Utilização do modelo de Black-Litterman para gestão de hedge funds do Brasil

O modelo Black-Litterman calcula os retornos esperados de mercado como uma combinação de um conjunto de expectativas específicas de cada investidor e um ponto de referência neutro. A combinação dessas duas fontes de informações são feitas pelo modelo utilizando a abordagem bayesiana. Os resultados obtidos a partir do modelo Black-Litterman, ao contrário da abordagem tradicional, são bastante intuitivos, estáveis e consistentes em relação as expectativas dos investidores. O objetivo dessa dissertação é fazer uma análise detalhada de cada um dos componentes do modelo Black-Litterman e verificar se a utilização o modelo de Black-Litterman, introduzindo as opiniões de mercado com base no relatório FOCUS do Banco Central, supera o retorno dos fundos multimercados brasileiros.

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.

Price discovery using a regime-sensitive cointegration approach

This work proposes a method to examine variations in the cointegration relation between preferred and common stocks in the Brazilian stock market via Markovian regime switches. It aims on contributing for future works in "pairs trading" and, more specifically, to price discovery, given that, conditional on the state, the system is assumed stationary. This implies there exists a (conditional) moving average representation from which measures of "information share" (IS) could be extracted. For identification purposes, the Markov error correction model is estimated within a Bayesian MCMC framework. Inference and capability of detecting regime changes are shown using a Montecarlo experiment. I also highlight the necessity of modeling financial effects of high frequency data for reliable inference.