Dissertação de Mestrado

Agora exibindo 1 - 4 de 4

Forecasting Rates and Risk Premia in Brazil: The Role of Shifting Endpoints
(2025) Pinheiro Junior, Eraldo de Lima
A Shifting Endpoint (SE) affine term structure model significantly outperforms standard Fixed Endpoint (FE) models in forecasting the Brazilian yield curve. By anchoring longrun expectations to "Focus" survey data, the SE model disentangles cyclical shocks from structural trend shifts. For forecast horizons of 12 to 24 months, the SE model produces consistently lower root mean squared errors and statistically superior predictive accuracy compared to random walk and FE benchmarks. Furthermore, the model resolves the anomaly of negative term-premia generated by stationary term structure models during the 2021 monetary tightening, showing these resulted from small sample bias. Correcting for this bias yields stable, countercyclical risk premiums and accurately identifies the "moving target" of long-run equilibrium rates in a volatile emerging market like Brazil.
The Fiscal Roots of SAMBA
(2026) Kernkraut, Arthur
This paper adapts the Brazilian Central Bank’s SAMBA model to incorporate an active fiscal policy and a realistic framework for public finances, in which the government issues nominal, inflation-linked, and foreign currency bonds of multiple maturities. In the model, innovations in the real market value of debt must correspond to changes in the expected path of surplus-to-GDP ratio, GDP growth, or discount rates. The government decreases surpluses after a shock in the uncovered interest rate parity that depreciates the exchange rate, a negative interest rate shock, a negative transitory technology shock, or a positive permanent technology shock. Sensitivity analysis reveals that the composition of government debt is a more significant determinant of the fiscal response to economic shocks than the degree of monetary policy responsiveness to inflation variation.
Misaligned Incentives: The Downside of Stock-Based Executive Pay in Brazil
(2025) Gabrich, Jorge Henrique Trindade
Esta dissertação investiga a relação entre estruturas de remuneração executiva e desempenho das empresas no Brasil, com ênfase no papel da remuneração baseada em ações. O estudo fundamenta-se nas Teorias de Agência, de Contratos Ótimos e do Torneio, avaliando se os incentivos acionários alinham interesses de gestores e acionistas ou se amplificam comportamentos desalinhados. Utilizando um painel de 213 empresas não financeiras listadas na B3 entre 2021 e 2024, os dados de remuneração foram coletados no Formulário de Referência da CVM e complementados por variáveis financeiras e de governança A estratégia empírica combina três métodos econométricos: regressões OLS estratificadas por grupos de intensidade de remuneração em ações, regressões Quantílicas e o modelo de Between Effects, que captura diferenças estruturais e persistentes entre as firmas ao longo do período analisado. Esse desenho permite capturar efeitos heterogêneos em diferentes níveis de compensação, diferenças distributivas no desempenho das firmas e a persistência da rentabilidade, além de mitigar problemas de endogeneidade. Os resultados mostram, de forma consistente, que a remuneração acionária não gera alinhamento positivo. Pacotes com elevada participação em ações estão associados a menores retornos sobre o patrimônio, com efeito negativo mais intenso em empresas de melhor desempenho. Em contrapartida, a proeminência da remuneração em relação às despesas gerais e administrativas relaciona-se positivamente com o desempenho, em linha com a Teoria do Torneio, que prevê que diferenças visíveis de remuneração estimulam maior esforço em organizações hierárquicas. Os achados evidenciam que, no contexto brasileiro, marcado por alta concentração acionária e monitoramento heterogêneo, incentivos em ações impactam negativamente a performance das empresas e indicam que estruturas voltadas para incentivos em dinheiro poderiam ser mais eficazes. Esta pesquisa contribui ao integrar diferentes perspectivas em uma análise unificada para mercados emergentes, oferecendo insights teóricos e orientações práticas a conselhos, comitês de remuneração, reguladores e investidores na formulação de sistemas de incentivos voltados para a criação de valor sustentável.
Machine Learning Methods in Asset Pricing: An Analysis of Cross-sectional Stock Returns with Macroeconomic Factors in Brazil
(2025) Vieira, Emerson Sousa
The literature on financial machine learning has growth rapidly with studies encompassing several asset classes, chiefly for the stock market. We apply machine learning methods to Brazilian stocks cross section of monthly excess returns by using Brazilian stock factors while adding a vast set macroeconomic ones as our research primary contribution, for which the literature on Brazilian equities is scarce. We confirm recent results that ML models drive a substantial improvement in out-of-sample R2 predictive power over traditional OLS models. Running an out-of-sample variable importance analysis, we also found macroeconomic factors overweight firm-related ones, with a slight predominance of country risk (EMBI Brazil Index), followed by the expectations of economics conditions, and Brazil’s commodities composite index, and credit-to-GDP ratio. Our findings suggest a high relevance of macroeconomic factors when predicting monthly excess returns for Brazilian stocks

Dissertação de Mestrado

Navegar

Filtros

Configurações

Ordenar por

Resultados por página

Resultados da Pesquisa