicas (aftershocks). Os eventos foram alinhados com o dia de negociação contemporâneo ou o dia seguinte.
Especificação do Modelo: O HMM assume que o retorno diário $r_t$ segue uma distribuição Gaussiana dependente do estado $N(\mu_k, \sigma^2_k)$ , onde $k \in \{1, 2, 3\}$ representa o regime de mercado não observado. Os regimes são inferidos pós-estimação com base nas características de volatilidade e retorno médio.
Estratégia de Análise:
1. Estimação de Regime: O modelo estima probabilidades de transição, durações esperadas de regime e médias e variâncias específicas do estado.
2. Testes de Associação: Um teste de aderência qui-quadrado de Pearson compara a distribuição dos dias de negociação vinculados a terremotos entre os três regimes contra a composição de regime incondicional da amostra completa.
3. Análise de Magnitude: Os eventos são estratificados por magnitude ( $5,5 \le M < 6,5$ vs. $M \ge 6,5$ ) para testar se terremotos maiores predizem mudanças imediatas de regime (usando o teste exato de Fisher).
4. Previsão: Previsões condicionais ao estado são geradas usando a matriz de transição e simulações de Monte Carlo (100.000 trajetórias) para projetar retornos cumulativos de 30 dias e probabilidades de regime, condicionados ao estado inicial.
Extensão Proposta: O artigo delineia um quadro teórico para um modelo de probabilidade de transição variante no tempo (TVTP), onde covariáveis de terremotos (magnitude, profundidade, distância) poderiam influenciar a probabilidade de mudança entre estados, embora esta extensão não seja estimada na análise atual.

Principais Resultados

Caracterização de Regime: O modelo de três estados identifica regimes distintos:
- Crise: 7,27% das observações, retorno médio -0,79%, volatilidade 3,45%, duração esperada 5,3 dias.
- Incerteza: 51,66% das observações, retorno médio 0,20%, volatilidade 1,16%, duração esperada 12,1 dias.
- Normal: 41,07% das observações, retorno médio 0,19%, volatilidade 0,50%, duração esperada 15,7 dias.
- Os regimes de "Incerteza" e "Normal" possuem retornos médios positivos semelhantes; sua distinção primária é a volatilidade.
Dinâmica de Transição: O regime de crise é persistente (81,1% de probabilidade de permanência), mas as saídas da crise ocorrem predominantemente através do regime de "Incerteza", em vez de ir diretamente para o "Normal". O regime "Normal" é o mais persistente (93,6% de autotransição).
Associação com Terremotos:
- Hipótese H3 (Rejeição): A distribuição dos dias de negociação vinculados a terremotos entre os três regimes (7 crise, 35 incerteza, 32 normal) não difere significativamente da composição de estado incondicional ( $\chi^2 = 0,845, p = 0,655$ ).
- Hipótese H4 (Rejeição): Não há associação significativa entre grupos de magnitude de terremoto e mudanças imediatas de regime no dia seguinte ( $p = 0,952$ ).
Previsões Dependentes de Estado: Embora a associação agregada de terremotos seja fraca, as previsões condicionais ao estado revelam diferenças substanciais de risco.
- Partindo de um estado de Crise, o retorno esperado de 30 dias é próximo de zero (0,03%) com uma probabilidade de 46,0% de um retorno cumulativo negativo e uma probabilidade de 89,9% de visitar o regime de crise novamente.
- Partindo de um estado Normal, o retorno esperado é de 4,28% com apenas 20,5% de probabilidade de um resultado negativo.
- As previsões mostram que o estresse do mercado se dissipa gradualmente através do regime de "Incerteza", em vez de retornar imediatamente ao "Normal".

Significância e Alegações
O artigo afirma contribuir para a literatura de quatro maneiras específicas:

Escopo da Amostra: Utiliza uma amostra de longo prazo (2009–2026) contendo múltiplos eventos sísmicos, em vez de focar em um único evento catastrófico.
Separação Metodológica: Separa a estimação dos regimes de mercado latentes da subsequente análise dos dias de terremoto, reduzindo o risco de classificação circular onde os estados são definidos apenas por datas de desastres.
Métricas Expandidas: Vai além dos retornos anormais médios para relatar probabilidades de transição, persistência de regime, durações esperadas e previsões condicionais ao regime.
Extensão Teórica: Propõe uma especificação de mudança de Markov variante no tempo para examinar se as características dos terremotos afetam os retornos dentro de um regime ou alteram a probabilidade de transições de regime.

Interpretação Modesta dos Achados
O autor adverte explicitamente que os resultados agregados não estabelecem um elo causal sistemático entre a magnitude do terremoto e mudanças imediatas de regime. Argumenta-se que a magnitude, por si só, é um indicador insuficiente de exposição financeira, pois fatores como profundidade, localização, exposição econômica e respostas de política (por exemplo, suspensões de negociação) variam significativamente. O estudo conclui que, embora os terremotos não predigam sistematicamente mudanças de regime no índice agregado em toda esta amostra, o quadro de estados latentes permanece valioso para o monitoramento de risco. As previsões condicionais ao estado demonstram que o regime de mercado atual afeta materialmente as distribuições de risco de curto prazo, fornecendo uma ferramenta probabilística para avaliar o estresse do mercado mesmo na ausência de uma correlação direta entre terremoto e regime.

Mais como este