Aplicação da análise de componentes independentes em estudo de eventos em finanças

• Ano de defesa: 2008
• Autor(a) principal: Franco, Alexandre Lerch
• Orientador(a): Kloeckner, Gilberto de Oliveira
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Finanças; Mercado de capitais; Governança corporativa; Reação do mercado de capitais a informações contábeis; Metodologia da pesquisa; Estudo de evento
• Palavras-chave em Inglês: Event study; Independent component analysis; Financial research method; Simulation
• Link de acesso: http://hdl.handle.net/10183/28488

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.