Determinantes do fluxo de fundos de investimento no Brasil

Nesse trabalho, procuramos identificar fatores sistemáticos que expliquem uma variação significativa nos fluxos destinados às diversas categorias de fundos de investimento brasileiros, a partir de análises de uma amostra de dados agregados de captações e resgates nesses produtos. O estudo buscou avaliar a existência de padrões de comportamento comuns aos investidores de fundos locais através da análise da migração de fluxos entre as diversas classes de fundos. Foram inicialmente tratados os fatores não comportamentais conhecidos que impactam o fluxo dos fundos, a variável dependente. Esses fatores conhecidos foram apurados através de uma revisão dos trabalhos acadêmicos dos mercados internacional e local. Após esse tratamento foi aplicado o método de decomposição de valores singulares (SVD - Singular Value Decomposition), com o objetivo de avaliarmos os efeitos comportamentais agrupados dos investidores. A decomposição em valores singulares sugere como principais fatores comuns comportamentos de entrada e saída de fundos em massa e migrações entre as classes de fundos de menor e as de maior risco, o que Baker e Wurgler (2007) chamaram de demanda especulativa, e que, segundo esses e outros autores pesquisados, poderia ser interpretada como uma proxy do sentimento dos investidores. Guercio e Tkac (2002) e Edelen et al. (2010), encontraram em suas pesquisas evidências da diferença de comportamento entre investidores de atacado e de varejo, o que foi detectado para a classes de fundos de Renda Variável no caso do presente estudo sobre o mercado brasileiro. O entendimento das variações na tolerância a risco dos investidores de fundos de investimento pode auxiliar na oferta de produtos mais compatíveis com a demanda. Isso permitiria projetar captações para os produtos com base nas características dessa oferta, o que também desenvolvemos nessa pesquisa para o caso das categorias de fundos Multimercado e Renda variável, através de um modelo de espaço de estados com sazonalidade determinística e inicialização SVD. O modelo proposto nesse trabalho parece ter conseguido capturar, na amostra avaliada (2005-2008), um comportamento que se manteve fora da amostra (2009-2011), validando, ao menos na amostra considerada, a proposta de extração dos componentes principais agregados do comportamento dos investidores de fundos brasileiros.

Estratégia de trading utilizando o modelo dinâmico de Nelson-Siegel

Esta pesquisa busca testar a eficácia de uma estratégia de arbitragem de taxas de juros no Brasil baseada na utilização do modelo de Nelson-Siegel dinâmico aplicada à curva de contratos futuros de taxa de juros de 1 dia da BM&FBovespa para o período compreendido entre 02 de janeiro de 2008 e 03 de dezembro de 2012. O trabalho adapta para o mercado brasileiro o modelo original proposto por Nelson e Siegel (1987), e algumas de suas extensões e interpretações, chegando a um dos modelos propostos por Diebold, Rudebusch e Aruoba (2006), no qual estimam os parâmetros do modelo de Nelson-Siegel em uma única etapa, colocando-o em formato de espaço de estados e utilizando o Filtro de Kalman para realizar a previsão dos fatores, assumindo que o comportamento dos mesmos é um VAR de ordem 1. Desta maneira, o modelo possui a vantagem de que todos os parâmetros são estimados simultaneamente, e os autores mostraram que este modelo possui bom poder preditivo. Os resultados da estratégia adotada foram animadores quando considerados para negociação apenas os 7 primeiros vencimentos abertos para negociação na BM&FBovespa, que possuem maturidade máxima próxima a 1 ano.

Forecasting Brazilian inflation by its aggregate and disaggregated data: a test of predictive power by forecast horizon

This work aims to compare the forecast efficiency of different types of methodologies applied to Brazilian Consumer inflation (IPCA). We will compare forecasting models using disaggregated and aggregated data over twelve months ahead. The disaggregated models were estimated by SARIMA and will have different levels of disaggregation. Aggregated models will be estimated by time series techniques such as SARIMA, state-space structural models and Markov-switching. The forecasting accuracy comparison will be made by the selection model procedure known as Model Confidence Set and by Diebold-Mariano procedure. We were able to find evidence of forecast accuracy gains in models using more disaggregated data

Previsão de inflação utilizando modelos de séries temporais

Este trabalho compara modelos de séries temporais para a projeção de curto prazo da inflação brasileira, medida pelo Índice de Preços ao Consumidor Amplo (IPCA). Foram considerados modelos SARIMA de Box e Jenkins e modelos estruturais em espaço de estados, estimados pelo filtro de Kalman. Para a estimação dos modelos, foi utilizada a série do IPCA na base mensal, de março de 2003 a março de 2012. Os modelos SARIMA foram estimados no EVIEWS e os modelos estruturais no STAMP. Para a validação dos modelos para fora da amostra, foram consideradas as previsões 1 passo à frente para o período de abril de 2012 a março de 2013, tomando como base os principais critérios de avaliação de capacidade preditiva propostos na literatura. A conclusão do trabalho é que, embora o modelo estrutural permita, decompor a série em componentes com interpretação direta e estudá-las separadamente, além de incorporar variáveis explicativas de forma simples, o desempenho do modelo SARIMA para prever a inflação brasileira foi superior, no período e horizonte considerados. Outro importante aspecto positivo é que a implementação de um modelo SARIMA é imediata, e previsões a partir dele são obtidas de forma simples e direta.