Submitted by Suethene Souza (suethene.souza@ufpe.br) on 2015-03-05T17:54:19Z
No. of bitstreams: 2
DISSERTAÇÃO Carolina Magda da Silva Roma.pdf: 2200454 bytes, checksum: 5284fb965bb815a50d6895a8d2342228 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-05T17:54:19Z (GMT). No. of bitstreams: 2
DISSERTAÇÃO Carolina Magda da Silva Roma.pdf: 2200454 bytes, checksum: 5284fb965bb815a50d6895a8d2342228 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2013-01-29 / FACEPE / Com a presente pesquisa se propôs a apresentar uma nova maneira de mensurar o prêmio de
risco e analisar qual a melhor distribuição de probabilidade contínua que modela os dados
estudados para o período completo e segmentações. Mehra e Prescott (1985) analisaram o
prêmio de risco histórico por quase um século e obtiveram um resultado não suportado pela
teoria econômica financeira, o qual foi denominado Equity Premium Puzzle (EPP). O prêmio
de risco é estudado por diversos pesquisadores ao redor do mundo, porém, ainda hoje, não há
consenso sobre como mensurá-lo, sendo classicamente entendido como o retorno de um ativo
mais arriscado sobre um ativo livre de risco. Ele é uma variável integrante no cálculo do
Capital Asset Pricing Model, ou Modelo de Precificação de Ativos (CAPM), comumente
utilizado em finanças. Assim, buscou-se uma nova maneira de obter o prêmio de risco a partir
da equação diferencial estocástica do movimento browniano geométrico (MBG). Para tanto, o
prêmio foi calculado pela razão entre a diferença no retorno do índice Ibovespa (IBOV), para
duas ações com maior participação no respectivo índice, baseado na última carteira de 2012, a
Vale do Rio Doce (VALE5) e a Petrobrás (PETR4) e também para a empresa com maior
participação no índice de consumo, a AmBev (AMBV4) e o ativo livre de risco tendo, neste
caso, sido escolhido o Certificado de Depósito Interfinanceiro (CDI), com volatilidade para
janeiro de 1998 a julho de 2012. As distribuições do prêmio de risco utilizadas neste trabalho
foram gaussiana, Gama, T de Student, Weibull e logística. A volatilidade foi mensurada pelo
software Matlab, com uma rotina que altera o modelo ARMA+ família GARCH e a
distribuição do termo de erro com a gaussiana e T de Student, para que fosse escolhido aquele
que melhor captura as características das séries. Os resultados apontaram um prêmio de risco
pela média aritmética para os períodos completos em torno de 5,4% para o IBOV, 8,6% para a
AMBV4, 7,7% para a VALE5 e 5,8% para a PETR4. Quanto à distribuição de probabilidade,
predominaram, em muitos dos períodos segmentados escolhido pelos testes de aderência
Anderson-Darling (A-D), Kolmogorov-Smirnov (K-S) e Qui-Quadrado ( 2 ), em primeiro
lugar, a logística e, em segundo, a T de Student.
Palavras
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/10831 |
| Date | 29 January 2013 |
| Creators | Roma, Carolina Magda da Silva |
| Contributors | Oliveira, Marcos Roberto Gois de |
| Publisher | Universidade Federal de Pernambuco |
| Source Sets | IBICT Brazilian ETDs |
| Language | Breton |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds