Modelos macro-financeiros com o uso de fatores latentes do tipo Nelson-Siegel

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: Mariani, Lucas Argentieri
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://www.teses.usp.br/teses/disponiveis/96/96131/tde-07042015-141933/
Resumo: Usar ativos financeiros para extrair as expectativas de mercado para algumas variáveis macroeconômicas é uma prática comum na literatura de Macro-Finanças. Nessa dissertação utilizamos títulos brasileiros para extrairmos as expectativas tanto do câmbio quanto da inflação com o uso de fatores latentes do tipo Nelson-Siegel. No primeiro capítulo desenvolvemos um modelo que tenta incorporar expectativas do mercado financeiro com os fundamentos macroeconômicos dessa variável. O modelo desenvolvido aqui difere dos modelos anteriores ao permitir volatilidades condicionais que parecem ser muito importantes no mercado cambial. Os resultados encontrados aqui indicam que os modelos com os fatores latentes e as variáveis macroeconômicas tem um poder de previsão melhor do que os modelos puramente macroeconômicos. Além disso, parece haver uma relação entre as variáveis macroeconômicas e a curva de diferencial de juros entre os países. Já no segundo capítulo utilizamos o diferencial entre rendimentos dos títulos reais e nominais usadas como preditores da inflação. O modelo aqui apresentado faz uma decomposição desse diferencial de juros, em prêmios de risco e inflação implícita usando um modelo paramétrico baseado em condições de não-arbitragem. As estimações da de inflação implícita do modelo se mostram estimadores não viesados da inflação futura para horizontes mais curtos e carregam informação para horizontes mais longos. Além disso, mostram resultados superiores que o uso somente do diferencial