Mestrado Profissional em Economia
URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3240
Navegar
2 resultados
Resultados da Pesquisa
- Aplicação do Isolation Forest como modelo não supervisionado para identificação de potenciais manipulações de preços no mercado de ações brasileiro(2023) Martinez, Carlos Henrique BordignonNos últimos anos, quando a taxa Selic chegou a níveis de 2,0%, o mercado financeiro se tornou uma alternativa atrativa para investidores pessoa física que buscavam rendimentos superiores a produtos atrelados a essa taxa. O assunto foi impulsionado pela mídia, por influenciadores em redes sociais e por parte de participantes do mercado que buscavam atrair o maior número de pessoas para investir no mercado financeiro. A alta visibilidade e vultuosos rendimentos prometidos, atraíram criminosos para prática de atividades ilícitas, que vão desde pirâmides financeiras até organização de grupos para manipulação de preços de ativos negociados em ambientes eletrônicos como a bolsa de valores. Esse contexto trouxe à tona a necessidade do aprimoramento de técnicas para identificação de manipulação de preço no ambiente de negociação eletrônica em todo o mundo, a fim de garantir a integridade e transparência para aqueles que utilizam o mercado financeiro como meio de investimento. Esse trabalho investiga a capacidade para identificação de potenciais manipulações, por meio da aplicação do Isolation Forest como um método não supervisionado de detecção de anomalias.
- Modelos de previsão de preço para soja no Brasil utilizando variáveis climáticas e produção(2022) Carneiro, Mara MarquesEste trabalho propõe um modelo de previsão de preço para soja, principal commodity produzida no país e de grande importância para a balança comercial brasileira, baseado em fatores externos como características macroeconômicas e em fatores climáticos que afetam diretamente o resultado de sua produção, auxiliando o produtor rural na previsibilidade dos preços, mensuração de risco e gestão financeira. Também contribui na explicação dos fatores de formação do preço, entendendo o comportamento do mercado interno nas variações observadas neste produto. Os dados foram coletados em diversas fontes tais como bases Conab, ABIOVE e IPEA, totalizando 96 observações mensais, do período de janeiro/2014 até dezembro/2021, em metodologias ARIMA e VAR. Para o segundo em particular, além do preço mensal da soja dos principais estados produtores, utilizou-se também variáveis como preço da soja mensal dos principais estados produtores da commodity, além de preço da soja na bolsa de Chicago, cotação do dólar, dados de exportação e produção de soja, abate total de bovinos, IBCBr e ocorrência de el niño e la niña. Os resultados obtidos indicam que o modelo VAR é mais eficiente que o modelo ARIMA para previsão do preço da soja.