Submitted by Gsutavo Schardong (gustavoschardong@hotmail.com) on 2017-09-19T16:17:00Z No. of bitstreams: 1 Dissertação Final.pdf: 353912 bytes, checksum: c556502fa9d011ba8be8d6666ae3c3be (MD5) / Approved for entry into archive by Janete de Oliveira Feitosa (janete.feitosa@fgv.br) on 2017-09-19T19:04:04Z (GMT) No. of bitstreams: 1 Dissertação Final.pdf: 353912 bytes, checksum: c556502fa9d011ba8be8d6666ae3c3be (MD5) / Made available in DSpace on 2017-09-25T18:27:01Z (GMT). No. of bitstreams: 1 Dissertação Final.pdf: 353912 bytes, checksum: c556502fa9d011ba8be8d6666ae3c3be (MD5) Previous issue date: 2017-06-19 / Neste trabalho, buscamos testar a relação entre a razão consumo-riqueza e retornos financeiros, conforme proposto por Lettau e Ludvigson (2001). Como o capital humano é uma variável latente, os autores utilizam o cay como alternativa, e testam sua capacidade de previsão. Para avaliar o poder preditivo desta razão em sua forma original, utilizamos séries de capital humano construídas com base na metodologia proposta por Dias, Issler e Brotherhood (2016) para computar séries de riqueza agregada, e testamos o desempenho de previsões de modelos considerando a razão consumo-riqueza. Foram utilizados dados macroeconômicos e financeiros de países do G7, formando um painel não balanceado de frequência trimestral. De forma geral, os resultados foram favoráveis ao uso desta razão para prever excessos de retornos, e retornos reais de ativos.

[pt] A presente tese tem por objetivo investigar consistência de desempenho em fundos de ações no Brasil, durante o período ocorrido entre julho/1994 e junho/2001, buscando resposta para a seguinte pergunta: analisando as séries temporais de retornos de fundos de ações no Brasil, será possível determinar aqueles com maior probabilidade de virem a se tornar os de maiores retornos no futuro? Em outras palavras, será o desempenho de fundos de ações consistente ao longo de tempo, permitindo a construção de modelos com capacidade preditiva? A metodologia utilizada foi de caráter exclusivamente quantitativo, hipótese de preços traduzindo informações completas. Foram aplicados testes de consistência de desempenho do tipo Tabelas de Contingência 2X2 (sem ajuste para risco e com ajuste para risco, através de classificação por Alfa s de Jensen) e Portfolio Change Measure (PCM). Os testes PCM utilizam as ponderações das carteiras, sendo tal metodologia de aplicação inédita em fundos de ações no Brasil. Os resultados apresentam evidências de consistência de desempenho entre o primeiro e o período analisados. Tais evidências não se sustentam entre o segundo e o terceiro período. O padrão de consistência é mais forte no fundos de desempenho inferior. Foram aplicados testes para detectar e mensurar impactos de viés de sobrevivência e custos de transação nos retornos dos fundos. Os resultados, obtidos através de ponderação de carteiras e demonstrativos de fontes e aplicações de recursos dos fundos, não detectam viés de sobrevivência nem influência de custos de transações nos retornos dos fundos de ações analisados. O desempenho dos fundos de ações analisados deve ser considerado insatisfatório. / [en] The present dissertation intents to analyze the consistence of performance in stock funds in Brazil, from july/1994 to june/2001. We search the answer to the following question: through the analysis of times series of returns of stock funds in Brazil, is it possible to determine the most likely winners in the future? In other words: the performance of stock funds is consistent along time, allowing for the building of models with predictive power? The methodology applied was a quantitative approach, prices with complete information. I analyzed time series of financial returns of stock funds. The tests for consistence of performance were Contingency Tables 2X2 (with risk adjustment and without risk adjustment through alfa s of Jensen) and Portfolio Change Measure (PCM). The outcomes presents a pattern of consistency between the 1st and the 2nd periods analyzed. This standard is absent between the 2nd and the 3rd periods. The observed pattern of consistence is stronger for the worse performance. We applied tests to detect and measure the effects of survival bias and transaction costs in the returns of funds. The outcomes, obtained trough the analysis of the weighted portfolios and the statements of sources and uses of cash, are the absence of survival bias and effects of transactions costs in the returns of the stock funds analyzed. The performance of the stock funds analyzed must to be considered to be unsatisfactory.

Os métodos geralmente empregados no mercado para o cálculo de medidas de risco baseiam-se na distribuição adotada para os retornos financeiros. Quando a distribuição Normal é adotada, estas avaliações tendem a subestimar o Value at Risk (valor em risco - VaR), pois a distribuição Normal tem caudas mais leves que as observadas nas séries financeiras. Muitas distribuições alternativas vêm sendo propostas na literatura, contudo qualquer modelo alternativo proposto deve ser avaliado com relação ao esforço computacional gasto para cálculo do valor em risco e comparado à simplicidade proporcionada pelo uso da distribuição Normal. Dessa forma, esta dissertação visa avaliar alguns modelos para cálculo do valor em risco, como a modelagem por quantis empíricos, a distribuição Normal e o modelo autorregressivo (AR), para verificação do melhor ajuste à cauda das distribuições das séries de retornos financeiros, além de avaliar o impacto do VaR para o ano seguinte. Nesse contexto, destaca-se o modelo autorregressivo com heterocedasticidade condicional (ARCH) capaz de detectar a volatilidade envolvida nas séries financeiras de retorno. Esse modelo tem-se mostrado mais eficiente, capaz de gerar informações relevantes aos investidores e ao mercado financeiro, com um esforço computacional moderado. / The most used methods for risk evaluation in the financial market usually depend strongly on the distribution assigned to the financial returns. When we assign a normal distribution, results tend to underestimate the Value at Risk (VaR), since the normal distribution usually has a lighter tail than those from the empirical distribution of financial time series. Many other distributions have been proposed in the literature, but we need to evaluate their computational effort for obtaining the value at risk when compared to the easiness of calculation of the normal distribution. In this work, we compare several models for calculating the value at risk, such as the normal, the empirical-quantile and the autoregressive (AR) models, evaluating their goodness-of-fit to the tail of the distribution of financial return time series and the impact of applying the calculated VaR to the following year. We also highlight the autoregressive conditional heteroskedasticity (ARCH) model due to its performance in detecting the volatility in the series. The ARCH model has proved to be efficient and able to generate relevant information to the investors and to the financial market with a moderate computational cost.

Os métodos geralmente empregados no mercado para o cálculo de medidas de risco baseiam-se na distribuição adotada para os retornos financeiros. Quando a distribuição Normal é adotada, estas avaliações tendem a subestimar o Value at Risk (valor em risco - VaR), pois a distribuição Normal tem caudas mais leves que as observadas nas séries financeiras. Muitas distribuições alternativas vêm sendo propostas na literatura, contudo qualquer modelo alternativo proposto deve ser avaliado com relação ao esforço computacional gasto para cálculo do valor em risco e comparado à simplicidade proporcionada pelo uso da distribuição Normal. Dessa forma, esta dissertação visa avaliar alguns modelos para cálculo do valor em risco, como a modelagem por quantis empíricos, a distribuição Normal e o modelo autorregressivo (AR), para verificação do melhor ajuste à cauda das distribuições das séries de retornos financeiros, além de avaliar o impacto do VaR para o ano seguinte. Nesse contexto, destaca-se o modelo autorregressivo com heterocedasticidade condicional (ARCH) capaz de detectar a volatilidade envolvida nas séries financeiras de retorno. Esse modelo tem-se mostrado mais eficiente, capaz de gerar informações relevantes aos investidores e ao mercado financeiro, com um esforço computacional moderado. / The most used methods for risk evaluation in the financial market usually depend strongly on the distribution assigned to the financial returns. When we assign a normal distribution, results tend to underestimate the Value at Risk (VaR), since the normal distribution usually has a lighter tail than those from the empirical distribution of financial time series. Many other distributions have been proposed in the literature, but we need to evaluate their computational effort for obtaining the value at risk when compared to the easiness of calculation of the normal distribution. In this work, we compare several models for calculating the value at risk, such as the normal, the empirical-quantile and the autoregressive (AR) models, evaluating their goodness-of-fit to the tail of the distribution of financial return time series and the impact of applying the calculated VaR to the following year. We also highlight the autoregressive conditional heteroskedasticity (ARCH) model due to its performance in detecting the volatility in the series. The ARCH model has proved to be efficient and able to generate relevant information to the investors and to the financial market with a moderate computational cost.