MATHEUS.B
Sobre
Contato

PETROBRAS (PETR4): ECONOMETRIA, SÉRIES TEMPORAIS & ML

Estudo quantitativo cobrindo 26 anos de mercado (2000–2026) com pipeline causal sem look-ahead, CAPM dinâmico, Testes F de Chow, ARIMA, VAR e backtesting Walk-Forward.

Python 3.12 Statsmodels · ARIMA / VAR Scikit-Learn · Walk-Forward Teste de Chow Yahoo · IPEADATA · BCB SGS

Janela Histórica

Jan/2000 – Nov/2026 (6.744 pregões)

Categoria

Séries Temporais & Finanças Quant

Trajetória Histórica PETR4 e Regimes de Volatilidade (2000-2026)
Estudo end-to-end estruturado em 5 Atos integrando Yahoo Finance, séries históricas de Brent (IPEADATA) e taxas do Banco Central (PTAX e Selic em requisições paginadas decenais), com rigor causal estrito contra data leakage.

Ato 1 — Pipeline Causal & Trajetória Histórica (2000–2026)

O pipeline em src/data_pipeline.py reconcilia 6.744 pregões diários e 321 meses fechados desde janeiro de 2000, aplicando forward-fill estritamente causal e tratando o bug histórico de Horário de Verão no yfinance para ativos B3 (2004-11-02).

Separar o preço de tela (Close) do retorno total ajustado a dividendos (Adj Close) revela o papel estrutural dos proventos na tese da estatal: o preço nominal subiu +700,5% (8,08% a.a.), enquanto o retorno total atingiu +4.361,9% (15,25% a.a.) — superando com folga o Ibovespa (+945,4%) e a Selic acumulada (+2.197,0%).

Retorno Total (26 anos) +4.361,9% CAGR 15,25% a.a. (Adj Close)
Quebras de Chow 5 / 5 Marcos Todas significativas (p < 0,001)
FEVD Brent (12m) 25,9% Supera Ibovespa (24,4%) e Câmbio (13,0%)
Acurácia Walk-Forward 72,9% VAR(1) em 48 meses sem leakage

Ato 2 — CAPM Dinâmico e Testes de Quebra Estrutural de Chow

Os parâmetros de risco sistemático da Petrobras não são estáticos ao longo dos ciclos políticos e de commodities. O modelo global com erros HAC Newey-West estima β = 1,224 (CAPM) e eleva o R² ajustado de 0,552 para 0,615 ao incluir Brent (β = 0,271, p < 0,001) e câmbio.

Cinco testes F de Chow formais confirmam quebras estruturais altamente significativas em todos os grandes marcos: Pré-Sal (2006), Crise Subprime (2008), Posse de Pedro Parente / PPI (2016), Choque COVID-19 (2020) e Fim do PPI (2023). Na crise da Lava Jato (2014–2016), a volatilidade saltou a 63,7% a.a. e o Beta a 1,97; no regime Pós-PPI (2023–2026), o Beta frente ao Ibovespa caiu para 0,64 enquanto a sensibilidade ao Brent subiu para 0,32.

CAPM Dinâmico e Beta Rolante de 252 dias
Evolução do Beta rolante (252 pregões) e mudança de sensibilidade ao Ibovespa e ao Petróleo Brent ao longo dos regimes.
Teste F de Chow nos 5 Marcos Históricos
Diagnóstico das quebras estruturais pelo Teste F de Chow nos 5 marcos institucionais e macroeconômicos da Petrobras.

Atos 3 & 4 — Estacionariedade, Box-Jenkins e VAR(2)

Enquanto preços diários exibem correlação espúria inflada por raiz unitária I(1) (r = 0,8509), nos log-retornos estacionários I(0) (confirmados por ADF e KPSS) a correlação genuína é 0,6877 com o Ibovespa e 0,3003 com o Brent. Na modelagem univariada mensal, a busca selecionou ARIMA(2,1,0) com resíduos ruído branco (Ljung-Box p = 0,69 no lag 20).

No sistema multivariado VAR(2) com ordenação Cholesky econômica (Brent → USD/BRL → Ibovespa → PETR4), a decomposição da variância (FEVD em 12 meses) mostra que choques no Petróleo Brent respondem por 25,86% do erro de previsão de PETR4, acima de Ibovespa (24,38%) e USD/BRL (12,96%), restando 36,80% de fatores idiossincráticos.

Impulso-Resposta e Decomposição da Variância do VAR(2)
Funções de Impulso-Resposta (IRF) e Decomposição da Variância do Erro de Previsão (FEVD) no modelo VAR(2).

Ato 5 — Armadilha de Data Leakage & Benchmark Walk-Forward

O estudo demonstra empiricamente como validação cruzada aleatória (K-Fold) e variáveis contemporâneas no instante t inflam artificialmente um modelo Ridge de R² = -0,0792 (causal ex-ante t-1) para R² = +0,4375 (com vazamento). Em janela estritamente causal Walk-Forward nos últimos 48 meses (Buy & Hold = +255,51%), 9 modelos foram comparados:

Modelo (Walk-Forward 48m) Categoria RMSE (R$) MAPE (%) Acurácia Direcional Retorno Long/Cash
HistGradientBoosting Machine Learning 2,618 7,05% 54,2% +125,0%
SARIMAX (Exog Macro t-1) Econométrico Exógeno 2,640 6,48% 70,8% +276,6%
VAR(1) Multivariado Econométrico Multiv. 2,641 6,48% 72,9% +269,8%
ARIMA(1,0,1) Walk-Forward Econométrico Univ. 2,704 6,70% 70,8% +338,9%
Random Forest / MLP ML / Deep Learning 2,649 / 2,663 6,66% 58,3% / 66,7% +206,4% / +255,5%
Naive (Random Walk) Baseline 2,762 6,79% — 0,0%
Demonstração de Data Leakage e Benchmark Walk-Forward
Comparação entre backtest com vazamento de dados vs. validação Walk-Forward estritamente causal nos 48 meses finais.
Simulação de Cenários Macroeconômicos de 12 Meses
Simulação de cenários macroeconômicos condicionais para 12 meses (do estresse global ao boom de commodities) com IC 80%.

Outros Projetos