Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/33926| Type: | TCC |
| Title: | Previsão de retorno acionário: uma aplicação do Dynamic Model Avaraging |
| Authors: | Peixoto, Bruna Kethey da Silva |
| Advisor: | Ferreira, Roberto Tatiwa |
| Keywords: | Ações (Finanças);Modelo de precificação de ativos |
| Issue Date: | 2017 |
| Citation: | PEIXOTO, Bruna Kethey da Silva. Previsão de retorno acionário: uma aplicação do Dynamic Model Avaraging. 2017. 43 f. TCC (graduação em Finanças) - Universidade Federal do Ceará, Faculdade de Economia, Administração, Atuária e Contabilidade, Fortaleza/CE, 2017. |
| Abstract in Brazilian Portuguese: | A previsão do retorno dos ativos sempre teve destaque nos estudos em Finanças. Especialmente a partir do desenvolvimento de modelos de precificação, como o CAPM e posteriormente na inclusão de fatores propostas pelo APT, nos quais são incluídas variáveis relevantes no modelo. Há uma enorme quantidade e variedade de possíveis fatores econômicos a serem incluídos, o que possivelmente resultaria em modelos não parcimoniosos, de pouca significância e de difícil explicação econômica. Nestes modelos, além da incerteza sobre a sua especificação, pode existir instabilidades nos seus parâmetros causadas por mudanças estruturais ou pela mudança da importância desses regressores ao longo do tempo. Desta forma, métodos que considerem essas incertezas e instabilidades podem melhorar tanto a precificação quanto a previsão de ativos. Apesar de ser uma ideia bastante intuitiva e discutida por diversos economistas no passado, a consideração da incerteza nos parâmetros necessita um certo desenvolvimento computacional devido à grande quantidade de informação necessária a seleção do melhor modelo, fato que pode ser contornado com a utilização de algumas simplificações matemáticas e o uso de técnicas computacionais atuais, possibilitando assim o desenvolvimento da Média Dinâmica de Modelos (dynamic model averaging) ou DMA, que atualiza o modelo de acordo com fatores de esquecimento, permitindo tanto uma variação no modelo, como nos parâmetros. Nesse método, a cada período são calculadas probabilidades de ocorrência de cada modelo sendo o modelo escolhido uma média dinâmica de todas as possibilidades. Nesse estudo, a metodologia DMA é aplicada em um exercício de previsão de 6 ações: ITUB4, BBAS3, ABEV3, BRFS3, PETR4 e VALE5, além do índice Ibovespa utilizando como possíveis regressores 15 fatores econômicos. Os resultados indicam que a taxa de juros e a inflação são as variáveis com maior a probabilidade de inclusão no modelo de regressão para esse problema. Com relação a previsão, há uma superioridade do DMA/DMS em relação aos demais modelos considerados, com destaque também para a capacidade preditiva do BMA. |
| Abstract: | The forecast of the equity return is an important problem in finance, and it is addressed by different studies and methods. Especially by asset pricing models, such as CAPM and later in with the inclusion of factors proposed by APT model, in which relevant variables are included in the model. There is an enormous amount and variety of possible economic factors to be included, which would possibly result in non-parsimonious models. Besides the uncertainty about the model specification, there are parameter instabilities caused by structural changes or the change in the importance of regressors over time. This way, methods that consider such uncertainties and instabilities can improve both asset pricing and asset forecasting. The dynamic model averaging or DMA, updates the model according to forgetting factors, allowing both a variation in the model and in the parameters. In this method, in each period is calculated probabilities of occurrence of each model and the chosen model is a dynamic average of all possibilities. In this study, the DMA methodology is applied on a forecast exercise of 6 stocks: ITUB4, BBAS3, ABEV3, BRFS3, PETR4, VALE5, and the Ibovespa index, using as possible regressors 15 economic factors. The results indicate that interest rates and inflation are the variables with greater probability to be included in the regression model for this problem. Regarding the forecast, there is a superiority of the DMA / DMS in relation to the other models considered, also highlighting the predictive capacity of the BMA. |
| URI: | http://www.repositorio.ufc.br/handle/riufc/33926 |
| Appears in Collections: | FINANÇAS - Monografias |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 2017_tcc_bkspeixoto.pdf | 1,44 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.