Submitted by Rafael Azevedo (rafael.moura.a@gmail.com) on 2011-02-04T18:51:31Z No. of bitstreams: 1 Rafael Azevedo Mestrado.pdf: 228231 bytes, checksum: f596212a38122e71eb88fc33a720b8b5 (MD5) / Approved for entry into archive by Andrea Virginio Machado(andrea.machado@fgv.br) on 2011-02-07T11:25:50Z (GMT) No. of bitstreams: 1 Rafael Azevedo Mestrado.pdf: 228231 bytes, checksum: f596212a38122e71eb88fc33a720b8b5 (MD5) / Made available in DSpace on 2011-02-16T12:37:58Z (GMT). No. of bitstreams: 1 Rafael Azevedo Mestrado.pdf: 228231 bytes, checksum: f596212a38122e71eb88fc33a720b8b5 (MD5) Previous issue date: 2010-10-20 / Este trabalho apresenta um método de apreçamento não paramétrico de derivativos de taxa de juros baseado em teoria da informação. O apreçamento se dá através da distribuição de probabilidade na medida futura, estimando aquela que mais se aproxima da distribuição objetiva. A teoria da informação sugere a forma de medir esta distância. Especificamente, esta dissertação generaliza o método de apreçamento canônico criado por Stutzer (1996), também baseado na teoria da informação, para o caso de derivativos de taxas de juros usando a classe Cressie-Read como critério de distância entre distribuições de probabilidade.