No description available.

[pt] A dissertação é composta por três ensaios empíricos que usam dados históricos de ações americanas. O primeiro avalia o desempenho de uma abordagem de otimização de carteiras baseada na otimização de Markowitz. Os resultados mostram valor econômico positivo do portfólio resultante, mesmo na presença de custos de transação. O segundo artigo visa comparar e combinar a técnica desenvolvida no artigo anterior à abordagem paramétrica e avalia o desempenho da combinação das técnicas. Os resultados mostram que o desempenho da técnica paramétrica é inferior à técnica de Markowitz modificada e pouco melhor do que o mercado agregado. Isto sugere que o valor econômico de explorar a estrutura de covariância entre as ações é superior a aumentar pesos em ações cujas características oferecem relações risco-retorno maiores até o período. O terceiro ensaio avalia modelos de previsão da variação de retornos entre ações. As estatísticas utilizadas apontam que os modelos padrão não possuem poder preditivo superior a modelos que supõem que não há variação ou que usam a média histórica. Por meio do uso tanto de combinações de modelos lineares quanto estimação restrita de modelos com muitos fatores, mostro que é possível obter resultados ligeiramente superiores. / [en] The dissertation consists of three empirical essays which use historical data of stocks listed in NYSE. The first essay evaluates a portfolio selection approach based on the Markowitz optimization. Results show the portfolios have positive economic value, even after including transaction costs. The second essay compares the technique proposed in the first essay to the parametric approach. Results show the parametric approach performs worse than the modified Markowitz approach and shlightly better than the aggregated market. This suggests that exploring the covariance structure of stocks provides better results than overweighting stocks with characteristics associated to better riskreturn ratios in the past. The third essay evaluates models that forecast the cross-sectional variation in stock returns. Given the statistics used, benchmark models do not show greater forecasting power than skeptical or naive models. By using linear model combination or lasso technique on a model with several factors, I show it is possible to obtain slightly better results.