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.