Avaliação empírica do comportamento das ações no contexto da reavaliação da carteira teórica do índice BOVESPA

Trata da medição de retornos extraordinários, positivos e negativos, nas ações que experimentam as ocorrências de inclusão e exclusão da Carteira Teórica do índice Bovespa. Usando a metodologia de "Event Study", onde se aplica o Modelo de Precificação de Ativos de Capital - CAPM como benchmark, conclui-se que no mercado de ações da Bolsa de Valores de São Paulo existem evidências de que a ocorrência de inclusão afeta favoravelmente o preço da respectiva ação. Por outro lado, a ocorrência de exclusão representa más notícias aos investidores. Identifica-se que o referido mercadode ações é ineficiente.

Operações de trava no mercado futuro de índice Bovespa : análise de um modelo brasileiro

O texto a seguir apresenta um histórico e a conceituação do instrumento financeiro utilizado neste trabalho. Trata-se do índice da Bolsa de Valores de São Paulo, o IBOVESPA.

Avaliação do value at risk do índice Bovespa usando os modelos garch, tarch e riskmetrics tm para se estimar a volatilidade

Apresenta o método value at risk (VaR) para se mensurar o risco de mercado, sob diferentes abordagens. Analisa a série histórica do índice Bovespa no período de 1995 a 1996 por meio de testes econométricos de normalidade, autocorrelação dos retornos e raiz unitária. Comparo valor obtido a partir dos diferentes modelos de estimação de volatilidade propostos e verifica qual dos modelos foi o mais adequado para o caso estudado

Análise de tendência do índice Bovespa em tempo real utilizando técnicas de inteligência artificial

Estudamos e propusemos uma solução para o caso específico do índice Bovespa (fechamento) à vista. Utilizamos técnicas de inteligência artificial, estudando modelos pouco estruturados para a análise de tendências de alta ou queda deste índice. Modelo matemático aliado às técnicas de IA é comparado e integrado, procurando adequar às necessidades de análise na área de negócios.

Microestrutura de mercado : uma análise dos dados de alta frequencia do minicontrato de futuro de índice Bovespa

Este trabalho examina hipóteses de microestrutura de mercado nos dados de minicontratos futuros do Ibovespa divulgados em alta frequência pelo sinal de market data da BM&FBOVESPA. Para a análise, foi utilizado o modelo de duração condicional autoregressivo, o qual permite o tratamento estatístico de séries financeiras que possuem distribuição em espaços irregulares de tempo e padrões condicionais ao conjunto de informações disponíveis no mercado. A contribuição deste trabalho reside na validação das premissas sobre microestrutura nos mercados de futuros de índice, que são diferentes dos mercados de ações, pois não existe a figura do formador de mercado, e a literatura global sugere que o efeito da assimetria de informação é insignificante na formação de preços devido à diversificação de ativos dos índices. Em contrapartida, o especulador é o provedor de liquidez neste mercado, e seu papel na intensidade de negociação, volume e spread é avaliado. Os resultados confirmam a relação negativa entre intensidade de negociação, volume e spread e corroboram a tese de que a liquidez de mercado pode ser entendida como o preço pela demanda por execução imediata de negócios.

Otimização da medida Omega de um portfolio de ações com a utilização de opções do Índice Bovespa

O uso de opções no mercado financeiro tem ganhado relevância devido ao seu payoff não-linear e a possibilidade de alterar o perfil da distribuição de retornos de um portfolio. Existem diversas estratégias que são adequadas para cada cenário que o investidor acredita estar exposto, mas como o conjunto de cenários forma uma distribuição de retornos, devemos utilizar uma medida adequada para trabalhar com este tipo de informação. Assim, foi utilizada a medida Omega, que é uma medida capaz de capturar todos os momentos de uma distribuição, dado um limiar de retornos. Este trabalho se propõe a desenvolver uma metodologia que possibilite otimizar a medida Omega de um portfolio, através do uso de opções sobre o IBOVESPA. Para a geração das distribuições de retornos foi utilizada simulação de Monte Carlo, com jumps e volatilidade estocástica. Finalmente, foram feitas diversas análises sobre os resultados obtidos, afim de comparar a estratégia otimizada com diversas estratégias aleatórias, e também, realizado um backtest para avaliar a eficácia da implementação da estratégia otimizada.

As decisões do Copom e o Índice Bovespa

Pesquisa em foco: Surpresas com relação à política monetária e o mercado de capitais: evidências do caso brasileiro - 2011. Pesquisadores: Walter Gonçalves Junior e Professor William Eid Junior

Previsão do índice bovespa por meio de redes neurais artificiais: uma análise comparada aos métodos tradicionais de séries de tempo

Forecast is the basis for making strategic, tactical and operational business decisions. In financial economics, several techniques have been used to predict the behavior of assets over the past decades.Thus, there are several methods to assist in the task of time series forecasting, however, conventional modeling techniques such as statistical models and those based on theoretical mathematical models have produced unsatisfactory predictions, increasing the number of studies in more advanced methods of prediction. Among these, the Artificial Neural Networks (ANN) are a relatively new and promising method for predicting business that shows a technique that has caused much interest in the financial environment and has been used successfully in a wide variety of financial modeling systems applications, in many cases proving its superiority over the statistical models ARIMA-GARCH. In this context, this study aimed to examine whether the ANNs are a more appropriate method for predicting the behavior of Indices in Capital Markets than the traditional methods of time series analysis. For this purpose we developed an quantitative study, from financial economic indices, and developed two models of RNA-type feedfoward supervised learning, whose structures consisted of 20 data in the input layer, 90 neurons in one hidden layer and one given as the output layer (Ibovespa). These models used backpropagation, an input activation function based on the tangent sigmoid and a linear output function. Since the aim of analyzing the adherence of the Method of Artificial Neural Networks to carry out predictions of the Ibovespa, we chose to perform this analysis by comparing results between this and Time Series Predictive Model GARCH, developing a GARCH model (1.1).Once applied both methods (ANN and GARCH) we conducted the results' analysis by comparing the results of the forecast with the historical data and by studying the forecast errors by the MSE, RMSE, MAE, Standard Deviation, the Theil's U and forecasting encompassing tests. It was found that the models developed by means of ANNs had lower MSE, RMSE and MAE than the GARCH (1,1) model and Theil U test indicated that the three models have smaller errors than those of a naïve forecast. Although the ANN based on returns have lower precision indicator values than those of ANN based on prices, the forecast encompassing test rejected the hypothesis that this model is better than that, indicating that the ANN models have a similar level of accuracy . It was concluded that for the data series studied the ANN models show a more appropriate Ibovespa forecasting than the traditional models of time series, represented by the GARCH model

Previsão do índice bovespa por meio de redes neurais artificiais: uma análise comparada aos métodos tradicionais de séries de tempo

Forecast is the basis for making strategic, tactical and operational business decisions. In financial economics, several techniques have been used to predict the behavior of assets over the past decades.Thus, there are several methods to assist in the task of time series forecasting, however, conventional modeling techniques such as statistical models and those based on theoretical mathematical models have produced unsatisfactory predictions, increasing the number of studies in more advanced methods of prediction. Among these, the Artificial Neural Networks (ANN) are a relatively new and promising method for predicting business that shows a technique that has caused much interest in the financial environment and has been used successfully in a wide variety of financial modeling systems applications, in many cases proving its superiority over the statistical models ARIMA-GARCH. In this context, this study aimed to examine whether the ANNs are a more appropriate method for predicting the behavior of Indices in Capital Markets than the traditional methods of time series analysis. For this purpose we developed an quantitative study, from financial economic indices, and developed two models of RNA-type feedfoward supervised learning, whose structures consisted of 20 data in the input layer, 90 neurons in one hidden layer and one given as the output layer (Ibovespa). These models used backpropagation, an input activation function based on the tangent sigmoid and a linear output function. Since the aim of analyzing the adherence of the Method of Artificial Neural Networks to carry out predictions of the Ibovespa, we chose to perform this analysis by comparing results between this and Time Series Predictive Model GARCH, developing a GARCH model (1.1).Once applied both methods (ANN and GARCH) we conducted the results' analysis by comparing the results of the forecast with the historical data and by studying the forecast errors by the MSE, RMSE, MAE, Standard Deviation, the Theil's U and forecasting encompassing tests. It was found that the models developed by means of ANNs had lower MSE, RMSE and MAE than the GARCH (1,1) model and Theil U test indicated that the three models have smaller errors than those of a naïve forecast. Although the ANN based on returns have lower precision indicator values than those of ANN based on prices, the forecast encompassing test rejected the hypothesis that this model is better than that, indicating that the ANN models have a similar level of accuracy . It was concluded that for the data series studied the ANN models show a more appropriate Ibovespa forecasting than the traditional models of time series, represented by the GARCH model

Previsão do índice bovespa por meio de redes neurais artificiais: uma análise comparada aos métodos tradicionais de séries de tempo

Forecast is the basis for making strategic, tactical and operational business decisions. In financial economics, several techniques have been used to predict the behavior of assets over the past decades.Thus, there are several methods to assist in the task of time series forecasting, however, conventional modeling techniques such as statistical models and those based on theoretical mathematical models have produced unsatisfactory predictions, increasing the number of studies in more advanced methods of prediction. Among these, the Artificial Neural Networks (ANN) are a relatively new and promising method for predicting business that shows a technique that has caused much interest in the financial environment and has been used successfully in a wide variety of financial modeling systems applications, in many cases proving its superiority over the statistical models ARIMA-GARCH. In this context, this study aimed to examine whether the ANNs are a more appropriate method for predicting the behavior of Indices in Capital Markets than the traditional methods of time series analysis. For this purpose we developed an quantitative study, from financial economic indices, and developed two models of RNA-type feedfoward supervised learning, whose structures consisted of 20 data in the input layer, 90 neurons in one hidden layer and one given as the output layer (Ibovespa). These models used backpropagation, an input activation function based on the tangent sigmoid and a linear output function. Since the aim of analyzing the adherence of the Method of Artificial Neural Networks to carry out predictions of the Ibovespa, we chose to perform this analysis by comparing results between this and Time Series Predictive Model GARCH, developing a GARCH model (1.1).Once applied both methods (ANN and GARCH) we conducted the results' analysis by comparing the results of the forecast with the historical data and by studying the forecast errors by the MSE, RMSE, MAE, Standard Deviation, the Theil's U and forecasting encompassing tests. It was found that the models developed by means of ANNs had lower MSE, RMSE and MAE than the GARCH (1,1) model and Theil U test indicated that the three models have smaller errors than those of a naïve forecast. Although the ANN based on returns have lower precision indicator values than those of ANN based on prices, the forecast encompassing test rejected the hypothesis that this model is better than that, indicating that the ANN models have a similar level of accuracy . It was concluded that for the data series studied the ANN models show a more appropriate Ibovespa forecasting than the traditional models of time series, represented by the GARCH model

Modelo econométrico de probabilidade de fechamento dos gaps do índice futuro Bovespa

Este trabalho estuda os gaps no índice futuro Bovespa. A partir de uma base de dados diária de onze anos do índice Bovespa futuro, o trabalho apresenta dois modelos econométricos não lineares os quais possibilitaram avaliar os efeitos de mudanças em um conjunto de variáveis independentes, a dizer, o tamanho em pontos do gap, a volatilidade do índice e volume suavizado de negociações. Os resultados encontrados mostram que tamanho em pontos do gap possui efeito negativo na probabilidade de fechamento. Por sua vez, as variáveis que representam a volatilidade do índice e o volume de negociações possuem um efeito positivo no fechamento dos gaps, sendo assim, quanto mais volátil o mercado encontra-se e quanto maior o volume transacionado em um determinado dia maior a probabilidade de fechamento dos gaps. Ademais, o trabalho realiza previsões para os fechamentos dos gaps e consegue prever corretamente 68,11% dos gaps positivos e 73,71% dos gaps negativos que fecham.

Active versus passive management : the case of BOVESPA

Mestrado em Finanças

Análise de métodos de replicação: o caso IBOVESPA

Este artigo apresenta e implementa os principais métodos quantitativos para replicar o Índice Bovespa. Os modelos utilizados são: replicação plena, carteira de mínima variância global, Black e minimização quadrática sem venda a descoberto, cujos critérios de análise incluem os parâmetros de tracking error, beta, R-quadrado e semelhança de série em relação à média e à variância. Concluiu-se que não existe o melhor modelo na aplicação ao Ibovespa, porque todos mostraram seus méritos e suas limitações nas diversas condições simuladas, além do fato de cada administrador poder ter necessidades diferentes, mutáveis no espaço e no tempo.

Captação de recursos por fundos de investimento e mercado de ações

O presente artigo analisa a relação contemporânea e defasada entre fluxos de entrada e saída de recursos nos fundos de ações no Brasil e o desempenho de alguns ativos fundamentais, tais como o Índice Bovespa, a taxa de câmbio comercial e a taxa de juros no mercado interbancário. Os principais objetivos do trabalho são (1) encontrar evidências de que o fluxo de recursos depende do desempenho desses ativos, com particular atenção para o Índice Bovespa, e (2) verificar se as estatísticas de captação de recursos podem ser utilizadas para prever preços futuros, principalmente o valor da carteira do Índice Bovespa. Com o auxílio de diversas ferramentas de análise de séries temporais, são obtidos resultados que indicam haver evidências da dependência entre captação de recursos e desempenho do Índice, mas que o conhecimento do fluxo de recursos não ajuda a prever seu o desempenho futuro, resultado compatível com a eficiência semiforte do mercado brasileiro de ações.

Cópulas: uma alternativa para a estimação de modelos de risco multivariados

Dentre os principais desafios enfrentados no cálculo de medidas de risco de portfólios está em como agregar riscos. Esta agregação deve ser feita de tal sorte que possa de alguma forma identificar o efeito da diversificação do risco existente em uma operação ou em um portfólio. Desta forma, muito tem se feito para identificar a melhor forma para se chegar a esta definição, alguns modelos como o Valor em Risco (VaR) paramétrico assumem que a distribuição marginal de cada variável integrante do portfólio seguem a mesma distribuição , sendo esta uma distribuição normal, se preocupando apenas em modelar corretamente a volatilidade e a matriz de correlação. Modelos como o VaR histórico assume a distribuição real da variável e não se preocupam com o formato da distribuição resultante multivariada. Assim sendo, a teoria de Cópulas mostra-se um grande alternativa, à medida que esta teoria permite a criação de distribuições multivariadas sem a necessidade de se supor qualquer tipo de restrição às distribuições marginais e muito menos as multivariadas. Neste trabalho iremos abordar a utilização desta metodologia em confronto com as demais metodologias de cálculo de Risco, a saber: VaR multivariados paramétricos - VEC, Diagonal,BEKK, EWMA, CCC e DCC- e VaR histórico para um portfólio resultante de posições idênticas em quatro fatores de risco – Pre252, Cupo252, Índice Bovespa e Índice Dow Jones