Submitted by Walter Gonçalves Junior (wgoncalves@gvmail.br) on 2011-09-01T19:19:13Z No. of bitstreams: 1 A Atividade do Capital Estrangeiro na Bovespa.pdf: 1607963 bytes, checksum: f7faaed440311575db9ed36f64dc8427 (MD5) / Approved for entry into archive by Gisele Isaura Hannickel (gisele.hannickel@fgv.br) on 2011-09-02T12:12:17Z (GMT) No. of bitstreams: 1 A Atividade do Capital Estrangeiro na Bovespa.pdf: 1607963 bytes, checksum: f7faaed440311575db9ed36f64dc8427 (MD5) / Approved for entry into archive by Gisele Isaura Hannickel (gisele.hannickel@fgv.br) on 2011-09-02T12:15:25Z (GMT) No. of bitstreams: 1 A Atividade do Capital Estrangeiro na Bovespa.pdf: 1607963 bytes, checksum: f7faaed440311575db9ed36f64dc8427 (MD5) / Made available in DSpace on 2011-09-02T12:18:43Z (GMT). No. of bitstreams: 1 A Atividade do Capital Estrangeiro na Bovespa.pdf: 1607963 bytes, checksum: f7faaed440311575db9ed36f64dc8427 (MD5) Previous issue date: 2011-08-04 / This paper discusses the recent developments and growing importance of foreign investment in the Brazilian stock market and how its presence affects and is influenced by local dynamics. As a first finding it was detected an inclination of these agents to the positive feedback trading in asset sales; investigating if this behavior can possibly favour a more volatile environment, it was found that their purchases would mitigate the effect and its sales would operate the opposite one; furthermore, only in normal market conditions the excessive foreign demand puts pressure on the foreign prices significantly. It was found also the significant importance of foreign markets, domestic and foreign interest rates, local exchange rate and spot market liquidity in promoting additional buys from these players, as well as liquidity, exchange, net foreign direct investment and country risk in explaining its additional sales. Finally, good performances of developed markets and a descending Brazilian prime interest rate showed themselves as determinants of net inflows into the local stock market; moreover, the development of Bovespa Stock Exchange and an international crisis environment would be particularly significant in the dynamics of foreign inflows in Brazil. / Este trabalho discute a recente evolução e a crescente importância do investimento estrangeiro no mercado de capitais brasileiro, observando como a sua presença afeta e é influenciada pela dinâmica local. Como primeiro achado, destaca-se a reatividade desses agentes ao mercado quanto às vendas de ativos; ao investigar se esse comportamento concorreria para um ambiente mais volátil e, em um cenário mais adverso, a própria desestabilização dos preços, constatou-se que suas compras mitigariam o efeito, mas que suas vendas operariam o oposto, sendo que em condições normais de mercado a demanda excessiva dos estrangeiros pressionaria significativamente os preços. Determinou-se também a importância dos mercados externos, das taxas básicas de juros interna e externa, da taxa de câmbio local e da liquidez do mercado à vista como fatores de estímulo a novas compras desses atores, assim como do câmbio, investimento direto líquido, risco país e liquidez para explicar as vendas adicionais. Por fim, surgiram como determinantes à entrada líquida de recursos estrangeiros na Bovespa o desempenho promissor dos mercados externos desenvolvidos e os juros locais em queda, sendo que o desenvolvimento bursátil local e um eventual cenário de crise seriam particularmente significativos na dinâmica de internalização de recursos no país.

Uma meta procurada em inteligência artificial (IA) é o desenvolvimento de mecanismos inteligentes capazes de cumprir com objetivos preestabelecidos, de forma totalmente independente, em ambientes dinâmicos e complexos. Uma recente vertente das pesquisas em IA, os agentes autônomos, vem conseguindo resultados cada vez mais promissores para o cumprimento desta meta. A motivação deste trabalho é a proposição e implementação de um agente que aprenda a executar tarefas, sem a interferência de um tutor, em um ambiente não estruturado. A tarefa prática proposta para testar o agente é a navegação de um robô móvel em ambientes com diferentes configurações, e cujas estruturas são inicialmente desconhecidas pelo agente. O paradigma de aprendizagem por reforço, através de variações dos métodos de diferença temporal, foi utilizado para implementar o agente descrito nesta pesquisa. O resultado final obtido foi um agente autônomo que utiliza um algoritmo simples para desempenhar propriedades como: aprendizagem a partir de tabula rasa, aprendizagem incremental, planejamento deliberativo, comportamento reativo, capacidade de melhoria do desempenho e habilidade para gerenciar múltiplos objetivos. O agente proposto também apresenta um desempenho promissor em ambientes cuja estrutura se altera com o tempo, porém diante de certas situações seus comportamentos em tais ambientes tendem a se tornar inconsistentes. / One of the current goals of research in Artificial Intelligence is the proposition of intelligent entities that are able to reach a particular target in a dynamic and complex environment without help of a tutor. This objective has been becoming reality through the propositions of the autonomous agents. Thus, the main motivation of this work is to propose and implement an autonomous agent that can match the mentioned goals. This agent, a mobile robot, has to navigate in environments which are initially unknown and may have different structures. The agent learns through one of the main reinforcement learning strategies: temporal difference. The proposed autonomous employs a simple learning mechanisms with the following features: learns incrementally from tabula rasa, executes deliberative and reactive planning, improves its performance through interactions with the environment, and manages multiple objectives. The agent presented promising results when moving in a dynamic environment. However, there are situations in which the agent do not follow this last property.

Uma meta procurada em inteligência artificial (IA) é o desenvolvimento de mecanismos inteligentes capazes de cumprir com objetivos preestabelecidos, de forma totalmente independente, em ambientes dinâmicos e complexos. Uma recente vertente das pesquisas em IA, os agentes autônomos, vem conseguindo resultados cada vez mais promissores para o cumprimento desta meta. A motivação deste trabalho é a proposição e implementação de um agente que aprenda a executar tarefas, sem a interferência de um tutor, em um ambiente não estruturado. A tarefa prática proposta para testar o agente é a navegação de um robô móvel em ambientes com diferentes configurações, e cujas estruturas são inicialmente desconhecidas pelo agente. O paradigma de aprendizagem por reforço, através de variações dos métodos de diferença temporal, foi utilizado para implementar o agente descrito nesta pesquisa. O resultado final obtido foi um agente autônomo que utiliza um algoritmo simples para desempenhar propriedades como: aprendizagem a partir de tabula rasa, aprendizagem incremental, planejamento deliberativo, comportamento reativo, capacidade de melhoria do desempenho e habilidade para gerenciar múltiplos objetivos. O agente proposto também apresenta um desempenho promissor em ambientes cuja estrutura se altera com o tempo, porém diante de certas situações seus comportamentos em tais ambientes tendem a se tornar inconsistentes. / One of the current goals of research in Artificial Intelligence is the proposition of intelligent entities that are able to reach a particular target in a dynamic and complex environment without help of a tutor. This objective has been becoming reality through the propositions of the autonomous agents. Thus, the main motivation of this work is to propose and implement an autonomous agent that can match the mentioned goals. This agent, a mobile robot, has to navigate in environments which are initially unknown and may have different structures. The agent learns through one of the main reinforcement learning strategies: temporal difference. The proposed autonomous employs a simple learning mechanisms with the following features: learns incrementally from tabula rasa, executes deliberative and reactive planning, improves its performance through interactions with the environment, and manages multiple objectives. The agent presented promising results when moving in a dynamic environment. However, there are situations in which the agent do not follow this last property.