[pt] O objetivo do presente estudo foi investigar a possibilidade de alterações de ratings soberanos de países emergentes produzirem efeitos no mercado acionário brasileiro. Para tanto, adotou-se o teste estatístico paramétrico de estudo de evento, amplamente utilizado para testes de eficiência semi-forte de mercado. Os resultados sugerem que alterações de ratings soberanos de países emergentes produzem efeitos no comportamento dos preços do mercado acionário brasileiro, ainda que sua intensidade esteja associada ao tipo de informação que foi incorporada. Notícias negativas, principalmente os rebaixamentos de outlook, carregam um conteúdo informacional maior do que as positivas. Observou-se ainda a existência de antecipação dos anúncios negativos por parte dos agentes. / [en] The objective of the study was to investigate the possibility that sovereign rating changes of emerging countries impact the brazilian equity market. For such, the parametric statistical test of event study was adopted, widely utilized for semi-strong efficiency market tests. The results indicate that emerging markets sovereign rating changes produce effects over the behavior of brazilian equity market prices, although the intensity of the impact is associated to the type of information that was incorporated. The study shows that negative news, specially the negative outlook rating assignments, produce higher effects on prices compared to positive news. Futhermore, it was noted that market participants anticipate negative news.

[pt] A crescente integração econômica e financeira mundial vem continuamente intensificando a demanda por informações visando subsidiar a tomada de decisões de um investidor global, geralmente baseada em dois fatores primordiais: risco e retorno. Nesse contexto, tornam-se extremamente interessantes as informações produzidas pelas agências de classificação de risco. Tais agências representam, através de notas, o risco de uma determinada nação não arcar com suas dívidas. Conseqüentemente, ao classificar o risco soberano de um país, influenciam investidores de todo o mundo, impactando principalmente, os mercados emergentes, como o brasileiro. Assim, o objetivo deste trabalho é avaliar os efeitos de mudanças dos ratings soberanos brasileiros atribuídos pelas agências de classificação de risco, no mercado acionário nacional. É percorrido um histórico das agências de rating e dos principais bonds por elas avaliados. Também é fornecida uma detalhada descrição das características daquelas agências e a forma de que elas influenciariam o mercado de capitais. Em seguida, através de testes estatísticos, desenvolve-se um estudo de evento, para analisar os efeitos verificados sobre os retornos do índice BOVESPA, nos períodos de upgrade, downgrade ou reavaliação assinalados pelas agências.Por fim, resultados serão expostos e as conclusões apresentadas. / [en] The growing economic and financial integration of the world is continuously intensifying the demand for information, in order to subsidize the decision making of the global investor, generally based on two major factors: risk and return. In this context, the data produced by the Credit Risk Agencies becomes extremely interesting. Such Agencies represent, with grades, the risk of a specific nation does not pay its debt. Consequently, when there is a Sovereign Risk classification of a country, these companies influence investors all over the world, impacting mostly the emerging markets, as well as the Brazilian market. Therefore, the objective of this work is to evaluate the effects of Brazilian Sovereign ratings, attributed by the Credit Agencies, in the national stock bond markets. A history of the Credit Agencies and the most important bonds evaluated by them will be reviewed. Furthermore, a detailed description of the characteristics of those agencies and how they influence the capital markets will be provided. Following, through statistical tests, an event study will be developed to analyze the effects verified in the returns of BOVESPA index, in events of upgrade, downgrade and outlook revision signed by the Credit Agencies. Finally, results are provided and conclusions presented.

[pt] Nos últimos anos, vem crescendo o interesse acerca da predição do comportamento do mercado de capitais, tanto por parte dos investidores quanto dos pesquisadores. Apesar do grande número de publicações tratando esse problema, predizer com eficiência futuras tendências e desenvolver estratégias de negociação capazes de traduzir boas predições em lucros são ainda grandes desafios. A dificuldade em realizar tais tarefas se deve tanto à não linearidade e grande volume de ruídos presentes nos dados do mercado, quanto à falta de sistemas que possam avaliar com propriedade a qualidade das predições realizadas. Nesse trabalho, são realizadas predições de séries temporais visando auxiliar o investidor tanto em operações de compra e venda, como em Pairs Trading. Além disso, as predições são feitas considerando duas diferentes periodicidades. Uma predição interday, que considera apenas dados diários e tem como objetivo a predição de valores referentes ao presente dia. E uma predição intraday, que visa predizer valores referentes a cada hora de negociação do dia atual e para isso considera também os dados intraday conhecidos até o momento que se deseja prever. Para ambas as tarefas propostas, foram testadas três ferramentas de predição, quais sejam, Regressão por Mínimos Quadrados Parciais, Regressão por Vetores de Suporte e Redes Neurais Artificiais. Com o intuito de melhor avaliar a qualidade das predições realizadas, é proposto ainda um trading system. Os testes foram realizados considerando ativos das companhias mais negociadas da BM e FBOVESPA, a bolsa de valores oficial do Brasil e terceira maior do mundo. Os resultados dos três preditores são apresentados e comparados a quatro benchmarks, bem como com a solução ótima. A diferença na qualidade de predição, considerando o erro de predição ou as métricas do trading system, são notáveis. Se quando analisado apenas o Erro Percentual Absoluto Médio os preditores propostos não mostram uma melhora significativa, quando as métricas do trading system são consideradas eles apresentam um resultado bem superior. O retorno anual do investimento em alguns casos atinge valor superior a 300 por cento. / [en] The interest of both investors and researchers in stock market behavior forecasting has increased throughout the recent years. Despite the wide number of publications examining this problem, accurately predicting future stock trends and developing business strategies capable of turning good predictions into profits are still great challenges. This is partly due to the nonlinearity and noise inherent to the stock market data source, and partly because benchmarking systems to assess the forecasting quality are not publicly available. Here, we perform time series forecasting aiming to guide the investor both into Pairs Trading and buy and sell operations. Furthermore, we explore two different forecasting periodicities. First, an interday forecast, which considers only daily data and whose goal is predict values referring to the current day. And second, the intraday approach, which aims to predict values referring to each trading hour of the current day and also takes advantage of the intraday data already known at prediction time. In both forecasting schemes, we use three regression tools as predictor algorithms, which are: Partial Least Squares Regression, Support Vector Regression and Artificial Neural Networks. We also propose a trading system as a better way to assess the forecasting quality. In the experiments, we examine assets of the most traded companies in the BM and FBOVESPA Stock Exchange, the world s third largest and official Brazilian Stock Exchange. The results for the three predictors are presented and compared to four benchmarks, as well as to the optimal solution. The difference in the forecasting quality, when considering either the forecasting error metrics or the trading system metrics, is remarkable. If we consider just the mean absolute percentage error, the proposed predictors do not show a significant superiority. Nevertheless, when considering the trading system evaluation, it shows really outstanding results. The yield in some cases amounts to an annual return on investment of more than 300 per cent.