Mestrado Profissional em Economia
URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3240
Navegar
112 resultados
Resultados da Pesquisa
Dissertação Construção de Intervalos Dinâmicos de Previsão para a Inflação Norte-Americana via Random Forest e Predição Conformal(2026) Monetti, João Victor Aprile Tayar LoboA predição da inflação é uma tarefa central para a condução da política monetária, mas a literatura recente, embora bem-sucedida em melhorar as predições pontuais com Machine Learning, ainda carece de métodos robustos para a quantificação da incerteza em tempo real. Este trabalho propõe uma metodologia para construir intervalos de predição para a inflação norte-americana, combinando a acurácia do modelo Random Forest com a robustez do algoritmo de Predição Conformal Adaptativa via Agregação Dinâmica (DtACI). Utilizando a base de dados FRED-MD, a análise é conduzida em um esquema de janela rolante cobrindo o período de 1990 a 2025. Os resultados demonstram que o modelo preditivo reduz o erro quadrático médio em aproximadamente 30% em relação ao benchmark. Na quantificação de incerteza, evidencia-se que métodos com parâmetros fixos falham diante de mudanças de regime, resultando em falhas de cobertura ou volatilidade excessiva. O método DtACI soluciona este dilema ao arbitrar autonomamente entre especialistas conservadores e reativos. A abordagem gera intervalos que respeitam a cobertura nominal de 90% e atuam como um termômetro de risco, expandindo-se rapidamente durante choques exógenos como a crise de 2008 e a pandemia de 2020, mantendo-se estatisticamente robustos onde métodos estáticos falham.Dissertação Modelagem e precificação de risco de pré-pagamento no Brasil via HJM multifatorial e Monte Carlo(2025) Vetori, Arthur Tsuyoshi SakanoEsta dissertação analisa o prêmio de pré-pagamento embutido em contratos de taxa fixa no Brasil, comparando-o com o observado nos Estados Unidos. Para isso, integra-se um modelo de taxa a termo do tipo Heath–Jarrow–Morton (HJM) multifatorial, calibrado por Análise de Componentes Principais, a funções de pré-pagamento racional e parcialmente racional inspirada em Stanton (1995). Em cada cenário, determina-se o exercício da opção de liquidação antecipada de um título bullet de 5 anos, condicionado ao custo de transação e à regra de pré-pagamento adotada. Os resultados indicam que, sob pré-pagamento estritamente racional, o prêmio ótimo é de aproximadamente 4.84% no Brasil (custo de transação em torno de 350 p.b.) e de 2.09% nos Estados Unidos (custo de cerca de 110 p.b.). No caso parcialmente racional, com probabilidades distintas de exercício em regiões ótima e subótima, os prêmios caem para 1.27% e 0.59%, respectivamente. Em ambas as especificações os prêmios ficam abaixo dos níveis observados no mercado, indicando que os prêmios do mercado incorporam componentes adicionais não capturados pelo modelo. Exercícios contrafactuais, nos quais se trocam apenas as superfícies de volatilidade entre os países, e regressões da variação do prêmio contra choques padronizados de nível de taxa e volatilidade mostram que a maior parte da diferença entre os prêmios decorre da maior volatilidade da estrutura a termo brasileira, enquanto o nível de taxa exerce papel claramente secundário.Dissertação Existência de Post Earnings Announcement Drift em Fundos de Investimento Imobiliários(2025) Massaro, Diogo FeresinEsta dissertação analisa a hipótese de que o principal fator de precificação para investidores de Fundos de Investimento Imobiliário (FIIs) são os dividendos anunciados e que existe um impacto significativo no valor das cotas de FIIs decorrente da variação de curto prazo desta métrica, aumentando a volatilidade da classe de ativos. A análise aproveita a distribuição de rendimento recorrente dos fundos como medida de resultado e avalia a variação desta como explicação do resultado do ativo, baseado no estudo de Ball e Brown (1968) que demonstra a existência de Post Earnings Announcement Drift.Dissertação Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learning(2025) Braga, Isis Aparecida DrezzaEste estudo explora o uso de técnicas modernas de machine learning para aprimorar as previsões do PIB e da inflação no Brasil. A análise utiliza um conjunto abrangente de indicadores macroeconômicos, incluindo variáveis nacionais, fornecidas pelo Banco Central do Brasil, e internacionais. Modelos como Random Forest, Lasso e CatBoost são implementados, sendo avaliados em comparação com métodos tradicionais, como modelos autoregressivos (AR) e Random Walk. Além disso, o impacto das expectativas do Boletim Focus na precisão preditiva é investigado, utilizando métricas como o erro médio quadrático raiz (RMSE) e o Teste Diebold Mariano para identificar diferenças estatisticamente significativas entre os modelos. Adicionalmente, a análise de importância das variáveis permite avaliar a contribuição das expectativas para o desempenho preditivo. O estudo busca não apenas quantificar os benefícios das técnicas modernas de machine learning, mas também compreender como a incorporação de variáveis prospectivas pode enriquecer as previsões econômicas em cenários complexos e dinâmicos como o do Brasil.Dissertação “Post-Earnings Announcement Drift” no mercado acionário brasileiro: uma análise sob a ótica do comportamento dos investidores.(2024) Alves, Tiago CoutoEste trabalho investiga a ocorrência do fenômeno de “Post-Earnings Announcement Drift” (PEAD) no mercado acionário brasileiro, analisando sua relação com o comportamento dos investidores após os anúncios trimestrais de resultados financeiros. Por meio de uma amostra composta por 3.301 anúncios de 94 empresas que integraram o Ibovespa entre 2012 e 2019, evidenciamos que o PEAD permanece ativo no mercado brasileiro. Desenvolvemos uma métrica mais robusta que o tradicional “Standardized Unexpected Earnings” (SUE) para medir surpresas nos resultados. Essa abordagem utiliza os retornos pós-anúncio ajustados pelo beta de mercado, oferecendo uma mensuração mais precisa, ao captar tanto fatores quantitativos quanto qualitativos e eliminar o impacto de movimentos gerais do mercado. Os resultados demonstram que o PEAD é mais acentuado em empresas de menor capitalização, corroborando estudos anteriores que associam a intensidade do fenômeno a menor liquidez e eficiência informacional das empresas de menor porte. Além disso, identificou-se que investidores pessoa física adotam um comportamento “contrarian”, comprando ações após surpresas negativas e vendendo-as após surpresas positivas. Esse comportamento persiste por dias após os anúncios, atrasando a incorporação das novas informações aos preços e contribuindo para a persistência do PEAD. Os achados reforçam a relevância do PEAD no mercado brasileiro e destacam o impacto do crescente protagonismo de investidores pessoa física na dinâmica do mercado. Concluímos que o fenômeno oferece oportunidades estratégicas para gestores e investidores interessados em explorar ineficiências no mercado acionário brasileiro.Dissertação Diferenças entre as reações dos investidores pessoa física locais e demais locais e estrangeiros nos dias seguintes a oscilações atípicas no mercado de ações brasileiro(2025) Rocha, Fernando Prado.É crença comum que os investidores pessoa física tenham comportamento diferente dos demais investidores nas decisões de investimentos. Testei, para o mercado de ações brasileiro entre 2011 e 2024, se os comportamentos dos investidores estrangeiros, dos locais pessoa física e dos demais locais foram diferentes em dias seguintes a oscilações atípicas nos retornos das ações para volumes totais negociados, quantidades líquidas de compras, volumes de compras exclusivas e volumes de vendas exclusivas e sob quatro medidas: variações nos números de investidores locais pessoa física que negociaram; variações nas participações agregadas das pessoas físicas locais nos volumes negociados; variações nos volumes negociados no nível do indivíduo; e variações nos incrementos nas probabilidades de que o investidor tenha atuado no mercado no nível do indivíduo. Encontrei evidências robustas de que: (a) os números de investidores locais pessoa física e suas participações agregadas aumentaram e os aumentos foram maiores para compras após quedas e vendas após altas; (b) as variações nos volumes negociados pelos investidores estrangeiros foram positivas em todos os casos, as dos locais não pessoa física foram positivas, mas menores que as dos estrangeiros e as dos locais pessoa física foram ainda menores, negativas em alguns casos, e estes últimos diminuíram os volumes comprados após quedas atípicas e vendidos após altas atípicas, em contraste com os resultados anteriores; e (c) as variações nos incrementos nas probabilidades de que o investidor tenha atuado foram, em geral, positivas para os estrangeiros, um pouco maiores para os locais não pessoa física e ainda maiores para os locais pessoa física. Este efeito somado ao maior número de investidores nesse último grupo dominou o anterior e resultou no resultado agregado observado. Além disso, testei também para estratificações por número de registros por investidor e por volume médio por investidor e para dois subperíodos resultantes da divisão do período total.Dissertação Importância da matriz de covariância e da identificação de regimes para asset allocation(2025) Arellano, Gabriela Saad MaluhyEsta tese tem como objetivo investigar como o uso de um modelo de mudança de regime para adaptar a matriz de covariância para diferentes estados afeta o portfólio ótimo de um investidor brasileiro ao longo do tempo, separando períodos de alta e baixa inflação nos Estados Unidos, através de mudanças de regime observadas na correlação entre os juros longos e o mercado acionário norte-americanos. O objetivo da análise desta correlação específica é verificar quais são as implicações de considerar estas mudanças de regime para portfólios ótimos obtidos por uma otimização tipo Markowitz, que considerará premissas de retorno esperado constantes, mas uma matriz de covariância que se altera conforme muda o regime de correlação dos juros longos e mercado acionário norte-americanos. Um segundo portfólio, onde as premissas da otimização (retorno esperado, volatilidade esperada e matriz de covariância) não levam em consideração trocas de regime será feito em paralelo, para comparação com o portfólio explicado anteriormente. Este trabalho pretende contribuir para o desenvolvimento da literatura sobre modelos de asset allocation, modelos de mudança de regime, e impacto do mercado norte-americano no mercado brasileiro, em carteiras compostas majoritariamente por ativos domésticos. Os resultados corroboram a literatura de que o mapeamento de regimes macroeconômicos e adaptação do portfólio para acomodar esses diferentes estados traz retornos maiores, volatilidade menor e drawdowns menores para os portfólios.Dissertação Como a proximidade entre gestores de fundos de ações, no Brasil, impacta a composição dos portfólios?(2024) Vila, Diogo GonzalezEste estudo investiga a hipótese de que a distância, bem como as mudanças nela, entre os escritórios de gestores de fundos de ações no Brasil, afetam as escolhas de investimento entre os fundos. O objetivo é explorar o potencial impacto da interação social no contexto brasileiro. A análise utiliza dados mensais das carteiras de investimento disponibilizados pela Comissão de Valores Mobiliários (CVM) entre janeiro de 2005 e dezembro de 2022, além de informações cadastrais das respectivas gestoras de recursos. O método aplicado é a regressão com dados em painel, que permitiu identificar evidências estatisticamente significativas de que tanto a proximidade quanto suas alterações têm impactos nas escolhas de investimento entre os fundos. Esses resultados corroboram a literatura existente, alinhando-se aos achados de Hong, Kubik e Stein (2005) e Pool, Stoffman e Yonker (2013), ao mesmo tempo em que adicionam uma nova perspectiva ao introduzir o efeito das mudanças de localização. A pesquisa contribui para o entendimento das dinâmicas comportamentais e espaciais que influenciam o mercado de ações e o comportamento de investidores.Dissertação Distorções nos contratos de DI durante as emissões de LTNs: uma análise do impacto nas taxas dos derivativos(2024) Folster, Rogério MattediOs leilões de Letras do Tesouro Nacional (LTNs) desempenham um papel crítico na gestão da dívida pública brasileira e têm potencial para causar distorções significativas no mercado de contratos de DI futuro. Este estudo investiga como os períodos de leilão de LTNs afetam esses contratos, considerando a possibilidade de distorções nos preços e taxas devido ao alinhamento dos vencimentos entre LTNs e contratos de DI. Além disso, são analisados o impacto da quantidade de títulos emitidos via métrica de risco DV01, introduzindo novas perspectivas sobre os riscos do mercado. Utilizando regressões lineares e métodos de interpolação, o estudo confirmou que contratos de DI vinculados a LTNs mostram maior sensibilidade durante os leilões. Variáveis como quantidade emitida e DV01 foram estatisticamente significativas para explicar distorções, destacando o papel do Tesouro Nacional como tomador de taxas no mercado. Resultados secundários apontaram que contratos não vinculados às LTNs apresentam efeitos reduzidos ou inconsistentes durante os leilões. Essas descobertas reforçam a relevância de estudar o impacto dos leilões no mercado financeiro brasileiro.Dissertação Previsão de falências corporativas no Brasil: Uma abordagem multiperíodo comparando métodos tradicionais e aprendizado de máquina com ênfase nos impactos econômicos(2024) Miranda, Diego Filippe Assis deEsta dissertação investiga a previsão de falências corporativas no Brasil por meio de uma abordagem multiperíodo, comparando métodos tradicionais, como o modelo Z-Score de Altman, a técnicas de aprendizado de máquina, incluindo Random Forest e CatBoost. A análise concentra-se na avaliação da eficácia desses modelos em diferentes horizontes temporais, com ênfase nas métricas estatísticas e nos impactos econômicos associados. Dentre os aspectos econômicos investigados, destacam-se o custo de classificação incorreta, a precificação de crédito e os efeitos no valor alavancado das empresas. Além disso, o trabalho destaca a importância de adaptar técnicas preditivas ao contexto brasileiro, que é caracterizado pela escassez de dados financeiros robustos e por desafios específicos ao ambiente econômico local. Os resultados evidenciam que os modelos de aprendizado de máquina não apenas superam os métodos tradicionais em termos de precisão preditiva, mas também apresentam potencial para aprimorar a tomada de decisões estratégicas, mitigar riscos financeiros e aumentar o valor das empresas no longo prazo.