[pt] CAPM CONDICIONAL NA FORMA EM ESPAÇO DE ESTADOS COM DISTÚRBIOS HETEROCEDÁSTICOS: UMA APLICAÇÃO À ANÁLISE DE PERFORMANCE DE FUNDOS DE AÇÕES BRASILEIROS

• Ano de defesa: 2016
• Autor(a) principal: LEANDRO SANTOS DA COSTA
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] FILTRO DE KALMAN; [pt] FORMA EM ESPACO DE ESTADOS; [pt] CAPM CONDICIONAL; [pt] ANALISE DE PERFORMANCE; [en] KALMAN FILTER; [en] CONDITIONAL CAPM; [en] PERFORMANCES ANALYSIS
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=27685&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=27685&idi=2; http://doi.org/10.17771/PUCRio.acad.27685

[pt] Os resultados empíricos apresentados na literatura sobre o CAPM em geral refletem as falhas teóricas do modelo em sua forma incondicional. Deste modo, duas linhas de pesquisas principais surgiram na tentativa de relaxar alguns dos pressupostos do modelo, dando origem aos chamados modelos de multifatores e modelos condicionais. Em síntese, os modelos condicionais são aqueles nos quais o valor esperado do retorno de um ativo é explicitado de forma condicional a um conjunto de informação disponível no período anterior, e a sensibilidade ao fator de risco, beta, bem como o intercepto da equação de regressão, alfa, são considerados parâmetros variantes no tempo. Este trabalho tem dois objetivos principais: (i) avaliar de forma comparativa o tratamento dos modelos CAPM condicionais na forma em espaço de estados estimados a partir do filtro de Kalman com os erros da equação de observação nas formas homocedástica e heterocedástica, com base no trabalho de Ortas, Salvador e Moneva (2014); (ii) avaliar como o uso de medidas condicionais obtidas a partir do modelo CAPM condicional sob a abordagem aqui descrita pode melhorar a prática atual de avaliação de performance dos fundos de investimentos a partir de uma amostra do mercado brasileiro. Os resultados obtidos indicam que a modelagem heterocedástica, do ponto de vista da qualidade de ajuste aos dados da amostra, é capaz de melhorar os resultados em relação ao modelo homocedástico e aos modelos incondicionais correspondentes, proporcionando, portanto, melhores práticas de avaliação de desempenho dos fundos.