Equipes globais virtuais : a expeirência de profissionais em banco de investimentos multinacionais

Iniciado nos anos de 1960, o segundo estágio do processo de globalização, liderado principalmente pelas empresas multinacionais e suas estratégias de expansão, e suportado pelos avanços da tecnologia de informação e comunicação, resultou em profundas transformações nas estruturas organizacionais, que passaram de modelos hierarquizados em detrimento de modelos mais flexíveis e dinâmicos, mudando a maneira de trabalhar. Este projeto objetivou estudar o impacto decorrente da utilização de estruturas organizacionais baseadas em redes globais e equipes globais virtuais nos profissionais que atuam em bancos de investimento multinacionais. Os impactos foram avaliados através do conceito de descontinuidade, que é entendido como fator ou fatores que contribuem para falta de coesão em situações de coletividade. Foram analisados 15 profissionais, de 4 bancos de investimentos multinacionais, e aplicaram-se entrevistas individuais presenciais formuladas considerando as descontinuidades e itens propostos na literatura (Duarte e Snyder, 1999; Watson-Manheim et al., 2002; Espinosa et al., 2003; Saunders et al., 2004; Jarvenpaa et al., 2004; Zolin et al., 2004; Golden e Veiga, 2005; Chudoba et al., 2005; Dani et al., 2006) para investigação. Os resultados das análises dos dados coletados permitem inferir que os fatores de descontinuidade sugeridos no estudo são relevantes aos profissionais de banco de investimentos multinacionais. Adicionalmente, percebe-se que apesar de coletadas e analisadas individualmente, há correlação entre as descontinuidades analisadas, com incidência conjunta ou simultânea no desempenho das atividades dos profissionais.

Amarrando as próprias botas do desenvolvimento: a nova economia global e a relevância de um desenho jurídico-institucional nacionalmente adequado

Rodrik, DanI. The new global economy and developing countries: making openness work. Washington: overseas development council, 1999.

Modelos dinâmicos e simulação estocástica

This paper presents new methodology for making Bayesian inference about dy~ o!s for exponential famiIy observations. The approach is simulation-based _~t> use of ~vlarkov chain Monte Carlo techniques. A yletropolis-Hastings i:U~UnLlllll 1::; combined with the Gibbs sampler in repeated use of an adjusted version of normal dynamic linear models. Different alternative schemes are derived and compared. The approach is fully Bayesian in obtaining posterior samples for state parameters and unknown hyperparameters. Illustrations to real data sets with sparse counts and missing values are presented. Extensions to accommodate for general distributions for observations and disturbances. intervention. non-linear models and rnultivariate time series are outlined.

Bayesian analysis of extreme events with threshold estimation

The aim of this paper is to analyze extremal events using Generalized Pareto Distributions (GPD), considering explicitly the uncertainty about the threshold. Current practice empirically determines this quantity and proceeds by estimating the GPD parameters based on data beyond it, discarding all the information available be10w the threshold. We introduce a mixture model that combines a parametric form for the center and a GPD for the tail of the distributions and uses all observations for inference about the unknown parameters from both distributions, the threshold inc1uded. Prior distribution for the parameters are indirectly obtained through experts quantiles elicitation. Posterior inference is available through Markov Chain Monte Carlo (MCMC) methods. Simulations are carried out in order to analyze the performance of our proposed mode1 under a wide range of scenarios. Those scenarios approximate realistic situations found in the literature. We also apply the proposed model to a real dataset, Nasdaq 100, an index of the financiai market that presents many extreme events. Important issues such as predictive analysis and model selection are considered along with possible modeling extensions.