O objetivo dessa dissertação é avaliar o desempenho do Ibovespa a partir de uma nova ponderação dos ativos utilizando estratégias Smart Beta baseadas no risco. Para obter essas carteiras, restritas para vendas a descoberto, foram utilizadas três matrizes de covariância diferentes: matriz de covariância amostral, matriz RiskMetrics e o método de encolhimento conforme Ledoit & Wolf (2004). As medidas de desempenho fora da amostra utilizadas indicam que as estratégias Smart Beta utilizadas proporcionam melhores resultados em termos de retorno anualizado e volatilidade em relação ao Ibovespa no período analisado. / The goal of this dissertation is to evaluate the performance of the Ibovespa from a re-weighting of assets using risk-based Smart Beta strategies. For these portfolios, long-only, three differents covariance matrix were used: sample covariance matrix, RiskMetrics and the Shrinkage method as Ledoit & Wolf (2004). The performance measures used indicates that Smart Beta strategies provide better results in terms of annualized returns and volatility in relation to the Ibovespa in the period analyzed.

A realização de previsões de volatilidade é uma atividade de suma importância para empresas e agentes econômicos, entretanto utilizar-se de apenas um modelo para obtê-las pode não ser suficiente para incorporar todo o conhecimento associado ao ambiente de previsões. As técnicas de combinação de previsões podem incorporar todo o conhecimento associado ao ambiente de previsão. As técnicas de combinação têm como objetivo principal incorporar vários modelos com a finalidade de reduzir as medidas de erro de previsão. Este trabalho apresenta uma comparação da acurácia dos modelos individuais e das técnicas de combinação. Os modelos individuais incluídos nas técnicas de combinação são os modelos da família GARCH, o modelo de Alisamento Exponencial e o de Volatilidade Estocástica. Já as técnicas de combinação escolhidas foram a técnica de combinação por média aritmética, a técnica de combinação de pesos fixos proposta por Granger e Ramanathan (1984), a técnica de combinação com pesos móvel de Terui e Djik (2002). / The realization of forecasts of volatility is an activity of extreme importance for companies and economy agents, however to utilize only one model to obtain them could be insuficient to incorporate all the knowledge associated to the ambient of previsions. The technics of combination of forecasts have as its main objective to incorporate various models with the finality to reduce the measures of error of prediction. This work presents a comparision of the acuracy of the individual models and of the combination technics. The individual models included on the technics of combination are the models of the family GARCH, the model of Exponentially Weighted Moving Averages. Thus the technics of combination chosen were the technic of combination by arithmetic average, the technic of fixed weights proposed by Granger and Ramanathan (1984), the technic of combination of movable weights of Terui e Djik (2002).

Nesta pesquisa, composta por três ensaios, buscamos resultados que contribuam com informações sobre três temas relevantes na área de finanças: o impacto de normas internacionais na qualidade da informação contábil; quantidades e estrutura de dependência entre commodities alimentares e o petróleo; e o estudo da relação entre o retorno e a volatilidade implícita de um fundo do mercado do petróleo. Em particular, trabalhamos para sugerir novas estratégias, com formas alternativas para a solução de problemas relacionados a esses temas. No primeiro ensaio, adotamos uma estratégia empírica, em duas etapas, para avaliar o impacto das normas internacionais de contabilidade (IFRS) na qualidade da informação contábil. Na primeira, construímos grupos de controle, por meio de um pareamento por escore de propensão, com a intenção de selecionar um contrafactual para avaliar o impacto das IFRS no Brasil. A busca e o uso de contrafactuais para a avaliação de normas contábeis ainda não foi explorado de forma adequada nos estudos específicos para o país. Na segunda etapa, estimamos modelos de painel para medidas de qualidade da informação. Os resultados apontaram para o efeito positivo da adoção de normas sobre a qualidade da informação contábil para as empresas avaliadas. No ensaio número dois, calculamos medidas de dependência entre as principais commodities alimentares e o petróleo, e testamos a existência de neutralidade entre esses mercados. Além disso, investigamos mudanças na estrutura de dependência ao passar de um período de estabilidade para um de crises. Para tanto, adotamos um procedimento que envolveu a estimação de valores para as marginais com modelos ARMA-GARCH, estimação de cópulas não paramétricas, via kernel, e cálculos aproximados de medidas de dependência. Também construímos intervalos de confi-ança para essas medidas de dependência utilizando técnicas de block bootstrap. De posse dos resultados dos intervalos refutarmos, de maneira geral, a hipótese de neutralidade entre esses mercados. Outro ponto a se destacar foi a mudança da estrutura de dependência observada ao passar de um período de estabilidade para um período de crises. Finalmente, no terceiro ensaio, realizamos a avaliação da relação entre o retorno e a volatilidade de um fundo representativo do mercado de petróleo e seu respectivo índice de volatilidade esperada. Neste ensaio, em particular, nos dedicamos na análise da não linearidade e assimetria entre os diferentes quantis de volatilidade. Com base nos resultados de regressões quantílicas e na análise não paramétrica do método B-splines, encontramos resultados que apontam para respostas de retornos negativos mais intensos do que positivos, em especial nos extremos da distribuição. E ainda, que existe uma relação no formato de "S" inclinado entre as variáveis, em forma de “U” para retornos ne-gativos e “U” invertido para retornos positivos, nos quantis (0.05, 0.90 e 0.95) de volatilidade. / In this research, composed of three essays, we seek results that contribute to information on three relevant topics in the finance: the impact of international standards on the accounting information quality; Quantities and structure of dependence between grain commodities and oil; and the study of the relationship between return-volatility of an oil investment fund. In particular, we work to suggest new strategies, with alternative ways to solve problems related to these themes. In the first essay, we adopted a two-stage empirical strategy to assess the impact of international accounting standards (IFRS) on the accounting information quality. In the first stage, we constructed control groups, through a pairing by propensity score macthing, with the intention of selecting a counterfactual to evaluate the impact of IFRS in Brazil. The search and use of counterfactuals for the evaluation of accounting standards has not yet been adequately explored in the specific s tudies f or B razil. In the second s tep, we e stimate panel models for the main measures of information quality. The results pointed to the positive effect of adopting standards on the quality of accounting information for the companies evaluated. In essay number two, we calculated measures of dependence between the main grain commodities and oil, and we tested the existence of neutrality between these markets. In addition, we investigate changes in the dependency structure when moving from a period of stability to one of crisis. For that, we adopted a procedure that involved the estimation of values for the marginal ones with ARMA-GARCH models, estimation of non-parametric copulas, via kernel, and approximate calculations of dependence measures. We also constructed confidence intervals for these dependency measures using blockbootstrap techniques. With the results of the intervals, we refute the hypothesis of neutrality between these markets, in general. Another point to highlight was the change in the structure of dependence observed when changing from one period of stability to another of crises. Finally, in the third essay, we evaluated the relationship between the return and the volatility of a fund representative of the oil market and its expected volatility index. In this essay, in particular, we focus on the analysis of nonlinearity and asymmetry between the different quantile of volatility. Based on the results of quantile regressions and the non-parametric analysis of the B-splines method, we find results that point to responses of negative returns that are more intense than positive, especially at the extremes of the distribution. Also, there is an "S"-shaped relationship between the variables, in the form of "U"-shaped for negative returns and "U"-shaped inverted for positive returns, for the quantis (0.05, 0.90 and 0.95) of volatility.

Neste artigo, avaliamos o prêmio de risco implícito incorporado nos preços futuros de soja através de um modelo de dois fatore bem conhecido na literatura de commodities. Como os preços da soja na última década têm flutuado muito, primeiro examinamos as quebras estruturais na variância/volatilidade para obter uma proxy para as mudanças nos prêmios de risco. Em seguida, calibramos o modelo de dois fatores em cada subperíodo de toda a série de acordo com as quebras encontradas. Em seqüência, calculamos o prêmio de risco implícito pelo modelo. Constatamos que o prêmio de risco é variável no tempo, não apenas no sinal, mas também na magnitude. Além disso, quando os preços estavam subindo, a posição dominante era dos produtores protegendo-se com um prêmio de risco positivo, enquanto quando os preços estavam caíndo, consumidores se protegiam com um prémio de risco negativo. / In this paper we evaluate the implied risk premium embedded in soybean future prices through a well-known two-factor model in the commodity literature. Since soybean prices in the past decade have fluctuated greatly, we first examine the structural breaks in variance/volatility to obtain a proxy for risk premiums changes. Then we calibrate the two-factor model in each sub-period of the entire series according to the breaks found. In sequence we compute the risk premium implied by the model. We find that the risk premium is time-varying, not only in sign but also in magnitude. Furthermore, when prices were rising prevailing position was of producers hedging with a positive risk premium, while when prices were falling consumers hedged with a negative risk premium.

Neste trabalho realizamos um amplo estudo de simulação com o objetivo principal de avaliar o desempenho de carteiras de mínima variância global construídas com base em modelos de previsão da volatilidade que utilizam dados de alta frequência (em comparação a dados diários). O estudo é baseado em um abrangente conjunto de dados financeiros, compreendendo 41 ações listadas na BM&FBOVESPA entre 2009 e 2017. Nós avaliamos modelos de previsão de volatilidade que são inspirados na literatura ARCH, mas que também incluem medidas realizadas. Eles são os modelos GARCH-X, HEAVY e Realized GARCH. Seu desempenho é comparado com o de carteiras construídas com base na matriz de covariância amostral, métodos de encolhimento e DCC-GARCH, bem como com a carteira igualmente ponderada e o índice Ibovespa. Uma vez que a natureza do trabalho é multivariada, e a fim de possibilitar a estimação de matrizes de covariância de grandes dimensões, recorremos à especificação DCC. Utilizamos três frequências de rebalanceamento (diária, semanal e mensal) e quatro conjuntos diferentes de restrições sobre os pesos das carteiras. A avaliação de desempenho baseia-se em medidas econômicas tais como retornos anualizados, volatilidade anualizada, razão de Sharpe, máximo drawdown, Valor em Risco, Valor em Risco condicional e turnover. Como conclusão, para o nosso conjunto de dados o uso de retornos intradiários (amostrados a cada 5 e 10 minutos) não melhora o desempenho das carteiras de mínima variância global. / In this work we perform an extensive backtesting study targeting as a main goal to assess the performance of global minimum variance (GMV) portfolios built on volatility forecasting models that make use of high frequency (compared to daily) data. The study is based on a broad intradaily financial dataset comprising 41 assets listed on the BM&FBOVESPA from 2009 to 2017. We evaluate volatility forecasting models that are inspired by the ARCH literature, but also include realized measures. They are the GARCH-X, the High-Frequency Based Volatility (HEAVY) and the Realized GARCH models. Their perfomances are benchmarked against portfolios built on the sample covariance matrix, covariance matrix shrinkage methods, DCC-GARCH as well as the naive (equally weighted) portfolio and the Ibovespa index. Since the nature of this work is multivariate and in order to make possible the estimation of large covariance matrices, we resort to the Dynamic Conditional Correlation (DCC) specification. We use three different rebalancing schemes (daily, weekly and monthly) and four different sets of constraints on portfolio weights. The performance assessment relies on economic measures such as annualized portfolio returns, annualized volatility, Sharpe ratio, maximum drawdown, Value at Risk, Expected Shortfall and turnover. We also account for transaction costs. As a conclusion, for our dataset the use of intradaily returns (sampled every 5 and 10 minutes) does not enhance the performance of GMV portfolios.

A abordagem de regressão MIDAS (Mixed Data Sampling), proposta por Ghysels et al. (2004), permite relacionar diretamente variáveis em freqüências distintas. Esta característica é particularmente atraente quando se deseja utilizar os dados nas freqüências em que são disponibilizados, bem como quando o objetivo é calcular previsões multi-períodos à frente. Nesta tese, utiliza-se a abordagem de regressão MIDAS em três ensaios em que são realizadas aplicações empíricas nas áreas de finanças e macroeconomia. Os três ensaios são de caráter comparativo. Com aplicações em diferentes contextos de previsão, objetiva-se contribuir fornecendo evidências empíricas comparativas. No primeiro ensaio, são explorados resultados comparativos no contexto de previsão de volatilidade multi-períodos. Compara-se a abordagem MIDAS com dois métodos amplamente utilizados no cálculo de previsões multi-períodos à frente: as abordagens direta e iterada. Seus desempenhos relativos são investigados em um estudo de Monte Carlo e em um estudo empírico em que são computadas previsões de volatilidade para horizontes de até 60 dias à frente. Os resultados do estudo de Monte Carlo indicam que a abordagem MIDAS fornece as melhores previsões para os horizontes iguais ou superiores a 15 dias. Em contraste, as previsões geradas a partir da abordagem iterada são superiores nos horizontes de 5 e 10 dias à frente. No estudo empírico, utilizando-se retornos diários dos índices S&P 500 e NASDAQ, os resultados não são tão conclusivos, mas sugerem um melhor desempenho para a abordagem iterada. Todas as análises são fora da amostra. No segundo ensaio, são comparados diversos modelos de previsão de volatilidade multi-períodos, especificamente das famílias MIDAS e HAR. As comparações são realizadas em termos da acurácia das previsões de volatilidade fora da amostra. No segundo ensaio, são comparados diversos modelos de previsão de volatilidade multi-períodos, especificamente das famílias MIDAS e HAR. As comparações são realizadas em termos da acurácia das previsões de volatilidade fora da amostra. Combinações das previsões dos referidos modelos também são consideradas. São utilizados retornos intradiários do IBOVESPA no cálculo de medidas de volatilidade, tais como variância realizada, variação potente realizada e variação bipotente realizada, sendo estas medidas usadas como regressores em ambos os modelos. Adicionalmente, utiliza-se um procedimento não paramétrico na estimação das medidas de variabilidade dos componentes contínuo e de saltos do processo de variação quadrática. Estas medidas são utilizadas como regressores separados em especificações MIDAS e HAR. Quanto às evidências empíricas, os resultados em termos de erro quadrático médio sugerem que regressores baseados em medidas de volatilidade robustas a saltos (i.e., variação bipotente realizada e variação potente realizada) são melhores em prever volatilidade futura. Entretanto, observa-se que, em geral, as previsões baseadas nestes regressores não são estatisticamente diferentes daquelas baseadas na variância realizada (o regressor benchmark). Além disso, observa-se que, de modo geral, o desempenho relativo das três abordagens de previsão (i.e., MIDAS, HAR e combinação de previsões) é estatisticamente equivalente. No terceiro ensaio, busca-se comparar os modelos MS-MIDAS (Markov-Switching MIDAS) e STMIDAS (Smooth Transition MIDAS) em termos de acurácia preditiva. Para tanto, realiza-se um exercício de previsão em tempo real em que são geradas previsões fora da amostra para o crescimento do PIB trimestral dos Estados Unidos com o uso de indicadores financeiros mensais. Neste exercício, também são considerados modelos lineares MIDAS e outros modelos de previsão (lineares e não-lineares) que incluem informação dos indicadores (via agregação temporal das observações mensais) para fins comparativos de desempenho preditivo. A partir dos resultados do estudo empírico, observa-se que, de modo geral, os modelos MS-MIDAS fornecem previsões mais acuradas que os modelos STMIDAS. / The Mixed Data Sampling (MIDAS) regression approach, proposed by Ghysels et al. (2004), allows us to directly relate variables at different frequencies. This characteristic is particularly attractive when one wishes to use the data at their original sampling frequencies, as well as when the objective is to calculate multi-period-ahead forecasts. In this thesis, we use the MIDAS regression approach in three papers in which we perform empirical applications in the areas of finance and macroeconomics. All papers are comparative studies. With applications in different forecasting contexts, we aim at contributing with empirical comparative evidence. In the first paper, we explore comparative results in the context of multi-period volatility forecasting. We compare the MIDAS approach with two widely used methods of producing multi-period forecasts: the direct and the iterated approaches. Their relative performances are investigated in a Monte Carlo study and in an empirical study in which we forecast volatility at horizons up to 60 days ahead. The results of the Monte Carlo study indicate that the MIDAS forecasts are the best ones at horizons of 15 days ahead and longer. In contrast, the iterated forecasts are superior for shorter horizons of 5 and 10 days ahead. In the empirical study, using daily returns of the S&P 500 and NASDAQ indexes, the results are not so conclusive, but suggest a better performance for the iterated forecasts. All analyses are out-of-sample. In the second paper, we compare several multi-period volatility forecasting models, specifically from MIDAS and HAR families. We perform our comparisons in terms of out-of-sample volatility forecasting accuracy. We also consider combinations of the models forecasts. Using intra-daily returns of the IBOVESPA, we calculate volatility measures such as realized variance, realized power variation, and realized bipower variation to be used as regressors in both models. Further, we use a nonparametric procedure for separately measuring the continuous sample path variation and the discontinuous jump part of the quadratic variation process. Thus, MIDAS and HAR specifications with the continuous sample path and jump variability measures as separate regressors are estimated. Our results in terms of mean squared error suggest that regressors involving volatility measures which are robust to jumps (i.e., realized bipower variation and realized power variation) are better at forecasting future volatility. However, we find that, in general, the forecasts based on these regressors are not statistically different from those based on realized variance (the benchmark regressor). Moreover, we find that, in general, the relative forecasting performances of the three approaches (i.e., MIDAS, HAR and forecast combinations) are statistically equivalent. In the third paper, we compare the Markov-Switching MIDAS (MS-MIDAS) and the Smooth Transition MIDAS (STMIDAS) models in terms of forecast accuracy. We perform a real time forecasting exercise in which out-of-sample forecasts for the quarterly U.S. output growth are generated using monthly financial indicators. In this exercise, we also consider linear MIDAS models, and other forecasting models (linear and nonlinear) that include information on the indicators (via temporal aggregation of the monthly observations) for comparative purposes. From the results of the empirical study, we observe that, in general, the MS-MIDAS models provide more accurate forecasts than do the STMIDAS models.

O estudo da volatilidade dos retornos dos ativos ocupa um lugar de destaque dentro da moderna teoria de finanças. Tradicionalmente, os modelos empregados para a modelagem da volatilidade são estimados a partir de dados diários. No entanto, a recente disponibilidade de dados intradiários tem permitido a modelagem e a previsão da volatilidade dos ativos por meio da chamada variância realizada. Dessa forma, o objetivo principal da presente dissertação foi analisar como os modelos que incorporam dados intradiários se comportam, em termos de acurácia de previsão de volatilidade diária, em relação àqueles que utilizam apenas dados diários. Foram observados os comportamentos dos índices Ibovespa e S&P 500 durante o período de janeiro de 2006 a junho de 2009. Os resultados revelaram que o desempenho de previsão dos modelos estimados a partir de dados diários foi superior ao dos modelos de variância realizada para os dois índices. Buscou-se ainda comparar o comportamento dos modelos durante o período da crise de 2008. Novamente os resultados apontaram para uma melhor acurácia de previsão dos modelos que utilizaram apenas dados diários. / The study of volatility in asset returns is relevant within the modern theory of finance. Modeling volatility has been frequently based on daily data. Recent availability of intraday data has allowed volatility modeling and forecasting through the so called realized variance. The main objective of this master’s thesis was, therefore, to compare the accuracy of daily volatility forecasting between models that use either daily or intraday data. Returns during the period January 2006 to June 2009 on two indexes, the Ibovespa and the S&P 500, were used. Results showed that, for both indexes, forecasting based on daily data was superior to forecasting that used intraday returns. Comparison between models was also tested during the 2008 crisis. Similarly, results showed a better forecasting performance of daily data models.

A modelagem da estrutura de dependência é de grande importância em todos os ramos da economia onde há incerteza. Ela é um elemento crucial na análise de risco e para a tomada de decisão sob incerteza. As cópulas oferecem aos agentes que se deparam com este problema um poderoso e flexível instrumento para modelar a estrutura de dependência entre variáveis aleatórias e que é preferível ao instrumento tradicional baseado na correlação linear. Neste estudo, nós analisamos a dinâmica temporal da estrutura de dependência entre índices de mercados financeiros internacionais e propomos um novo procedimento para capturar a estrutura de dependência ao longo do tempo. Adicionalmente, estudamos alguns fatos estilizados sobre índices de mercados financeiros como a relação entre volume-volatilidade e retorno-volatilidade. / Modelling dependence is of key importance to all economic fields in which uncertainty plays a large role. It is a crucial element of risk analysis and decision making under uncertainty. Copulas offer economic agents facing uncertainty a powerful and flexible tool to model dependence between random variables and often are preferable to the traditional, correlation-based approach. In this work we analyze the time dynamics of the dependence structure between broad stock market indices and propose a novel procedure to capture dependence structure over time. Additionally, we study some stylized facts about stock market indexes such as volume-volatility and return-volatility relations.

As séries temporais financeiras são marcadas por comportamentos complexos e não-lineares. No mercado financeiro, além da trajetória das cotações, a sua variabilidade, representada pela volatilidade, consiste em importante informação para o mercado. Redes neurais são modelos não lineares flexíveis com capacidade de descrever funções de distintas classes, possuindo a propriedade de aproximadores universais. Este trabalho busca empregar redes neurais, especificamente Perceptron de múltiplas camadas com uma única camada escondida alimentada para frente (Feedforward Multilayer Perceptron), para a previsão da volatilidade. Mais ainda, é proposto um modelo híbrido que combina o modelo GARCH e redes neurais. Os modelos GARCH e redes neurais são estimados para duas séries financeiras: Índice S&P500 e cotações do petróleo tipo Brent. Os resultados indicam que a volatilidade aproximada por redes neurais é muito semelhante as estimativas dos tradicionais modelos GARCH. Suas diferenças são mais qualitativas, na forma de resposta da volatilidade estimada a choques de maior magnitude e sua suavidade, do que quantitativas, apresentando critérios de erros de previsão em relação a uma medida de volatilidade benchmark muito próximos. / The financial time series are characterized by complex and non-linear behaviors. In addition to the financial market trend in prices their variability or volatility, a risk estimate, is important information for the market players. Neural networks are flexible nonlinear models capable of describing functions of different classes, having the property of universal approximators. This paper employs neural networks, specifically one hidden layer feedforward Multilayer Perceptron, for volatility forecasting. Moreover, we propose a hybrid model that combines the GARCH model with neural networks. The GARCH and neural network models are estimated over two financial series: the S&P500 composite index and prices of Brent oil. The results indicate that the volatility approximated by neural networks is very similar to that estimated by the traditional GARCH models, while their differences are more qualitative than quantitative, with information content that differs from and complements each other for different market environments.

Os modelos de otimização de carteiras baseados na análise média-variância apresentam dificuldades para estimação das matrizes de covariância, usadas no processo de otimização, o que leva a necessidade de métodos ad hoc para limitar ou suavizar as alocações eficientes recomendadas pelo modelo. Embora as carteiras obtidas por este método sejam eficientes, não é assegurado que o tracking error seja estacionário, podendo a carteira se distanciar do benchmark, exigindo frequentes recomposições. Neste artigo é empregada a metodologia de cointegração para otimização de carteiras no âmbito de duas estratégias: index tracking e estratégia long-short. A estabilidade das carteiras otimizadas através da cointegração em diferentes cenários de mercado, diminuindo custos relativos a frequentes recomposições da carteira, e níveis de retorno e volatilidade superiores aos benchmarks, mostram que a metodologia é uma ferramenta eficiente e capaz de gerar resultados robustos, se caracterizando como uma atraente ferramenta para a gestão quantitativa de recursos. Modelar a estrutura a termo da taxa de juros é extremamente importante para macroeconomistas e participantes do mercado financeiro em geral. Neste artigo é empregada a formulação de Diebold-Li para ajustar e fazer previsões da estrutura a termo da taxa de juros brasileira. São empregados dados diários referentes às taxas dos contratos de DI Futuro negociados na BM&F que apresentaram maior liquidez para o período de Janeiro de 2006 a Fevereiro de 2009. Diferentemente da maior parte da literatura sobre curva de juros para dados brasileiros, em que o modelo de Diebold- Li é estimado pelo método de dois passos, neste trabalho o modelo é colocado no formado de estado espaço, e os parâmetros são estimados simultaneamente, de forma eficiente, pelo Filtro de Kalman. Os resultados obtidos tanto para o ajuste, mas principalmente no que diz respeito à previsão, mostram que a estimação do modelo através do Filtro de Kalman é a mais adequada, gerando melhores previsões para todas as maturidades quando é considerado horizontes de previsão de um mês, três meses e seis meses. No terceiro artigo artigo nós propomos estimar o modelo dinâmico da estrutura a termo da curva de juros de Nelson e Siegel (1987) considerando duas especificações alternativas. Na primeira, nós consideramos os pesos dos fatores como variantes no tempo e tratamos a heterocedasticidade condicional via um modelo volatilidade estocática com fatores comuns. No segundo caso, consideramos um modelo onde os fatores latentes seguem individualmente processos autoregressivos com volatilidade estocástica. Os assim chamados fatores de volatilidade buscam capturar a incerteza ao longo do tempo associada ao nível, inclinação e curvatura da curva de juros. A estimação é realizada através de métodos de inferência bayesiana, por Markov Chain Monte Carlo. Os resultados mostram que os fatores de volatilidade são altamente persistentes, dando suporte ao fato estilizado de que os choques na volatilidade das taxas de juros são altamente persistentes, e também indicam que o uso de estruturas de volatilidade estocástica levam a melhores ajustes dentro da amostra para a curva de juros observada. / The traditional models to optimize portfolios based on mean-variance analysis aim to determine the portfolio weights that minimize the variance for a certain return level. The covariance matrices used to optimize are difficult to estimate and ad hoc methods often need to be applied to limit or smooth the mean-variance efficient allocations recommended by the model. Although the method is efficient, the tracking error isn’t certainly stationary, so the portfolio can get distant from the benchmark, requiring frequent re-balancements. We used the cointegration methodology to devise two quantitative strategies: index tracking and long-short market neutral. We aim to design optimal portfolios acquiring the asset prices’ co-movements. We used Ibovespa’s index and stocks from Jan-2000 to Dec-2008. The results show that the devise of index tracking portfolios using cointegration generates goods results, replicating the benchmark’s return and volatility. The long-short strategy generated stable returns under several market circumstances, presenting low volatility. Modeling the term structure of interest rate is very important to macroeconomists and financial market practitioners in general. In this paper, we used the Diebold-Li interpretation to the Nelson Siegel model in order to fit and forecast the Brazilian yield curve. The data consisted of daily observations of the most liquid future ID yields traded in the BM&F from January 2006 to February 2009. Differently from the literature on the Brazilian yield curve, where the Diebold-Li model is estimated through the two-step method, the model herein is put in the state-space form, and the parameters are simultaneously and efficiently estimated using the Kalman filter. The results obtained for the fit and for the forecast showed that the Kalman filter is the most suitable method for the estimation of the model, generating better forecast for all maturities when we consider the forecasting horizons of one and three months. In the third essay we propose to estimate the dynamic Nelson-Siegel model of yield curve considering two alternative specifications. At first, we consider the factor loadings such as time-varying conditonal heteroskedasticity and treat via a common factors of stochastic volatility models. In the second case, we consider a model where the latent factors individually following autorregressive process with stochastic volatility. The volatility factors seek to capture the uncertainty over time associated with level, slope and curvature of yield curve.The estimation is performed through bayesian inference, Markov Chain Monte Carlo. The volatility factors showed high persistence, supporting the stylized fact that shocks in the volatility of interest rate are highly persistent, and also indicate that the used of structures of stochastic volatility lead to better in-sample fits of the observed yield curve.