Nas últimas duas décadas, estudos empíricos em finanças têm utilizado o método de estudo de eventos para detectar retornos anormais no entorno de eventos que, teoricamente, deveriam ser incorporados instantaneamente no preço dos títulos. O método de estudo de eventos, a partir da década de 90, com a massificação das planilhas eletrônicas e dos pacotes estatísticos, se popularizou no meio acadêmico brasileiro, sendo um dos principais métodos de pesquisa em finanças com ênfase em mercado de capitais ou finanças corporativas. Apesar da eficácia do método em detectar a anormalidade dos retornos, comprovada em diversos estudos empíricos, acredita-se que o método seja pouco eficiente em determinar a verdadeira amplitude do retorno anormal, uma vez que são necessários pressupostos estatísticos e argumentos econômico-financeiros que podem não ser válidos. O fato de que cada modelo apresenta um desempenho diferente de captura dos retornos anormais contribui com a tese de que os modelos utilizados atualmente não conseguem filtrar totalmente o retorno anormal da série normal. Portanto, este estudo teve como objetivo principal testar a aplicabilidade do método de Análise de Componentes Independentes - ICA - em detectar retornos anormais em séries temporais e comparar o seu desempenho com os modelos geradores de retornos anormais mais utilizados em testes empíricos. Com este objetivo, foram realizadas milhares de simulações envolvendo parâmetros semelhantes aos do mercado de ações brasileiro, com o uso de algoritmos de simulação elaborados exclusivamente para esta finalidade. Os resultados sugerem que o método ICA é capaz de detectar anormalidades em séries temporais, fornecendo, desta forma, a descoberta do real impacto do retorno anormal nos elementos da amostra, necessitando apenas de uma modelagem prévia em função do tamanho da amostra e sua variância. / In the last two decades financial empiric studies have used the event study method to detect abnormal return on events that in theory should be instantly incorporated on securities price. This method became popular to Brazilian academic environment through the intensification usage of electronic worksheet and statistic packages in the 90`s turning into one of the main research methods for financial studies with emphasis on stock market and corporative financing. Despite the efficiency of the method in detecting abnormalities it`s believed that it`s least effective on establishing the real amplitude of the abnormal return considering that statistics presupposed and economic and financial arguments may not be valid. The fact that each model shows a different performance on capturing abnormal returns contributes to the idea that today`s models can`t completely filter the abnormal return on a normal series. Therefore this study has as a main objective to test the applicability of the Independent Component Analysis method – ICA – in detecting abnormal returns in time series and comparing its performance against abnormal return generating models more used on empiric tests. With this objective, thousands of simulations involving parameters similar to the Brazilian stock market with the usage of simulation algorisms elaborated exclusively for this purpose. The results suggest that ICA method is capable of detecting abnormalities in time series supplying in this form a discovery on the real impact of abnormal return on sample elements needing only a previous molding due to the size of its sample and variance.
Identifer | oai:union.ndltd.org:IBICT/oai:lume56.ufrgs.br:10183/28488 |
Date | January 2008 |
Creators | Franco, Alexandre Lerch |
Contributors | Kloeckner, Gilberto de Oliveira |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFRGS, instname:Universidade Federal do Rio Grande do Sul, instacron:UFRGS |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0098 seconds