[pt] Desenvolvemos um modelo de mercado de ações baseado em agentes e o simulamos numericamente. Os agentes são heterogêneos, possuem aversão ao risco e adotam estratégias de negociação provenientes da análise técnica. As flutuações são governadas por uma componente estocástica no investimento dos agentes. O modelo reproduz os fatos estilizados observados empiricamente nos mercados de ações no regime normal, tais como distribuição de retornos com caudas longas, memória de curto-alcance na série temporal de retornos e correlação de longo-alcance na volatilidade. Nossas simulações mostram que estes fenômenos empíricos emergem endogenamente do comportamento coletivo dos agentes, apesar da simplicidade do modelo. Isto sugere que a dinâmica complexa do mercado não surge da complexidade do comportamento individual dos investidores, mas sim da interação entre eles através da formação do preço de mercado. / [en] We develop a multi-agent based model of stock market and simulate it numerically. The agents are heterogeneous and risk-averse, adopting trading strategies deriving from technical analysis. The fluctuations are driven by a stochastic component in agent´s investment. The model is able to capture the stylized facts observed empirically in the stock markets in the normal regime, such as long tails in the distribution of returns, short-memory in the return temporal series and long-range correlation in volatility. Our simulations show that these empirical phenomenons emerge endogenously from the collective behavior of the agents, despite the simplicity of the model. This suggests that the complex market dynamics do not arise from the complexity of the individual investors but rather from interactions between them trough the market price formation.

[pt] A diversificação, um dos fundamentos da Teoria Moderna de Carteiras e baseada na correlação entre ativos, se tornou importante ferramenta em modelos de alocação de recursos e gerenciamento de risco de carteiras. No entanto, estudos recentes apontam redução da eficiência da diversificação em períodos de maior volatilidade, quando ocorre o aumento da correlação entre as ações e que provoca graves distorções nos modelos que consideram a estabilidade da estrutura da matriz de correlação. A proposta deste trabalho é investigar a relação entre as variações da matriz de correlação de ações e a volatilidade do mercado, aplicando a metodologia apresentada por Jacquier e Marcus (2000) para o mercado de ações brasileiro e latino americano. Embora tenha apresentado resultados diferentes para os dois mercados de ações, verificou-se que o modelo indexado de um fator consegue explicar que grande parte das variações da matriz de correlação é explicada pela volatilidade dos respectivos mercados. / [en] Diversification, one of the foundations of the Modern Portfolio Theory and based on the asset correlation, has become an important tool in models for asset allocation and in risk management. Recent studies, however, indicate a reduction in the efficiency of diversification in times of higher volatility since, as the correlation between stocks increases, there are severe discrepancies in the models that take into account the stability of the correlation matrix. The purpose of this dissertation is to investigate the relationship between variations in the correlation matrix of stocks and the volatility of the market, applying the methodology introduced by Jacquier and Marcus (2000) to the Brazilian and Latin American stock markets. Although each market presented different results, it was verified that the model, indexed by a factor, can explain that many of the variations in the correlation matrix are a result of the volatility of the respective.

[pt] Esse estudo examina a estrutura de dependência do mercado de ações do Brasil, Chile, Colômbia, México e Peru em relação aos retornos do preço de commodities, do mercado de ações global e sua volatilidade e do índice de incerteza político-econômica americana. A metodologia empregada é a regressão quantílica por permitir o exame da dependência nos diferentes quantis de distribuição dos retornos, ou seja, sob diferentes circunstâncias de mercado. Os resultados mostraram que há dependência em relação ao mercado global de ações em todos os países. De uma maneira geral, os preços das commodities também influenciam no retorno do mercado acionários da América Latina, sendo a estrutura de dependência, por vezes, assimétrica. O índice de incerteza político-econômica americano não impacta o mercado acionário de Chile e Peru, ao passo que a estrutura de dependência é assimétrica e negativa no Brasil, Colômbia e México. Por fim, o índice VIX não é significante para os retornos do mercados de ações de Brasil e Peru. Como uma contribuição adicional, foi examinada a relação de dependência do mercado acionário brasileiro em relação ao índice de incerteza político-econômico brasileiro. O estudo identificou que variações positivas do índice de incerteza político-econômico brasileiro levam a quedas no retorno acionário, quando o mercado está em ascensão. Os resultados desse estudo contribuem para a compreensão dos movimentos dos retornos do mercado acionário do Brasil e de outros países da América Latina em relação a diversos fatores, os quais são do interesse de diversos stakeholders, tais como investidores internacionais e gestores de portfólio. / [en] This study examines the dependence structure between the stock markets of Brazil, Chile, Colombia, Mexico and Peru and the commodity price, the global stock market and its volatility, and the U.S. economic-policy uncertainty index. The methodology employed is the quantile regression because it allows to exam the dependence in different quantiles of the returns distribution, that is, under different market circumstances. The results showed that there is dependence on the global stock market in all countries. In general, commodity prices also influence the stock markets of Latin America, with the dependence structure being often asymmetric. The U.S. economic-policy uncertainty index doesn t impact the stock markets of Chile and Peru, while the dependence structure is negative and asymmetric in Brazil, Colombia, and Mexico. Finally, the VIX index is not significant for the stock market returns in Brazil and Peru. As an additional contribution, the dependence of the brazilian stock market in relation to the Brazil economic-policy uncertainty index. The study identified that positive changes in the political-economic uncertainty index lead to declines in shareholder returns, when the market is bullish. The results of this study contribute to understand the movements of stock market returns in Brazil and other Latin American countries in relation to several factors, which are of interest to several stakeholders, such as international investors and portfolio managers.

[pt] Esta pesquisa tem como objetivo principal estimar e analisar previsões dos retornos das ações utilizandoo modelo multi-fatorial desenvolvido pela empresa de consultoria BARRA.Para tanto, foram empregadas três metodologias no cálculo das projeções dos retornos dos fatores contra mudanças inesperadas em variáveis macroeonômicas.Tais projeções foram, então, traduzidas em previsões dos retornos das ações. A análise dos resultados obtidos indica que as previsões geradas contém informações úteis na identificação dos movimentos relativos nos preços das ações. / [en] The main objective of this work is to estimate stocks return forecasts using the BARRA multiple factor model developed for the brazilian market. Three methodologies were applied to estimate the projection of the factors return. The first on is based on a moving average approach and the other two are based on regressions of the factors return against unexpected changes in some macroeconomic variables. These projections were then translated into forecasts for stocks return. Theresults show that the obtained forecasts have useful information to identify relative movement on stock prices.

[pt] Realizar previsões de preços no mercado de ações é uma tarefa difícil devido ao fato de o mercado financeiro ser um ambiente altamente dinâmico, complexo e caótico. Para algumas teorias financeiras, usar as informações disponíveis para tentar prever o preço de uma ação a curto prazo é um esforço em vão já que ele sofre a influência de diversos fatores externos e, em decorrência, sua variação assemelha-se à de um passeio aleatório. Estudos recentes, como (37) e (51), abordam o problema com modelos de predição específicos para o comportamento do preço de uma ação isolada. Neste trabalho, apresenta-se uma proposta para prever variações de preço tendo como base conjuntos de ações consideradas similares. O objetivo é criar um modelo capaz de prever se o preço de diferentes ações tendem a subir ou não a curto prazo, considerando informações de ações pertencentes a conjuntos similares com base em duas fontes de informações: os dados históricos das ações e as notícias do Google Trends. No estudo proposto, primeiramente é aplicado um método para identificar conjuntos de ações similares para então criar um modelo de predição baseado em redes neurais LSTM (long shortterm memory) para esses conjuntos. Mais especificamente, foram conduzidos dois experimentos: (1) aplicação do algoritmo K-Means para a identificação dos conjuntos de ações similares, seguida da utilização de uma rede neural LSTM para realizar as previsões, e (2) aplicação do algoritmo DBSCAN para a criação dos conjuntos seguida da mesma rede LSTM para prever as variações de preço. O estudo foi realizado em um conjunto com 51 ações do mercado acionário brasileiro, e os experimentos sugeriram que utilizar um método para criar conjuntos de ações similares melhora os resultados em aproximadamente 7 porcento de acurácia e f1-score, e 8 porcento de recall e precision quando comparados a modelos para ações isoladas. / [en] Predicting stock market prices is a hard task. The main reason for that is due to the fact its environment is highly dynamic, intrinsically complex and chaotic. The traditional economic theories tell us that trying to predict short-term stock price movements is a wasted effort because the market is influenced by several external events and its behavior approximates a random walk. Recent studies, such as (37) and (51), address this problem and create specific prediction models for the price behavior of an isolated stock. This work presents a proposal to predict price movements based on stock sets considered similar. Our goal is building a model to identify whether the price tends to bullishness or bearishness in the (near) future, considering stock information from similar sets based on two sources of information: historical stock data and Google Trends news. Firstly, the proposed study applies a method to identify similar stock sets and then creates a predictive model based on LSTM (long short-term memory) for these sets. More specifically, two experiments were conducted: (1) using the K-Means algorithm to identify similar stock sets and then using a LSTM neural network to predict stock price movements for these stock sets; (2) using the DBSCAN algorithm to identify similar stock sets and then using the same LSTM neural network to forecast stock price movements. The study was conducted over 51 stocks of the brazilian stock market. The results suggested that using an algorithm to identify similar stock clusters yields an improvement of approximately 7 percent in accuracy and f1-score and 8 percent in recall and precision when compared to specific models for isolated stocks.

[pt] A otimização online de portfólios é um problema de engenharia financeira que consiste na escolha sequencial de alocação de capital entre um conjunto de ativos, com o objetivo de maximizar o retorno acumulado no longo prazo. Com o avanço dos estudos de modelos de machine learning, diversos algorítmos estão sendo utilizados para resolver esse problema. Uma série de algoritmos seguem a metodologia Follow-the-winner (FTW) , onde o peso de ações com boa performance é aumentado baseado na hipótese de que a tendência de alta será mantida; outros seguem a metodologia inversa Follow-the-loser (FTL), em que ações com má performance tem seu peso aumentado apostando em uma reversão dos preços. Algoritmos estado-da-arte do tipo FTW possuem garantia teórica de se aproximar da performance da melhor ação escolhida de antemão, entretanto, algoritmos do tipo FTL tem performance superior observada empiricamente. Nosso trabalho busca explorar a ideia de aprender quando utilizar cada uma das duas categorias. Os mecanismos utilizados são algoritmos de online learning com flexibilidade para assumir ambos comportamentos. Foi realizado um estudo da literatura sobre indicadores de memória em séries financeiras e sua possível utilização de forma explícita para escolha entre FTL e FTW. Posteriormente, propomos um método de se realizar o aprendizado entre essas duas categorias de forma online e de forma dinâmica para utilização em algoritmos de online learning. Em nossos experimentos, o método proposto supera o benchmark estabelecido UCRP com excesso de retorno de 36.76 por cento. / [en] Online portfolio selection is a financial engineering problem which aims to sequentially allocate capital among a set of assets in order to maximize long-term return. With the recent advances in the field of machine learning, several models have been proposed to address this problem. Some algorithms approach the problem with a Follow-the-winner (FTW) methodology, which increases the weights of more successful stocks based on their historical performance. Contrarily, a second approach, Follow-theloser (FTW), increases the weights of less successful stocks, betting on the reversal of their prices. Some state-of-the-art FTW type algorithms have the guarantee to asymptotically approach the same performance as the best stock chosen in hindsight, while FTL algorithms have empirical evidence of overperforming the previous. Our goal is to explore the idea of learning when to use each of those two algorithm categories. We do this by using online learning algorithms that are capable of switching between the described regimes. We review the literature for existing measures of time series memory and predictability, and explicitly use this information for chosing between FTW and FTL. Later, we propose a method for choosing between this two types of algorithms in an online and dynamic manner for usage together with online learning algorithms. The method outperforms the chosen benchmark UCRP in our experiments with 36.76 percent excess returns.

[pt] Eu calculo uma proxy da propensão à tomada de risco dos jogadores de cassino através dos dados de receita de cassinos. Usando regressões insample e out-of-sample, eu então analiso o quão bem essa proxy prevê o prêmio de risco do mercado de ações. / [en] I estimate a proxy for the risk taking behavior of Casino gamblers through a measure of total Casino gambling revenue. Using in-sample and out-of-sample regressions, I then analyze how suited this proxy is in predicting market risk premium.

[pt] Investidores estão sempre à procura de uma vantagem. Porém, tradicionais teorias financeiras nos dizem que tentar predizer tendências na bolsa de valores é um esforço em vão, uma vez que seguem um passeio aleatório, i.e., um processo estocástico ou randômico. Além disso, afirma-se que o mercado é eficiente de maneira que sempre incorpora e reflete toda informação relevante, o que torna impossível bater o mercado. Recentemente, com o crescimento da web e aumento da disponibilidade de dados em conjunto com a evolução dos algoritmos de Aprendizado de Máquina, diversos trabalhos tem aplicado técnicas de Processamento de Linguagem Natural em notícias financeiras e dados de redes sociais para prever variações do preço de ações. Consequentemente, estão surgindo fortes evidências que o mercado pode, em algum grau, ser previsto. Este trabalho descreve o desenvolvimento de uma aplicação baseada em Aprendizado de Máquina para realizar a predição de tendências no mercado de ações, i.e., variações negativas, positivas ou neutras de preços com granularidade de minuto. Avaliamos o sistema usando dados de cotação de ações da B3 (Brasil Bolsa Balcão), antiga BM&FBOVESPA, e um dataset de tópicos mais relevantes buscados no Google Search e seus artigos relacionados, que são disponibilizados pela plataforma Google Trends e coletados, minuto a minuto, de 15/08/2016 até 10/07/2017. Os experimentos mostram que esses dados provêem informação relevante para a tarefa em questão, onde conseguimos uma acurácia de 69.24 porcento para a predição de tendências do ativo PETR4, criando alguma / [en] Investors are always looking for an edge. However, traditional economic theories tell us that trying to predict short-term stock price movements is wasted effort, since it approximate a random walk, i.e., a stochastic or random process. Besides, these theories state that the market is efficient enough to always incorporate and reflect all relevant information, making it impossible to beat the market. In recent years, with the growth of the web and data availability in conjunction with advances in Machine Learning, a number of works are using Natural Language Processing to predict share price variations based on financial news and social networks data. Therefore, strong evidences are surfacing that the market can, in some level, be predicted. This work describes the development of an application based on Machine Learning to predict trends in the stock market, i.e., positive, negative or neutral price variations with minute granularity. We evaluate our system using B3 (Brasil Bolsa Balcão), formerly BM&FBOVESPA, stock quotes data, and a dataset with the most relevant topics of Google Search and its related articles, provided by the Google Trends platform and collected, minute by minute, from 08/15/2016 to 07/10/2017. The experiments show that this data provides useful information to the task at hand, in which we achieve 69.24 per cent accuracy predicting trends for the PETR4 stock, creating some leverage to make profits possible with intraday trading.

[pt] Um conjunto de teorias financeiras, tais como a hipótese do mercado eficiente e a teoria do passeio aleatório, afirma ser impossível prever o futuro do mercado de ações baseado na informação atualmente disponível. Entretanto, pesquisas recentes têm provado o contrário ao constatar uma relação entre o conteúdo de uma notícia corrente e o comportamento de um ativo. Nosso objetivo é projetar e implementar um algoritmo de predição que utiliza notícias jornalísticas sobre empresas de capital aberto para prever o comportamento de ações na bolsa de valores. Utilizamos uma abordagem baseada em aprendizado de máquina para a tarefa de predição do comportamento de um ativo nas posições de alta, baixa ou neutra, utilizando informações quantitativas e qualitativas, como notícias sobre o mercado financeiro. Avaliamos o nosso sistema em um dataset com seis mil notícias e nossos experimentos apresentam uma acurácia de 68.57 porcento para a tarefa. / [en] A set of financial theories, such as the eficient market hypothesis and the theory of random walk, says it is impossible to predict the future of the stock market based on currently available information. However, recent research has proven otherwise by finding a relationship between the content of a news and current behavior of an stock. Our goal is to develop and implement a prediction algorithm that uses financial news about joint-stock company to predict the stock s behavior on the stock exchange. We use an approach based on machine learning for the task of predicting the behavior of an stock in positions of up, down or neutral, using quantitative and qualitative information, such as financial. We evaluate our system on a dataset with six thousand news and our experiments indicate an accuracy of 68.57 percent for the task.

[pt] Esta tese é composta por três estudos que têm em comum um papel destacado para choques de demanda na avaliação do risco de ações. O primeiro estudo avalia se ações que apresentam volume anormalmente alto têm um maior retorno nas semanas seguintes, sem necessariamente maior risco, como relatado anteriormente na literatura. Diferentemente de resultados precedentes, o estudo mostra que o risco sistemático pode explicar parcialmente o maior retorno de uma carteira formada com ações que apresentam volume anormalmente alto. Porém, também mostra que a correlação com o retorno do mercado não é suficiente para explicar o maior retorno da carteira de maior volume. O segundo estudo avalia se retornos acumulados afetam a resposta da volatilidade a choques de retorno. Foi verificado que sim. Este resultado é atribuído a viés comportamental que, atenuaria o impacto dos choques positivos, sobre a volatilidade, quando o retorno acumulado e corrente são negativos, mas amplificaria o impacto dos choques negativos, quando o retorno acumulado e corrente são negativos. O estudo apresenta evidência empírica que suporta esta explicação. O terceiro estudo, motivado por literatura recente que mostra a relevância da assimetria das distribuições de retornos de ações na avaliação de risco, procura identificar determinantes da assimetria. Além das variáveis explicativas identificadas pela literatura precedente, o estudo mostra que o ganho de capital e uma variável proposta como proxy para a freqüência de incorporação de novidades aos preços afetam a assimetria da distribuição de retornos de ações de maneira estatisticamente significativa e com os sinais conjecturados. / [en] This thesis consists of three essays which have in common the role of demand shocks in the evaluation of stocks risk. The first essay evaluates whether stocks that present abnormal high volume have a greater return in the following weeks, which is not necessarily linked to higher risk, as previously reported in financial literature. Contrary to previous results, the essay shows that systematic risk may partially explain the greater return of the portfolio formed with stocks that present abnormally high volume. However, it also shows that the correlation with market return is not sufficient to explain the greater return of the high volume portfolio. The second essay evaluates whether cumulative returns affect the response of volatility to return shocks. The result was affirmative, and attributed to behavioral bias, that attenuates the impact f positive shocks, when cumulative and current return are positive, and amplifies the impact of negative shocks, when cumulative and current return are negative. The essay also provides empirical evidence supporting this explanation. The third essay, motivated by recent literature that shows the relevance of skewness of returns distribution to risk evaluation, aims the identification of skewness determinants. Besides explanatory variables identified by previous literature, the essay shows that capital gain and a variable proposed as proxy for the frequency of information incorporation into prices affect the skewness of stocks returns distribution, with statistical significance and conjectured signs.