Avaliação de Performance de Fundos de Investimento Usando Fatores Estocásticos de Desconto Admissíveis Não Paramétricos

Nesse trabalho fazemos um estudo sobre o desempenho de fundos de investimento na indústria brasileira. Sob as hipóteses de mercados incompletos e não arbitragem determinamos limites para a performance de fundos quando baseada em medidas admissíveis. Paralelamente, apresentamos uma variação desse método em que excluímos a possibilidade de Índices de Sharpe muito altos persistirem em um mercado em equilíbrio. Usando uma amostra mensal de 33 fundos multimercado para um período de aproximadamente oito anos, os resultados mostram que a performance de fundos pode variar bastante em função da medida. Para a maior parte dos fundos, não se pode excluir a possibilidade de uma avaliação conflitante para diferentes tipos de investidores.

Desagregação e pesos estocásticos em projeções de agregados econômicos : uma análise para o PIB brasileiro

O presente estudo tem como objetivo comparar e combinar diferentes técnicas de projeção para o PIB trimestral brasileiro de 1991 ao segundo trimestre de 2014, utilizando dados agregados, e dados desagregados com pesos fixos e estocásticos. Os modelos desagregados univariados e multivariados, assim como os pesos estocásticos, foram estimados pelo algoritmo Autometrics criado por Doornik (2009), através dos níveis de desagregação disponibilizados pelo IBGE no Sistema de Contas Nacionais. Os modelos agregados foram estimados pelo Autometrics, por Markov-Switching e por modelos estruturais de espaço-estado. A metodologia de comparação de projeções utilizada foi o Model Confidence Set, desenvolvida por Hanse, Lunde e Nason (2011). Foram realizadas duas simulações, sendo a primeira com a análise fora da amostra a partir de 2008, e a segunda a partir de 2000, com horizonte de projeção de até 6 passos à frente. Os resultados sugerem que os modelos desagregados com pesos fixos desempenham melhor nos dois primeiros passos, enquanto nos períodos restantes os modelos da série agregada geram melhores previsões.