INFLUÊNCIA DO GOOGLE TRENDS EM AÇÕES LISTADAS NA BOLSA DE VALORES BRASILEIRA: EVIDÊNCIAS A PARTIR DA MODELAGEM PVAR

Abstract

RESUMO O trabalho propôs analisar como as pesquisas no buscador Google influenciam o retorno, a volatilidade e o volume de negociações das ações que compõem o índice Ibovespa, considerando o período entre 2015 e 2020. Para isso aplicou-se a modelagem de Painel de Vetores Autorregressivos (PVAR). Os resultados do volume histórico de pesquisas do nome da empresa e do ticker apresentam relação bidirecional com o desvio padrão dos retornos, da volatilidade e do volume negociado, sugerindo que a demanda de informação do investidor é atendida, em parte, por pesquisas em buscadores, efeito que também é observado no aumento do volume de negociações, após um choque no volume histórico de pesquisas do ticker. Essas evidencias apontam à eficiência do mercado, pelo menos, para situações semanais, em que há a possibilidade de o investidor pesquisar e compreender cada nova situação do mercado. Entretanto, o acompanhamento da empresa não garante, pelo menos no longo prazo, que os retornos sejam maiores, determinando que a Hipótese do Mercado Eficiente, na versão semi-forte, seja indiretamente observada, pelo aumento de negociações sem a devida alteração no retorno. Para tanto, a utilização do Google Trends pode, em alguma medida, melhorar a acurácia de modelos de previsão que busquem prever o retorno, a volatilidade e o volume de ações.The proposed work analyzed how searches on the Google search engine influence the return, volatility and volume of the shares that make up the Ibovespa index, considering the period between 2015 and 2020. For this, the Auto-regressive Vector Panel (PVAR) modeling was applied. The results implies that the historical search volume for the company name and the ticker show a bidirectional relationship with the standard deviation of returns, volatility and traded volume, suggesting that the investor's demand for information is met, in part, by search engines, which that there is also increase in the traded volume, after a shock, in historical volume of search on the ticker. This evidence points to market efficiency, at least, for weekly situations, in which there is a possibility for the investor to research and understand each new market situation. However, the company's follow-up does not guarantee, at least in the long run, determining that the Efficient Market Hypothesis, in the semi-strong version, is indirectly obtained, by increasing the volume traded without altering the return in long run. Therefore, the use of Google Trends can, to some extent, improve the accuracy of forecasting models that seek to predict the return, volatility and volume of shares in short term.El trabajo propuso analizar cómo las búsquedas en Google influyen en la rentabilidad, volatilidad y volumen de negociación de las acciones que componen el índice Ibovespa, considerando el período comprendido entre 2015 y 2020. Para ello, el Panel de Vector Auto-regresivo (PVAR) fue aplicado. Los resultados del volumen de búsqueda histórico para el nombre de la empresa y el ticker muestran una relación bidireccional con la desviación estándar de los rendimientos, la volatilidad y el volumen negociado, lo que sugiere que la demanda de información del inversor se satisface, en parte, mediante búsquedas en los motores de búsqueda. efecto que también se observa en el aumento del volumen de operaciones, luego de un choque en el volumen histórico de búsquedas del ticker. Esta evidencia apunta a la eficiencia del mercado, al menos, para situaciones semanales, en las que existe la posibilidad de que el inversor investigue y comprenda cada nueva situación del mercado. Sin embargo, el seguimiento de la empresa no garantiza, al menos en el largo plazo, que los retornos sean mayores, determinando que la Hipótesis de Mercado Eficiente, en la versión semi-fuerte, se observe indirectamente, al incrementar las operaciones sin el debido cambio en el retorno. Con este fin, el uso de Google Trends puede, hasta cierto punto, mejorar la precisión de los modelos de pronóstico que buscan predecir el rendimiento, la volatilidad y el volumen de acciones.