Mestrado Profissional em Economia
URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3240
Navegar
3 resultados
Resultados da Pesquisa
Dissertação A parametric portfolio optimization model using signals generated via machine learning(2021) Colnaghi, Nelly PiresEste trabalho consiste em um modelo de otimização de portfólio baseado em sinais de trading, gerados por indicadores financeiros para a identificação de ações mal precificadas. Os sinais partem de modelos de machine learning, ajustados para prever os retornos futuros das ações a partir dos indicadores mencionados. Esses modelos compreendem classificadores como Logit, Random Forest, Support Vector Classifier (SVC), k-NN e Naïve Bayes. Os sinais de trading produzidos especificam quais ações devem superar o desempenho mediano do mercado e quais devem apresentar um desempenho inferior. Para incorporar esses sinais ao modelo de otimização, foi escolhida a técnica de parametrização proposta por Brandt, Santa-Clara and Valkanov (2009), permitindo que os pesos das ações do portfólio sejam expressos em função das características de cada ação, ou seja, os respectivos sinais de trading. Uma análise empírica utilizando dados do mercado de ações brasileiro foi elaborada para verificar o desempenho do modelo de otimização proposto. Os resultados mostram que os modelos de machine learning selecionados atingem uma precisão média fora da amostra de 64% na previsão da direção do preço das ações. Além disso, o portfólio otimizado supera todos os benchmarks em termos de retorno ajustado ao risco. Por fim, os resultados também demonstram que a combinação de machine learning e a abordagem desenvolvida por Brandt, Santa-Clara and Valkanov (2009) é superior a um portfólio construído apenas usando indicadores fundamentalistas, sem convertê-los em sinais de trading através de modelos de machine learning.Dissertação Angel investors, seed-stage investors and founders influence on fintech funding: an emerging market context.(2018) Giaquinto, Luisa HerckEsse trabalho tem como objetivo diferenciar as FinTechs que receberam daquelas que não receberam aporte em forma de Private Equity ou Venture Capital. Foram utilizados dados de 2.524 empresas, localizadas em 76 países, durante os anos de 2008 até 2018. Este estudo visa validar se determinantes do financiamento de Startups também são aplicáveis ao sector das FinTechs. Nosso estudo mostra que investidores são mais propensos a investir em categorias tais como financiamento e pagamento. Esse trabalho demostra que FinTechs que receberam aporte de investidores anjos ou em estágio seed tem mais chance de conseguirem subsequentes financiamentos. Porém FinTechs com apenas um fundador apresentam menor probabilidade de receberem financiamento de Private Equity e Venture Capital. A influência de investidores seed e do número de fundadores na probabilidade de receber investimentos é menor em países emergentes.Dissertação Firm-level political uncertainty and corporate financial policies(2020) Soares, Daniel StrozziAcontecimentos políticos em diferentes países têm efeito significativos em políticas financeiras corporativas. A literatura sugere que não somente a incerteza política agregada tem importância, mas também ao nível da firma. Índices de risco político e dados de empresas públicas nos Estados Unidos entre 2002 e 2019 resultando em 117.049 observações são utilizados para uma estimação de seus efeitos sobre investimento e disponibilidades como variáveis dependentes. Resultados demonstram que o risco político ao nível da firma é sensível ao modelo estatístico utilizado e que disponibilidades são positivamente correlacionadas com o risco político ao nível da firma.