Este trabalho tem como objetivo utilizar medidas de causalidade entre séries temporais de grandezas financeiras para determinar a dependência entre os ativos do mercado e utilizar as medidas obtidas para fazer inferências sobre a dinâmica desses ativos. Essa metodologia define um previsor para os valores das séries que, juntamente com a determinação das distribuições de probabilidades empíricas dos erros desse previsor por meio do método de Kernel, permite a amostragem aleatória de cenários multivariados, com diversas aplicações. Os ativos considerados para os testes de causalidade são o índice Ibovespa, o valor da paridade da moeda dólar-real USDBRL (utilizando suas séries de preços e retornos de preços), além da taxa de juros negociada diariamente (CDI). O uso do Método de Monte Carlo (MMC) é abordado para a precificação de opções de compra europeias (calls) de USDBRL e Ibovespa, e a comparação dos resultados gerados por essa metodologia com valores calculados pela fórmula de Black-Scholes (método mais utilizado no mercado financeiro, atualmente), evidenciando suas vantagens e desvantagens. Conclui-se, com este estudo, que, por meio da metodologia proposta, é possível replicar alguns comportamentos intrínsecos do mercado (como a observação de tendências nas séries de preços devido a dependências implícitas, e a presença de caudas pesadas nas distribuições dos retornos) que são desprezados pela maioria dos modelos paramétricos utilizados hoje, bem como o efeito do uso dessas informações no preço de derivativos. / This paper proposes the use of causality measures applied over time-series of financial values to determine the dependency relations between market assets and a way to use the obtained measures to make inferences about the dynamics of these assets. This methodology defines a predictor for values of the time-series that, by determining the empirical probability distributions of the errors generated by this predictor based on the Kernel method, allows a random sampling of multivariated scenarios with many applications. The assets considered for the causality tests are the Ibovespa index, the dollar-real parity value USDBRL (using their price and price-return series), in addition to the daily traded interest rate (CDI). The use of the Monte Carlo Method (MMC) for the pricing of European call options (USDBRL) and Ibovespa was discussed, in addition to a comparison of the results generated by this methodology with values calculated by the Black-Scholes formula (currently the most used method by finance institutions), showing its advantages and disadvantages. The conclusion is that, based on the proposed methodology, it is possible to replicate some intrinsic market behaviors (such as the existence of trends in price series, due to implicit dependencies, and the presence of fat tails in the distributions of price-returns) that are neglected by most of parametric models, currently, as well as the effect of using this information for pricing derivatives.

Este trabalho tem como objetivo utilizar medidas de causalidade entre séries temporais de grandezas financeiras para determinar a dependência entre os ativos do mercado e utilizar as medidas obtidas para fazer inferências sobre a dinâmica desses ativos. Essa metodologia define um previsor para os valores das séries que, juntamente com a determinação das distribuições de probabilidades empíricas dos erros desse previsor por meio do método de Kernel, permite a amostragem aleatória de cenários multivariados, com diversas aplicações. Os ativos considerados para os testes de causalidade são o índice Ibovespa, o valor da paridade da moeda dólar-real USDBRL (utilizando suas séries de preços e retornos de preços), além da taxa de juros negociada diariamente (CDI). O uso do Método de Monte Carlo (MMC) é abordado para a precificação de opções de compra europeias (calls) de USDBRL e Ibovespa, e a comparação dos resultados gerados por essa metodologia com valores calculados pela fórmula de Black-Scholes (método mais utilizado no mercado financeiro, atualmente), evidenciando suas vantagens e desvantagens. Conclui-se, com este estudo, que, por meio da metodologia proposta, é possível replicar alguns comportamentos intrínsecos do mercado (como a observação de tendências nas séries de preços devido a dependências implícitas, e a presença de caudas pesadas nas distribuições dos retornos) que são desprezados pela maioria dos modelos paramétricos utilizados hoje, bem como o efeito do uso dessas informações no preço de derivativos. / This paper proposes the use of causality measures applied over time-series of financial values to determine the dependency relations between market assets and a way to use the obtained measures to make inferences about the dynamics of these assets. This methodology defines a predictor for values of the time-series that, by determining the empirical probability distributions of the errors generated by this predictor based on the Kernel method, allows a random sampling of multivariated scenarios with many applications. The assets considered for the causality tests are the Ibovespa index, the dollar-real parity value USDBRL (using their price and price-return series), in addition to the daily traded interest rate (CDI). The use of the Monte Carlo Method (MMC) for the pricing of European call options (USDBRL) and Ibovespa was discussed, in addition to a comparison of the results generated by this methodology with values calculated by the Black-Scholes formula (currently the most used method by finance institutions), showing its advantages and disadvantages. The conclusion is that, based on the proposed methodology, it is possible to replicate some intrinsic market behaviors (such as the existence of trends in price series, due to implicit dependencies, and the presence of fat tails in the distributions of price-returns) that are neglected by most of parametric models, currently, as well as the effect of using this information for pricing derivatives.