Expoentes de Hurst, Leis de

Potncia e Eficincia no Mercado

de Cmbio Brasileiro


Sergio Da Silva
Departamento de Economia, Universidade Federal de Santa Catarina

Raul Matsushita
Departamento de Estatstica, Universidade de Braslia

Iram Gleria
Departamento de Fsica, Universidade Federal de Alagoas

Annibal Figueiredo
Departamento de Fsica, Universidade de Braslia


Resumo

Encontramos evidncia de eficincia
informacional fraca no mercado de cmbio
brasileiro dirio usando expoentes de Hurst
(Hurst 1951, 1955, Feder 1988)

Os expoentes de Hurst oferecem uma
alternativa vinda da fsica estatstica s
abordagens economtricas tradicionais para a
eficincia


Resumo

Mostramos que uma tendncia rumo eficincia foi
revertida depois da crise cambial de 1999

Tambm encontramos leis de potncia (Mantegna and
Stanley 2000) nas mdias, volatilidades, expoentes de
Hurst, tempos de autocorrelao e ndices de
complexidade dos retornos para crescentes
incrementos de tempo

Nossos resultados tambm aparecem para uma srie
do preo do dlar de alta frequncia


Keywords

Mercado do Dlar

Eficincia Informacional

Econofsica

Leis de Potncia

Expoentes de Hurst





Eficincia Informacional

Associada a passeios aleatrios
tipos 1, 2 e 3

No passeio aleatrio tipo 1 os incrementos
so independentes (no correlacionados) e
identicamente distribudos

Como os incrementos pertencem a uma
mesma distribuio, argumenta-se que o
passeio aleatrio tipo 1 no serve para
sries com quebras estruturais
(caso da srie diria do preo do dlar)


Eficincia Informacional


No passeio aleatrio tipo 2 os incrementos
so independentes, mas provm de
diferentes distribuies

No passeio aleatrio tipo 3 h diferentes
distribuies, mas os quadrados dos
incrementos so auto-correlacionados
(embora os incrementos sejam ainda
independentes)


Eficincia Informacional

Eficincia Forte: o preo do ativo j leva em conta
toda a informao disponvel, pblica e privada (inside
trading)

Eficincia Semi-Forte: o preo do ativo j leva em
conta toda a informao pblica disponvel

Eficincia Fraca: o preo do ativo j leva em conta a
informao disponvel em sua srie histrica

Testes de sries temporais de nica varivel buscam
verificar a existncia de eficincia fraca


Eficincia Informacional

Exemplos de testes economtricos para a
eficincia fraca so os efeitos

intraday, dia da semana, sazonalidade dos
retornos

e os testes

de autocorrelao, Runs, razo de varincia,
de lucratividade de regras de filtro ou
anlise tcnica

e de existncia de padro no-linear nos
retornos (Laurini & Portugal 2002)


Econofsica

Neologismo utilizado para o ramo da fsica
dos sistemas complexos

que procura fazer um levantamento
completo das propriedades estatsticas dos
mercados financeiros

usando o imenso volume de dados agora
disponveis

e a metodologia de trabalho da fsica
estatstica
(Mantegna & Stanley 2000)

Pode ser vista como uma abordagem
alternativa de finanas

Lei de Potncia

Reta em um log-log plot

A lei de Newton de queda livre um exemplo de lei de
potncia

Soltando um objeto de uma torre



Altura Tempo log(Altura) log(Tempo)
4 0.89 0.602059991 -0.050609993
8 1.26 0.903089987 0.100370545
12 1.55 1.079181246 0.190331698
16 1.79 1.204119983 0.252853031
20 2 1.301029996 0.301029996
24 2.19 1.380211242 0.340444115
28 2.37 1.447158031 0.374748346
32 2.53 1.505149978 0.403120521

Lei de Potncia

A relao entre altura e tempo de queda no linear








0
0.5
1
1.5
2
2.5
3
0 10 20 30 40
Lei de Potncia
Mas o log do tempo de queda versus log da altura de
queda uma reta

Inclinao = escalonamento gaussiano







y = 0.5028x - 0.3532
R
2
= 1
-0.1
0
0.1
0.2
0.3
0.4
0.5
0 0.5 1 1.5 2
Lei de Potncia









A lei de potncia toma a forma
d
h c t =
c h d t log log log + =
= d inclinao
b c = log o intercepto y (
b
c 10 = )

Da figura anterior obtemos 5 . 0 = d e 35 . 0 log = c
45 . 0 10
35 . 0
~ =

c
5 . 0
45 . 0 h t =

Lei de Potncia












Isto est de acordo com a lei de Newton para queda livre
2
2
t
g
h =
81 . 9
2h
t =
5 . 0
45 . 0 h t =

Lei de Potncia

Intuio

Uma lei de potncia sem escala e no gaussiana
significa que no h um evento tpico

No h diferena qualitativa entre um evento comum
e outro extremo

Um evento extremo no precisa ter causa

A causa de um evento comum pode ser a mesma de
um evento extremo

Analisar a situao inicial no serve para predizer
um evento
Expoente de Hurst

O desvio padro em sries independentes e
normalmente distribudas se comporta como



onde H = e t tempo
(Gnedenko and Kolmogorov 1968)

O expoente dessa relao de escalonamento entre o
desvio padro de uma srie temporal e os
incrementos de tempo o expoente de Hurst
( )
H
t t o
( )
H
t t o
Expoente de Hurst

H = : movimento browniano (passeio
aleatrio), i.e. um processo aleatrio sem
memria longa

A hiptese do mercado eficiente supe ento
H =

Valores diferentes de so indicativos de
longa memria e de que os dados no so
independentes
( )
H
t t o
Expoente de Hurst

Valores entre e 1 indicam dependncia
longa positiva: sries com persistncia e
trend-reinforcing

Valores positivos menores do que indicam
dependncia longa negativa: tendncias
passadas tendem a se reverter no futuro (anti-
persistncia)
( )
H
t t o
Expoente de Hurst

Clculo usando Chaos Data Analyzer (Sprott &
Rowlands 1995)

Uma vez que o valor da varivel, em mdia,
se distancia de sua posio inicial em um
montante proporcional raiz quadrada do
tempo (quando ocorre H = ),

o programa plota o deslocamento contra o
tempo, usando cada ponto da srie como
condio inicial: a inclinao da curva o
expoente de Hurst
(Sprott 2003)
( )
H
t t o
Expoente de Hurst

Clculo por rescaled range (R/S) analysis
(Hurst 1951)

Como o deslocamento da varivel escalona
com a raiz quadrada do tempo,

Hurst expressou o deslocamento absoluto em
termos de desvios cumulativos
reescalonados da mdia


e definiu tempo como o nmero da dados (n)
usados
( )
H
t t o
n n
R S
Expoente de Hurst

O expoente de escalonamento da
relao



(onde c uma constante) agora o
expoente de Hurst

Se os dados forem independentes, a
distncia percorrida vai aumentar com a
raiz quadrada do tempo e H =
( )
H
t t o
H
n n
R S cn =
Dados

Srie diria:
2 de janeiro de 1995 a 31 de agosto de
2006

Fonte: website do Federal Reserve

Srie intraday (espaada em 15 minutos):
9h30 de 19 julho de 2001 at 16h30 de 14
de janeiro de 2003

Fonte: Agora Senior Consultoria
( )
H
t t o
Srie Diria
( )
H
t t o
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
Retornos da Srie Diria
( )
H
t t o
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
Srie Diria
( )
H
t t o
0.844
0.845 0.001
0.845 0
0.843 -0.002
0.84 -0.003
0.844 0.004
0.847 0.003
0.851 0.004
0.845 -0.006
0.847 0.002
0.847 0
0.846 -0.001
0.846 0
0.848 0.002
0.848 0
0.85 0.002
0.851 0.001
0.851 0
0.845 -0.006
0.844 -0.001
0.846 0.002
0.841 -0.005
0.842 0.001
0.839 -0.003
0.839 0
0.836 -0.003
0.836 0
0.835 -0.001
0.833 -0.002
0.834 0.001
Srie Intraday
( )
H
t t o
Retornos da Srie Intraday
( )
H
t t o
Dados

A srie diria apresenta raiz unitria
em nveis, mas fica estacionria em
primeira diferena

Isto pode ser visto com o teste de
Perron para sries com quebras
estruturais (Moura & Da Silva 2005)

Assim, os retornos dirios so
estacionrios
( )
H
t t o
Dados

A srie diria apresenta uma quebra ao olho nu
em 13 de janeiro de 1999, quando ocorreu uma
crise cambial

O regime de cmbio fixo, ou ncora cambial, foi
substitudo pelo cmbio flutuante

Mas a mdia semelhante nos dois regimes

A volatilidade no regime de cmbio flutuante dez
vezes maior, mas isso no afeta a estacionaridade
da mdia dos retornos
( )
H
t t o
Dados












( )
H
t t o
Perodo 2 Jan 9512 Jan 99 13 Jan 9931 Ago 06 2 Jan 9531 Ago 06
Pontos
1009 1921 2930
Mdia
0.00036 0.00043 0.00044
Desvio Padro
0.002 0.029 0.024
Assimetria
0.73 0.02 0.06
Curtose
32.82 8.96 15.2
Expoente de Hurst
0.55 0.51 0.54
Leis de Potncia nos Momentos
Estatsticos


Estudo dos retornos


variando os incrementos


de 1 a 1000
( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
( ) ( ) ( ) r t e t t e t +A
t A
Leis de Potncia nos Momentos
Estatsticos

Quando


aumenta,

as mdias e volatilidades crescem
(como esperado)

Mas o crescimento governado por
leis de potncia
( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
t A
Lei de Potncia nas Mdias da Srie
Diria
Inclinao escalonamento no gaussiano

( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
y = 1.0343x - 3.015
R
2
= 0.9996
-3.5
-3
-2.5
-2
-1.5
-1
-0.5
0
0.5
0 1 2 3
Lei de Potncia nas Mdias da Srie
Diria


( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
1 0.00101137 0 -2.995089933
2 0.00200142 0.301029996 -2.698661114
3 0.003033665 0.477121255 -2.518032379
4 0.004074478 0.602059991 -2.389928023
5 0.005066924 0.698970004 -2.29525561
6 0.006088324 0.77815125 -2.215502244
7 0.007115207 0.84509804 -2.147812461
8 0.008144736 0.903089987 -2.089122988
9 0.009164996 0.954242509 -2.03786772
10 0.01017602 1 -1.992422048
20 0.02014626 1.301029996 -1.695805566
30 0.03055909 1.477121255 -1.514859582
40 0.04188924 1.602059991 -1.377897519
50 0.05416851 1.698970004 -1.26625311
60 0.06693177 1.77815125 -1.17436769
70 0.08036166 1.84509804 -1.094951101
80 0.09405512 1.903089987 -1.026617558
90 0.1077238 1.954242509 -0.967688335
100 0.1204376 2 -0.919237907
200 0.2621603 2.301029996 -0.581433075
300 0.3683358 2.477121255 -0.433756068
400 0.4735743 2.602059991 -0.324611874
500 0.5972076 2.698970004 -0.223874674
600 0.7071869 2.77815125 -0.150465793
700 0.8148769 2.84509804 -0.088907993
800 0.9289032 2.903089987 -0.032029541
900 1.061132 2.954242509 0.025769412
1000 1.217908 3 0.085614483
Lei de Potncia nas Mdias da Srie
Intraday

Inclinao escalonamento no gaussiano
( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
y = 1.0763x - 4.1595
R
2
= 0.9994
-4.5
-4
-3.5
-3
-2.5
-2
-1.5
-1
-0.5
0 0.5 1 1.5 2 2.5 3
Lei de Potncia nas Volatilidades das
Sries Diria e Intraday

Inclinao escalonamento no gaussiano
( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
y = 0.4195x 1.4791
R
2
= 0.9633
-1.8
-1.6
-1.4
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0 1 2 3
y = 0.5331x 1.5889
R
2
= 0.9993
-1.8
-1.6
-1.4
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0 0.5 1 1.5 2
Leis de Potncia nos Momentos
Estatsticos

Os momentos estatsticos podem ser
expressos como


onde o efeito de


nos momentos ser maior,
quanto maior for


(Gleria, Matsushita & Da Silva 2002)
( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
( ) t
|
e A
e
t A
Leis de Potncia nos Momentos
Estatsticos


Escalonamento nos momentos chamado
de structure function analysis e pode ser
usado para fins de previso (Richards 2004)

Ele tambm est relacionado ao grau de
multi-fractalidade de uma srie (Schmitt et al
2000) e pode informar o tipo da sua
distribuio subjacente
( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

Usando o CDA, para a amostra inteira de retornos simples
da taxa diria real-dlar, H = 0.54

Este valor parecido para pores dos dados (tabela
anterior)

Para os dados de alta frequncia, H = 0.52

Estes valores so compatveis com eficincia fraca, i.e. so
levemente diferentes de

Mas so tambm compatveis com existncia de
autocorrelao




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

Aumentando

na definio dos retornos,
esperamos que os expoentes de Hurst aumentem,
porque h mais agregao

Mas surpreendentemente h leis de potncia
governando o ritmo de crescimento dos expoentes
t A




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

Escalonamento dos expoentes de Hurst para as
sries de crescentes incrementos da srie diria
y = 0.1692x 0.2519
R 2= 0.9983

-0.3
-0.25
-0.2
-0.15
-0.1
-0.05
0
0 0.2 0.4 0.6 0.8 1
y = 0.0753x 0.1528
R
2
= 0.9687
-0.09
-0.08
-0.07
-0.06
-0.05
-0.04
-0.03
-0.02
-0.01
0
1 1.2 1.4 1.6 1.8 2
y = 0.0076x 0.0216
R
2
= 0.8159
-0.01
-0.008
-0.006
-0.004
-0.002
0
0.002
2 2.2 2.4 2.6 2.8 3




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

Escalonamento dos expoentes de Hurst para as
sries de crescentes incrementos da srie intraday
y = 0.1658x 0.2807
R
2
= 0.9966
-0.35
-0.3
-0.25
-0.2
-0.15
-0.1
-0.05
0
0 0.2 0.4 0.6 0.8 1
y = 0.1015x 0.2177
R
2
= 0.9971
-0.14
-0.12
-0.1
-0.08
-0.06
-0.04
-0.02
0
1 1.2 1.4 1.6 1.8 2
y = 0.015x 0.0454
R
2
= 0.9256
-0.02
-0.015
-0.01
-0.005
0
2 2.2 2.4 2.6 2.8 3




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

Encontramos valores ainda maiores fazendo o
clculo do expoente por R/S analysis

Na linha reta de melhor ajustamento para a
srie diria


H = 0.63

Para a srie intraday, H = 0.62

ln[ ( ) / ( )] 0.536 0.62886ln( ) R n S n n = +
| |
ln ( ) ( ) 0.710114 0.622155ln( ) R n S n n = +




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

A maioria dos estudos que encontra H no
inclui um teste de significncia (Couillard & Davison
2005)

Rodamos o teste sugerido por Couillard &
Davison e econtramos que os expoentes
calculados so estatisticamente significativos
com pvalue < 0.001

Perodo
2 Jan 9531 Ago 06 9h30 19 Jul 200116h:30 14 Jan 2003
Pontos 2930 9327
Hurst 0.63 0.62
|t statistic| 3.26 4.43
pvalue < 0.0006 < 0.00001





( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst


A R/S analysis costuma ser criticada por no
conseguir distinguir memria curta de
memria longa
(Lo 1991)

Lo sugere uma modificao que viesa contra a
hiptese de dependncia longa
(Teverovsky et al 1999, Willinger et al 1999)

Outra modificao sugerida filtrar a R/S
analysis com um processo AR(1)GARCH(1, 1)
(Cajueiro & Tabak 2004)




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst


Tambm calculamos os expoentes em janelas
mveis de tempo de quatro anos, i.e. 1008
observaes de cada vez

Isto permite saber se a srie fica mais ou
menos eficiente medida que o tempo passa
(Cajueiro & Tabak 2004)

Precisa-se aqui tambm verificar se o
histograma normalmente distribudo: se for,
h erros de mensurao




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

Os Hursts foram calculados por R/S analysis
filtrada com um AR(1)GARCH(1, 1)






onde a, b, , +, O
1
, O
2
so os parmetros
estimados
h(t) a varincia condicional dos resduos
s(t) normalmente distribudo e independente
de s(t'), t t'
1 1
( ) ( 1) ( ) r t a r t t c = + +
( ) ( ) ( ) t s t h t c =
2
1 2
( ) ( 1) ( 1) ( ) h t b t h t D t c = +O +O ++




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

O Hurst se aproxima de por volta da observao
1010 (dezembro de 1998), depois de uma prvia
ultrapassagem o mercado fica mais eficiente

De dezembro de 1998 em diante, o Hurst se afasta de





( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

A figura anterior tambm mostra os limites de confiana a
95% usando o teste de Couillard & Davison, i.e. 0.4811 e
0.6277 (sob a hiptese nula de que a srie independente e
gaussiana)

A figura abaixo mostra que o histograma no tem formato
de sino




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

Interpretao

At dezembro de 1998, o real era
desvalorizado mdia diria de 0.003%

Esta informao poderia ser facilmente
levada em conta pelos participantes do
mercado

no surpreende que o mercado fique
mais eficiente




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst

Interpretao

Depois da crise de 13 de janeiro de 1999,
sob o cmbio flutuante, choques de todos
os tipos
(macroeconmicos internos, efeito Lula,
contgio da crise argentina)
tornaram mais difcil o processamento de
nova informao entrando no mercado

mercado fica menos eficiente




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Eficincia e Hurst



Para os dados intraday, usamos
janelas mveis de tempo de 6085
pontos (aproximadamente um ano)

Mas a anlise no foi robusta
porque o histograma ficou
gaussiano




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Tempo de Autocorrelao

Como os valores dos Hursts so
compatveis com a presena de
autocorrelao, examinamos o tempo de
autocorrelao

Que mede quanto uma observao corrente
depende das anteriores

Esperamos que o tempo de autocorrelao
aumente com os incrementos

Mas surpreendente que ele aumente
seguindo uma lei de potncia




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Tempo de Autocorrelao

Srie Diria






Srie Intraday



y = 0.7892x + 0.0212
R
2
= 0.9677
-0.5
0
0.5
1
1.5
2
2.5
3
0 1 2 3
y = 1.0111x 0.2045
R
2
= 0.9949
-0.5
0
0.5
1
1.5
2
2.5
3
0 1 2 3




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
ndice de Complexidade

Relacionado ao expoente de Hurst e ao
tempo do autocorrelao

ndice Lempel-Ziv (LZ) de complexidade em
relao ao rudo branco gaussiano
(Lempel & Ziv 1976, Kaspar & Schuster 1987)

LZ = 0: perfeita previsibilidade

LZ 1: aleatoriedade genuna
(complexidade mxima)




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
ndice de Complexidade

Para calcular a complexidade algortmica
de uma srie, cada ponto convertido em
um nmero binrio e ento comparado
mediana da srie inteira

Calculamos, pelo CDA, para os retornos
simples dirios, LZ = 1.04

Para os retornos intraday, LZ = 0.99

Estes valores so consistentes com
eficincia fraca e os expoentes de Hurst
encontrados




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
ndice de Complexidade

medida que aumentamos os
incrementos, a maior agregao
introduz mais estrutura na srie, e
isto a torna mais previsvel

Ento, esperamos que o LZ tenda a
decair para zero

Mas ainda surpreendente que o
decaimento siga uma lei de potncia




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
ndice de Complexidade

Srie diria





Srie intraday
y = 0.3822x + 0.1525
R
2
= 0.8849
-2
-1
0
1
2
3
0 1 2 3
y = 0.48x + 0.2013
R
2
= 0.9464
-2
-1
0
1
2
3
0 1 2 3




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Concluso

Encontramos expoentes de Hurst que no so
incompatveis com o resultado economtrico
existente de eficincia fraca no mercado do dlar

Alm disso, o clculo dos expoentes em janelas
de tempo permitiu constatar que uma tendncia
em direo eficincia tem sido revertida desde a
crise de 1999

A interveno do banco central deixou o mercado
mais previsvel, mais informacionalmente
eficiente,
mas tambm pode ter precipitado a crise




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Concluso

Aumentando o intervalo de tempo na definio
dos retornos, pudemos encontrar padro na
forma de leis de potncia
nas mdias, volatilidades, expoentes de Hurst,
tempos de autocorrelao e ndices de
complexidade

A maioria dos resultados pode ser replicada
para um conjunto de dados intraday, o que
sugere auto-similaridade na srie do preo do
dlar




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Referncias

Cajueiro, D.O., and B.M. Tabak (2004) The Hurst exponent over time: testing the assertion that emerging markets are
becoming more efficient, Physica A 336, 521 -537.

Couillard, M. and M. Davison (2005) A comment on measuring the Hurst exponent of nancial time series, Physica A
348, 404 -418.

Feder, J. (1988) Fractals, Plenum Press: New York.

Gleria, I., R. Matsushita, and S. Da Silva (2002) Scaling power laws in the Sao Paulo Stock Exchange, Economics
Bulletin 7, 1- 12.

Gnedenko, B.V, and A.N. Kolmogorov (1968) Limit Distributions for Sums of Independent Random Variables, Addison-
Wesley: Reading.

Hurst, H. (1951) Long-term storage capacity of reservoirs, Transactions of the American Society of Civil Engineers
116, 770 -808.

Hurst, H. (1955) Methods of using long-term storage in reservoirs, Proceedings of the Institution of Civil Engineers,
Part I, 519-577.

Kaspar, F., and H.G. Schuster (1987) Easily calculable measure for the complexity of spatiotemporal patterns, Physical
Review A 36, 842- 848.

Laurini, M.P., and M.S. Portugal (2002) Markov-switching based nonlinear tests for market efficiency using the R$/US$
exchange rate, Proceedings of the 24th Brazilian Econometric Meeting.

Laurini, M.P., and M.S. Portugal (2004) Long memory in the R$/US$ exchange rate: a robust analysis, Brazilian
Review of Econometrics 24, 109- 147.




( )
H
t t o
( ) ( ) ( ) r t e t t e t +A ( ) ( ) ( ) r t e t t e t +A
Referncias

Lempel, A., and J. Ziv (1976) On the complexity of finite sequences, IEEE Transactions on Information Theory 22, 75-
81.

Lo, A.W. (1991) Long-term memory in stock market prices, Econometrica 59, 1279 -1313.

Mantegna, R.N., and H.E. Stanley (1995) Scaling behavior in the dynamics of an economic index, Nature 376, 46 -
49.

Mantegna, R.N., and H.E. Stanley (2000) An Introduction to Econophysics: Correlations and Complexity in Finance,
Cambridge University Press: Cambridge.

Moura, G., and S. Da Silva (2005) Is there a Brazilian J-curve?, Economics Bulletin 6, 1-17.

Richards, G.R. (2004) A fractal forecasting model for financial time series, Journal of Forecasting 23, 587 -602.

Schmitt, F., D. Schertzer, and S. Lovejoy (2000) Multifractal fluctuations in finance, International Journal of
Theoretical and Applied Finance 3, 361 -364.

Sprott, J.C. (2003) Chaos and Time-Series Analysis, Oxford University Press: Oxford.

Sprott, J.C., and G. Rowlands (1995) Chaos Data Analyzer, The Professional Version 2.1, American Institute of Physics:
New York.

Teverovsky, V., M.S. Taqqu, and W. Willinger (1999) A critical look at Los modified R/S statistic, Journal of
Statistical Planning and Inference 80, 211- 227.

Willinger, W., M.S. Taqqu, and V. Teverovsky (1999) Stock market prices and long-range dependence, Finance and
Stochastics 3, 1- 13