Os limites do desenho institucional: uma investigação empírica dos mecanismos da influência presidencial sobre as agências reguladoras independentes no Governo Federal brasileiro

O trabalho investiga empiricamente o tema da influência presidencial sobre as agências reguladoras independentes (ARIs) no Governo Federal brasileiro, no período 1997-2014, como foco nos processos de nomeação para os cargos de direção destes órgãos, por meio de um método misto de caráter sequencial, combinando técnicas qualitativas e quantitativas. Primeiramente, utilizando a técnica do process tracing, uma análise histórico-comparativa da gênese e consolidação das dez ARIs federais no Brasil busca demonstrar a importância das hipóteses do credible commitment e da emulação institucional como variáveis explicativas da adoção do modelo. Em seguida, a influência política presidencial sobre as ARIs é mensurada analisando-se o padrão das vacâncias de cargos de direção, taxas de conclusão de mandato, bem, como o processo de aprovação das indicações presidenciais pelo Senado Federal. Por fim, são analisados os dados empíricos relativos ao perfil dos nomeados para cargos de direção nas ARIs no período estudado, incluindo variáveis como filiação partidária e qualificação profissional, buscando-se ainda verificar indícios de existência de trade-off entre estas duas dimensões.

Análise de portfólio: uma perspectiva bayesiana

Este trabalho tem com objetivo abordar o problema de alocação de ativos (análise de portfólio) sob uma ótica Bayesiana. Para isto foi necessário revisar toda a análise teórica do modelo clássico de média-variância e na sequencia identificar suas deficiências que comprometem sua eficácia em casos reais. Curiosamente, sua maior deficiência não esta relacionado com o próprio modelo e sim pelos seus dados de entrada em especial ao retorno esperado calculado com dados históricos. Para superar esta deficiência a abordagem Bayesiana (modelo de Black-Litterman) trata o retorno esperado como uma variável aleatória e na sequência constrói uma distribuição a priori (baseado no modelo de CAPM) e uma distribuição de verossimilhança (baseado na visão de mercado sob a ótica do investidor) para finalmente aplicar o teorema de Bayes tendo como resultado a distribuição a posteriori. O novo valor esperado do retorno, que emerge da distribuição a posteriori, é que substituirá a estimativa anterior do retorno esperado calculado com dados históricos. Os resultados obtidos mostraram que o modelo Bayesiano apresenta resultados conservadores e intuitivos em relação ao modelo clássico de média-variância.