Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio Econômico, Programa de Pós-Graduação em Economia, Florianópolis, 2013. / Made available in DSpace on 2014-08-06T17:20:30Z (GMT). No. of bitstreams: 1 322780.pdf: 1386149 bytes, checksum: 5c848b71cc444ec0d1a9de6b9fd537d6 (MD5) Previous issue date: 2013 / O principal objetivo deste trabalho é modelar o comportamento da estrutura a termo da taxa de juros brasileira e gerar boas previsões para horizontes distintos, seja de curto, médio e de longo prazo em diversas maturidades. Seguindo os trabalhos de Diebold e Li (2006), aplicaremos a estimação do modelo para uma amostra com dados diários de NTN?s-B, e a partir dele previsões são geradas e comparadas com modelos de estimação e previsão concorrentes (RW, Svensson e modelo de dois fatores). O resultado de previsão encontrado nos levou a concluir que o modelo de Diebold e Li não é o mais adequado para o caso brasileiro e que para muitas maturidades nos diversos horizontes de previsão tal modelo é batido por meros passeios aleatórios. Porém, utilizando um modelo Diebold e Li modificado, mais simples e parcimonioso, alcançamos modelos com qualidade superior de previsões àqueles concorrentes, inclusive randow walks. Razões para o sucesso de previsão desse modelo de dois fatores são apontadas, assim como uma agenda de pesquisa futura para a estrutura a termo da taxa de juros brasileira.<br> / Abstract : The main objective of this work is to model the behavior of the term structure of interest rates in Brazil and generate good predictions for different horizons, whether short, medium and long term in various maturities. Following the work of Diebold and Li (2006), we apply the estimation of the model for a sample of daily data NTN's-B, and predictions from it are generated and compared with models for estimating and forecasting competitors (RW, Svensson and two model factors). The result of prediction found led us to conclude that the Diebold and Li model is not the most appropriate for Brazil and for many maturities in different forecast horizons such model is outperformed by simple random walks. However, using a model modified Diebold and Li, simpler and more parsimonious models achieve superior forecasts to those of competitors, including randow walks. Reasons for the successful prediction of this model two factors are noted as well as a research agenda for the future term structure of interest rates in Brazil.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2012-10-16T23:38:33Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T20:46:37Z : No. of bitstreams: 1 104675.pdf: 11731280 bytes, checksum: afe2067a6daaf4f957617ad6ab9448a6 (MD5) / Métodos de previsão convencionais de séries temporais têm alcançado limitado sucesso na realização de prognósticos de séries econômicas. Este comportamento é devido à dificuldade desses modelos em manipular observações decorrentes de ambientes extremamente dinâmicos, como o mercado de ações. Redes neurais artificiais são, a princípio, capazes de tratar com o problema de instabilidade estrutural entre as observações de uma série temporal. Neste sentido, este trabalho procura investigar a habilidade dos modelos conexionistas em realizar previsões acuradas de séries de preços de ações. É proposta uma forma alternativa de antecipação do comportamento futuro dessas séries, através da identificação de regularidades no movimento da cotação das ações no mercado. Os resultados obtidos pela aplicação de técnicas de redes neurais artificiais são analisados empiricamente e confrontados com aqueles gerados pelos métodos previsão clássicos.