Submitted by João Bretas de Araujo (joaobretas@fgvmail.br) on 2010-12-22T14:27:41Z No. of bitstreams: 1 Dissertacao - Joao Bretas.pdf: 1174985 bytes, checksum: 2d443b4f657b8cbc7ff6798802dd1bd2 (MD5) / Approved for entry into archive by Andrea Virginio Machado(andrea.machado@fgv.br) on 2010-12-22T16:45:23Z (GMT) No. of bitstreams: 1 Dissertacao - Joao Bretas.pdf: 1174985 bytes, checksum: 2d443b4f657b8cbc7ff6798802dd1bd2 (MD5) / Made available in DSpace on 2010-12-28T16:33:30Z (GMT). No. of bitstreams: 1 Dissertacao - Joao Bretas.pdf: 1174985 bytes, checksum: 2d443b4f657b8cbc7ff6798802dd1bd2 (MD5) Previous issue date: 2010-09-30 / The concept of stochastic discount factor pervades the Modern Theory of Asset Pricing. Initially, such object allows unattached pricing models to be discussed under the same terms. However, Hansen and Jagannathan have shown there is worthy information to be brought forth from such powerful concept which undelies asset pricing models. From security market data sets, one is able to explore the behavior of such random variable, determining a useful variance bound. Furthermore, through that instrument, they explore one pitfall on modern asset pricing: model misspecification. Those major contributions, alongside with some of its extensions, are thoroughly investigated in this exposition. / O conceito de fator estocástico de desconto permeia a Teoria Moderna de Apreçamento de Ativos. A princípio, tal objeto permite homogeneização na discussão sobre modelos de apreçamento. No entanto, Hansen e Jagannathan mostraram que há mais a ser extraído desse poderoso conceito subjacente aos modelos. A partir de dados, estudam limites do comportamento dessa variável aleatória, determinando cotas inferiores para suas variâncias. Além disso, com aquele instrumento, exploram as fragilidades da modelagem em finanças como erros de especificação. Essas contribuições e algumas de suas extensões são investigadas nessa dissertação.

Submitted by Diego Brandão (digusmao@hotmail.com) on 2014-07-09T16:20:43Z No. of bitstreams: 1 mestrado.pdf: 514491 bytes, checksum: 85052d9356ad36406b3d733cdd4627f8 (MD5) / Approved for entry into archive by BRUNA BARROS (bruna.barros@fgv.br) on 2014-07-30T19:01:27Z (GMT) No. of bitstreams: 1 mestrado.pdf: 514491 bytes, checksum: 85052d9356ad36406b3d733cdd4627f8 (MD5) / Approved for entry into archive by Marcia Bacha (marcia.bacha@fgv.br) on 2014-08-01T12:33:29Z (GMT) No. of bitstreams: 1 mestrado.pdf: 514491 bytes, checksum: 85052d9356ad36406b3d733cdd4627f8 (MD5) / Made available in DSpace on 2014-08-01T12:33:42Z (GMT). No. of bitstreams: 1 mestrado.pdf: 514491 bytes, checksum: 85052d9356ad36406b3d733cdd4627f8 (MD5) Previous issue date: 2013-12-16 / Este trabalho analisa as propriedades de uma nova medida de má especificação de modelos de apreçamento, que está relacionada com o tamanho do ajuste multiplicativo necessário para que o modelo seja corretamente especificado. A partir disso, caracterizamos o parâmetro que minimiza a medida a partir de um programa dual, de solução mais simples. Os estimadores naturais para esse parâmetro pertencem à classe de Generalized Empirical Likelihood. Derivamos as propriedades assintóticas deste estimador sob a hipótese de má especificação. A metodologia é empregada para estudar como se comportam em amostras finitas as estimativas de aversão relativa ao risco em uma economia de desastres quando os estimadores estão associados a nossa medida de má especificação. Nas simulações vemos que em média a aversão ao risco é superestimada, mesmo quando ocorre um número significativo de desastres.

Submitted by Delson Barros (delsonbarros2@gmail.com) on 2018-05-30T00:14:41Z No. of bitstreams: 1 delson_final.pdf: 846097 bytes, checksum: 752b58fefaf3d19312e764af6cbac574 (MD5) / Rejected by GILSON ROCHA MIRANDA (gilson.miranda@fgv.br), reason: Prezado, bom dia. o seu documento foi rejeitado por não estar no padrão FGV. Favor realizar uma nova submissão. atenciosamente Gilson on 2018-06-05T13:14:50Z (GMT) / Submitted by Delson Barros (delsonbarros2@gmail.com) on 2018-06-06T02:16:32Z No. of bitstreams: 1 delson_dissertacao.pdf: 852210 bytes, checksum: 75c1cbc72dcf7007f64365447409fc76 (MD5) / Approved for entry into archive by GILSON ROCHA MIRANDA (gilson.miranda@fgv.br) on 2018-07-06T13:52:28Z (GMT) No. of bitstreams: 1 delson_dissertacao.pdf: 852210 bytes, checksum: 75c1cbc72dcf7007f64365447409fc76 (MD5) / Made available in DSpace on 2018-07-16T19:53:51Z (GM en T). No. of bitstreams: 1 delson_dissertacao.pdf: 852210 bytes, checksum: 75c1cbc72dcf7007f64365447409fc76 (MD5) Previous issue date: 2018-04-20 / A despeito da elegância teórica do fator estocástico de desconto, sua especificação empírica é demasiado ampla. Utilizando fatores construídos como excessos de retornos que usufruem das propriedades de componentes principais, o presente estudo propõe metodologias de estimação do fator estocástico de desconto com representação esparsa e que sofrem pouca elevação no erro de apreçamento na presença de um grande cross-section. O trabalho aplica uma combinação das técnicas de análise de componentes principais e regularização Lasso que concilia duas propriedades desejáveis: (i) representação esparsa e economicamente significativa, e (ii) baixo erro de apreçamento fora da amostra. Este resultado vem em conjunto com uma deterioração moderada do erro de apreçamento dentro da amostra.