[pt] Os resultados empíricos apresentados na literatura sobre o CAPM em geral refletem as falhas teóricas do modelo em sua forma incondicional. Deste modo, duas linhas de pesquisas principais surgiram na tentativa de relaxar alguns dos pressupostos do modelo, dando origem aos chamados modelos de multifatores e modelos condicionais. Em síntese, os modelos condicionais são aqueles nos quais o valor esperado do retorno de um ativo é explicitado de forma condicional a um conjunto de informação disponível no período anterior, e a sensibilidade ao fator de risco, beta, bem como o intercepto da equação de regressão, alfa, são considerados parâmetros variantes no tempo. Este trabalho tem dois objetivos principais: (i) avaliar de forma comparativa o tratamento dos modelos CAPM condicionais na forma em espaço de estados estimados a partir do filtro de Kalman com os erros da equação de observação nas formas homocedástica e heterocedástica, com base no trabalho de Ortas, Salvador e Moneva (2014); (ii) avaliar como o uso de medidas condicionais obtidas a partir do modelo CAPM condicional sob a abordagem aqui descrita pode melhorar a prática atual de avaliação de performance dos fundos de investimentos a partir de uma amostra do mercado brasileiro. Os resultados obtidos indicam que a modelagem heterocedástica, do ponto de vista da qualidade de ajuste aos dados da amostra, é capaz de melhorar os resultados em relação ao modelo homocedástico e aos modelos incondicionais correspondentes, proporcionando, portanto, melhores práticas de avaliação de desempenho dos fundos. / [en] The empirical results presented in the literature on the CAPM generally reflect the theoretical flaws of the model in their unconditional form. Thus, two main lines of research have emerged in an attempt to relax some of the model assumptions in its original form, giving rise to so-called multi-factor models and conditional models. In summary, the conditional models are those in which the expected value of the return of an asset is explained conditionally to a set of information available in the previous period, and the sensitivity to the risk factor, beta, as well as the intercept of the equation regression, alpha, are assumed to be time varying parameter. This work has two main objectives: (i) assess comparatively the treatment of conditional CAPM models in state-space form and estimates from the Kalman filter with the residuals of the observation equation in homocedastic and heteroskedastic forms, based on the work of Ortas, Salvador and Moneva (2014); (ii) evaluate how the use of conditional measurements obtained from the conditional CAPM under the approach previously described can improve the current practice of performance evaluation of investment funds from a sample of the Brazilian market. The results obtained indicate that heteroskedastic modeling, from the point of view of the quality of fit for the sample data, is able to provide better results in relation to homocedastic model and corresponding unconditional models, providing better practices for performance evaluation of funds.

[pt] Diversos estudos envolvendo modelos de fatores para apreçamento de ativos contestam a validade do CAPM. Ao longo do tempo, para explicar as chamadas anomalias dos retornos das ações, os trabalhos se voltaram tanto para a busca de novos fatores de risco – os modelos multifatores – bem como para o tratamento dinâmico das sensibilidades relacionadas aos fatores de risco – os modelos condicionais de apreçamento de ativos. Os modelos condicionais, de um ou mais fatores, explicitam o valor esperado do retorno de um ativo de forma condicional a um conjunto de informação disponível no período anterior. As sensibilidades aos fatores de risco, os betas, são estimados como parâmetros dinâmicos a partir de diferentes abordagens na literatura. Nesta tese, o objetivo é o estudo de modelos condicionais na forma espaço-estado, em que os betas seguem processos estocásticos e são estimados a partir do filtro de Kalman, de forma a verificar o ganho na capacidade explicativa dos modelos. Dois estudos empíricos são realizados, um para o CAPM condicional no mercado brasileiro e outro para o modelo de três fatores condicional de Fama e French no mercado norte-americano. De modo geral, os resultados ao se considerar a variação temporal das sensibilidades aos fatores são melhores do que os obtidos a partir dos modelos incondicionais correspondentes, tanto no que se refere ao ajuste aos dados quanto à redução proporcionada nos erros de apreçamento. / [en] The validity of CAPM is contested by several studies based on factor models. During the last decades, aiming to explain the known financial anomalies of stock returns, two major lines of research emerged: the use of asset pricing models that allow for multiple sources of risk – the multifactor models – as well as the dynamic approach to model the sensitivities of returns in respect to the risk factors – the conditional models. The conditional models, based on one or more risk factors, explicit the expected return conditional to the information set available in the previous period. The factor sensitivities, or the betas, are estimated as dynamic parameters according to different approaches in the literature. The main objective in this thesis is to study conditional pricing models based on state-space approach. The betas dynamics are described as stochastic processes and estimated through the Kalman filter in order to verify the models ability to explain the returns and related financial anomalies, such as size and value effects. Two empirical applications are presented: one for Conditional CAPM in the Brazilian stock market and another for Conditional Fama and French (1993) three-factor model in the American stock market. In both cases, time-varying sensitivities treatment provides better model adjustment as well as smaller pricing errors compared to correspondent unconditional models.