Detalhes bibliográficos
| Ano de defesa: |
2024 |
| Autor(a) principal: |
Moura, João Lucas Moreira |
| Orientador(a): |
Souza, Renato Rocha |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Link de acesso: |
https://hdl.handle.net/10438/36086
|
Resumo: |
Com os dados fornecidos pela B3 – Brasil, Bolsa, Balcão –, esta pesquisa analisou as cotações diárias de diversas opções da Vale do Rio Doce, VALE3, no período de 2015 a 2023. O principal objetivo foi desenvolver e avaliar um modelo de precificação de opções que capturasse as dependências temporais inerentes aos dados, proporcionando uma análise mais precisa e robusta do comportamento dessas opções ao longo do tempo. Para fins comparativos, foi utilizada a consagrada fórmula de Black Scholes, amplamente adotada no mercado de derivativos desde os anos 1970. Embora seja um modelo validado, o Black Scholes enfrenta limitações em cenários de alta volatilidade, por ser a única variável não observável do modelo, tornando-se um fator crítico para a precisão das previsões. Em resposta a essas limitações, foi desenvolvido um modelo de precificação de opções utilizando redes neurais recorrentes do tipo LSTM, que são particularmente adequadas para capturar ”memória“ de curto e longo prazo e para lidar com as dependências temporais e padrões dinâmicos dos dados financeiros. Assim, o modelo LSTM se apresenta como uma alternativa promissora ao tradicional Black Scholes, oferecendo maior flexibilidade na captura das dinâmicas temporais dos preços das opções. |
