Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão Pública, Programa de Pós-Graduação em Administração, 2016. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2017-03-29T16:54:14Z No. of bitstreams: 1 2016_PengYaohao.pdf: 1180450 bytes, checksum: ef8f0884103e32b6a4dac98a1c9dd880 (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2017-04-13T20:57:38Z (GMT) No. of bitstreams: 1 2016_PengYaohao.pdf: 1180450 bytes, checksum: ef8f0884103e32b6a4dac98a1c9dd880 (MD5) / Made available in DSpace on 2017-04-13T20:57:38Z (GMT). No. of bitstreams: 1 2016_PengYaohao.pdf: 1180450 bytes, checksum: ef8f0884103e32b6a4dac98a1c9dd880 (MD5) / O presente estudo realizou a previsão da taxa spot de 15 pares de câmbio mediante a aplicação de um algoritmo de aprendizado de máquinas – Support Vector Regression – com base em um modelo fundamentalista composto por 13 variáveis explicativas. Para a estimação das previsões, foram consideradas 9 funções Kernel extraídas da literatura científica, totalizando assim 135 modelos verificados. As previsões foram comparadas com o benchmark Random Walke avaliadas em relação à taxa de acerto direcional do câmbio e às métricas de erro RMSE (raiz quadrada do erro quadrático médio) e MAE (erro absoluto médio). A significância estatística do incremento de poder explicativo dos modelos SVR em relação ao Random Walk foi verificada mediante a aplicação do Reality Check Test de White (2000). Os resultados mostram que os modelos SVR obtiveram desempenho preditivo satisfatório em relação ao benchmark, com vários dos modelos propostos apresentando forte significância estatística de superioridade preditiva.Por outro lado, observou-se que várias funções Kernel comumente utilizadas na literatura científica não lograram êxito em superar o Random Walk, apontando para uma possível lacuna no estado da arte de aprendizado de máquinas aplicada à previsão de taxas de câmbio. Por fim, discutiu-se acerca das implicações dos resultados obtidos para o desenvolvimento futuro da agenda de pesquisa correlata. / This paper aims to forecast the spot exchange rate of 15 currency pairs by applying a machinelearning algorithm – Support Vector Regression – based on a fundamentalist model composedof 13 explanatory variables. The predictions’ estimation were obtained by applying 9different Kernel functions extracted from the scientific literature, resulting in a total of 135 modelsverified. The predictions were compared to the Random Walk benchmark and evaluated for directionalaccuracy rate of exchange pradictions and error performance indices RMSE (root meansquare error) and MAE (mean absolute error). The statistical significance of the explanatorypower gain via SVR models with respect to the Random Walk was checked by applying White(2000)’s Reality Check Test. The results show that SVR models achieved satisfactory predictiveperformance relative to the benchmark, with several of the proposed models showing strong statisticalsignificance of predictive superiority. Furthermore, the results showed that mainstreamKernel functions commonly used in the scientific literature failed to outperform the RandomWalk,indicating a possible gap in the state of art of machine learning methods applications to exchangerates forecasting. Finally, the paper presents a discussion about the implications of the obtainedresults for the future development of related research agendas.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão de Políticas Públicas, Programa de Pós-Graduação em Ciências Contábeis, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2017-08-03T16:32:18Z No. of bitstreams: 1 2017_VâniaArcelinodosSantos.pdf: 1657046 bytes, checksum: fa40545833b1c906c72f2691c7eeb6f4 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-09-15T16:44:00Z (GMT) No. of bitstreams: 1 2017_VâniaArcelinodosSantos.pdf: 1657046 bytes, checksum: fa40545833b1c906c72f2691c7eeb6f4 (MD5) / Made available in DSpace on 2017-09-15T16:44:00Z (GMT). No. of bitstreams: 1 2017_VâniaArcelinodosSantos.pdf: 1657046 bytes, checksum: fa40545833b1c906c72f2691c7eeb6f4 (MD5) Previous issue date: 2017-09-15 / As informações dos demonstrativos contábeis são muito importantes para os investidores e constitui uma das formas de eles conhecerem a situação da empresa na qual pretendem investir. Nesse sentido, o presente estudo tem como objetivo verificar se os indicadores fundamentalistas, índices de análise de balanços e variáveis macroeconômicas são capazes de explicar uma porção significativa do retorno de ações das instituições financeiras brasileiras. A amostra da pesquisa constituiu-se de 33 ativos de 20 instituições bancárias atuantes no Setor Financeiro brasileiro, com demonstrativos financeiros trimestrais no período de 2006 a 2015. Os dados da pesquisa foram obtidos a partir da base de dados Economatica®, e nos sites do Banco Central do Brasil – BCB, da Comissão de Valores Mobiliários – CVM e do Instituto de Pesquisa Econômica Aplicada – Ipea. Foi empregada a técnica de regressão de dados em painel, através dos modelos pooled e efeitos fixos, para testar as 21 variáveis levantadas como fundamentais no retorno acionário das instituições financeiras brasileiras. Foram estimados três modelos econométricos, sendo o primeiro composto apenas por ações ordinárias, o segundo apenas com ações preferenciais e o terceiro composto pelo conjunto total de ações ordinárias e preferenciais das instituições analisadas. Como resultado verificouse que cada modelo apresentou um número diferente de variáveis explicativas ao retorno acionário. Os resultados apontaram que: (i) a variação dos ativos totais, a rentabilidade do patrimônio líquido e o Produto Interno Bruto impactam positivamente o retorno das ações preferenciais e no modelo em conjunto de ações ordinárias e preferenciais; (ii) a variação do capital de giro próprio e o índice preço valor patrimonial são negativamente correlacionados ao retorno acionário das ações preferenciais e no modelo em conjunto de ações ordinárias e preferenciais; (iii) o índice de Basiléia é negativamente correlacionado ao retorno das ações ordinárias e preferenciais em conjunto; (iv) a variação patrimonial por ação é positivamente significativa na estimação do retorno das ações ordinárias; (v) o índice preço lucro é negativamente correlacionado ao retorno das ações ordinárias; (vi) a variação cambial é negativamente significante para o retorno das ações ordinárias e preferenciais em conjunto; (vii) o risco país é positivamente correlacionado ao retorno das ações ordinárias e preferenciais em conjunto; e (viii) o retorno do índice Ibovespa e a variação da taxa básica de juros Selic são positivamente correlacionadas ao retorno acionário nos três modelos analisados. / The information contained in financial statements is very important to investors and it is one of the ways they may become aware of the situation of a company they intend to invest in. Accordingly, the present study is aimed at verifying if fundamental indicators, balance sheet ratios and macroeconomic variables are jointly capable of explaining a significant portion of stock returns of Brazilian financial institutions. The research sample consists of 33 assets belonging to 20 banking institutions operating in the Brazilian Financial Sector, with quarterly financial statements for the period from 2006 to 2015. The sample data were obtained from the Economatica® database, Banco Central do Brasil - BCB, the Comissão de Valores Mobiliários - CVM, and the Instituto de Pesquisa Econômica e Aplicada - Ipea. We used panel data regression methods with pooled and fixed effects panels, to test the 21 variables chosen as potential explanatory variables affecting the return of Brazilian financial institutions. Three econometric models were estimated, the first being composed only with common shares, the second only with preferred shares and the third composed with the total set of common and preferred shares of the analyzed institutions. As a result, we found that each model presents a different set of explanatory variables affecting stock returns. The results have shown that: (i) changes in total assets, ROE and GDP impact positively the return of preferred shares and the return of common and preferred shares taken together; (ii) changes in own working capital and the equity price to book value index are negatively correlated to the stock return of the preferred shares and the return of common and preferred stock taken together (iii) the Basel ratio is negatively correlated to the return of common and preferred shares taken together; (iv) changes in book value per share is positively significant in the estimation of the return of the common shares; (v) the price-earnings ratio is negatively correlated to the return of the common shares; (vi) changes in the exchange rate are negatively significant for the return of the common and preferred shares together; (vii) country risk is positively correlated to the return of common and preferred shares together; and (viii) the return of the Ibovespa index and changes in the Selic interest rate are positively correlated to the stock return in the three models analyzed.