[pt] Desde o trabalho seminal de Modigliani e Miller (1961), muito se aprendeu sobre as decisões de endividamento corporativo. Tipicamente, empresas maiores e com uma proporção maior de ativos imobilizados são mais endividadas, e as mais lucrativas possuem endividamento mais baixo (Rajan e Zingales, 1995). Lemmon, Roberts e Zender (2008) mostram, porém, que uma parte substancial do endividamento é determinado por características não observáveis constantes no tempo. A importância dessas características é consistente com a persistência do endividamento das empresas americanas de capital aberto e a sua convergência para alvos que mudam ao longo do tempo. Será que características não observáveis constantes no tempo também são relevantes para o endividamento das empresas brasileiras? Há razões para crer que não. A economia brasileira é marcada por uma alta volatilidade de fatores macroeconômicos como taxas de juros, taxas de câmbio e inflação. Tal volatilidade talvez magnifique fatores conjunturais a um ponto que solape fatores mais estruturais das decisões de endividamento. Nesse caso, a documentada convergência do endividamento alvo das empresas americanas pode simplesmente não existir no Brasil. O objetivo principal desta dissertação é estudar os fatores permanentes e transitórios das decisões de endividamento no Brasil, verificando em que setores da economia os primeiros são mais importantes do que os últimos, e avaliando se as combinações desses fatores transitórios descarta a existência de um endividamento alvo médio para as empresas de capital aberto no Brasil. / [en] Since the seminal work of Modigliani and Miller (1961), much has been learned about corporate debt decisions. Typically, larger firms with a higher proportion of fixed assets are more indebted, and the more profitable have lower indebtedness (Rajan and Zingales, 1995). Lemmon, Roberts and Zender (2008) show, however, that a substantial part of the indebtedness is determined by unobservable characteristics that are constant in time. The importance of these characteristics is consistent with the continued indebtedness of US publicly traded companies and their convergence to targets that change over time. Are non-observable characteristics constant in time also relevant to the indebtedness of Brazilian companies? There are reasons to believe that not. The Brazilian economy is marked by a high volatility of macroeconomic factors such as interest rates, exchange rates and inflation. Such volatility may magnify cyclical factors to a point that overlaps more structural factors of debt decisions. In this case, the documented convergence of the target debt of US companies may simply not exist in Brazil. The main objective of this dissertation is to study the permanent and transitory factors of indebtedness decisions in Brazil, verifying in which sectors of the economy the former are more important than the last, and evaluating if the combinations of these transitory factors rule out the existence of a target debt average for publicly traded companies in Brazil.

[pt] Este estudo explora fontes de dados não convencionais como dados textuais de jornais e pesquisas de internet do Google Trends em dois problemas empíricos: (i) analisar o impacto da mobilidade sobre o número de casos e mortes por Covid-19; (ii) nowcasting do PIB em alta-frequência. O primeiro artigo usa fontes de dados não estruturados como controle para fatores comportamentais não observados e encontra que um aumento na mobilidade residencial diminui significativamente o número de casos e mortes num horizonte de quatro semanas. O segundo artigo usa fontes de dados não estruturadas para fazer um nowcasting semanal do PIB, mostrando que dados textuais e Google Trends pode aumentar a qualidade das projeções (medido pelo EQM, EAM e outras métricas) comparado com as expectativas de mercado do Focus como base. Em ambos casos, dados não estruturados reveleram-se fontes ricas de informação não codificadas em indicadores estruturados convencionais. / [en] This study exploits non-conventional data sources such as newspaper textual data and internet searches from Google Trends in two empirical problems: (i) analysing the impacts of mobility on cases and deaths due to Covid-19; (ii) nowcasting GDP in high-frequency. The first paper resorts to unstructured data to control for non-observable behavioural effects and finds that an increase in residential mobility significantly reduces Covid-19 cases and deaths over a 4-week horizon. The second paper uses unstructured data sources to nowcast GDP on a weekly basis, showing that textual data and Google Trends can significantly enhance the quality of nowcasts (measured by MSE, MAE and other metrics) compared to Focus s market expectations as a benchmark. In both cases, unstructured data was revealed to be a valuable source of information not encoded in structured indicators.