Projetos em andamento

Previsão de Séries Temporais Econômicas e Financeiras: Econometria Financeira e Aprendizado de Máquina

Este projeto de pesquisa tem como objetivo propor novas metodologias e modelos para a estimação e previsão de séries temporais econômicas e financeiras nos contextos univariado, multivariado e de alta dimensão e aplicá-los a séries temporais brasileiras, norte-americanas e de criptoativos. Serão utilizadas e desenvolvidas metodologias e modelos enquadrados nas categorias de econometria financeira de séries temporais, aprendizado de máquina e abordagens híbridas. Ademais, tanto as abordagens frequentista quanto bayesiana serão exploradas, buscando aprimorar a precisão das previsões e a eficiência computacional.

Os códigos referentes aos modelos e metodologias desenvolvidos no âmbito deste projeto serão disponibilizados gratuitamente em repositórios públicos no Github, promovendo a reprodutibilidade e o suporte para aplicações nos âmbitos acadêmicos e do mercado. Os resultados obtidos visam melhorar o gerenciamento de risco de carteiras de investimento, otimizar a gestão de fundos e carteiras de ativos e fornecer melhores ferramentas para embasar decisões políticas e econômicas fundamentadas em indicadores macroeconômicos.

Além de fomentar a produção científica este projeto visa contribuir na formação de recursos humanos. Pelo menos quatro alunos de pós-graduação estão diretamente envolvidos no projeto e atrair novos alunos de todos os níveis (iniciação científica, mestrado, doutorado e pós-doutorado) é do nosso especial interesse.

Financiamento: CNPq 409630/2024-1 (Universal)

Modelagem e Previsão de Medidas de Risco com Dados Intradiários: Abordagens Diária e de Alta Frequência

A modelagem e previsão da (co)volatilidade e outras medidas de risco desempenham um papel importante em diversas aplicações em economia e finanças, tais como alocação de carteiras, gerenciamento de risco, hedging, precificação de opções, estratégias de negociação, ordens no order book, entre outros. Assim, a busca por melhorar a qualidade destas previsões não é somente um interesse acadêmico, mas também uma demanda prática essencial para uma melhor tomada de decisão. Levando em consideração esta necessidade, neste projeto serão desenvolvidas, explorando as informações contidas nos dados intradiários, novas abordagens metodológicas e modelos para a modelagem e previsão da (co)volatilidade e outras medidas de risco tais como o Value-at-Risk, Expected Shortfall e Expectiles, nos contextos univariado e multivariado. As propostas, além de incorporar o uso de dados intradiários, visam também incorporar outras características comumente observadas nas séries temporais financeiras, tais como a presença de outliers, mudanças de regime, efeitos de alavancagem e longa memória. Serão propostas metodologias/modelos tanto para a previsão diária quanto para a previsão intradiária, e as novas abordagens serão aplicadas em séries temporais brasileiras, norte-americanas e de cripto-ativos, sendo o desempenho das novas propostas comparado com benchmarks clássicos e outros métodos estado da arte. As soluções desenvolvidas serão implementadas e disponibilizadas por meio repositórios públicos no Github e através de pacotes nas linguagens R, Python e/ou Julia. Dessa forma, os usuários finais poderão se beneficiar diretamente dos avanços gerados por esta pesquisa.

Financiamento: FAPESP 2025/06131-7 (ARP)

Estatística e aprendizado de máquina aplicados em economia e finanças.

Este projeto de pesquisa tem como finalidade aplicar e desenvolver procedimentos estatísticos e de aprendizado de máquina passíveis de uso em problemas de economia e finanças. Além do ênfase na aplicação e desenvolvimento de novos métodos, este projeto também tem foco no ensino (capacitando alunos de graduação e pós-graduação em temas não contemplados na grade curricular) e na extensão (promovendo o uso, divulgação e popularização dos métodos quantitativos através de seminários periódicos, bem como disponibilizando gratuitamente os códigos utilizados neste projeto).

Financiamento: FAEPEX 2525/23 (PIND)

Modelagem e Previsão Econométrica em Modelos de Alta Dimensão

Este projeto tem por objetivo apresentar novas metodologia para modelagem e previsão econométrica para modelos de alta dimensão e ou frequência, assim como para modelos de frequências mistas. Pretende também desenvolver metodologias para análise econométrica num mundo complexo, inclusive com mudanças estruturais, usando modelos esparsos ou densos (fatores). As aplicações destas metodologias serão feitas em: estimação de matriz de covariância inclusive usando métodos robustos e de aprendizado estatístico ; modelo geral de fatores dinâmicos; apreçamento de ativos usando aprendizado estatístico ; previsão de séries econômicas e financeiras usando modelos de frequências mistas e regularização; construção de vintage para séries econômicas e financeiras; modelagem de criptomoedas; explorar informações transversais para melhorar as previsões de retornos de ´índices de ações e volatilidade em alta frequência; empregar dados textuais dos principais jornais brasileiros para prever a volatilidade das ações na B3; avaliar o desempenho ajustado ao risco de carteiras gerenciadas por semivariância para um conjunto muito amplo de carteiras de anomalias; análise estatística de séries temporais funcionais em alta dimensão; usar modelos não paramétricos fatoriais para identificar clusters em vetores de alta dimensão; estimação de fronteiras de produção para incluir variáveis ambientais, aumentar a dimensão do vetor de covariáveis sem sofrer da “maldição da dimensionalidade”e incorporar estruturas temporais nestes modelos. Os resultados serão publicados em periódicos de circulação internacional com seletivas políticas editoriais e apresentados em eventos científicos. A formação de recursos humanos dar-se-á pela supervisão de iniciação científica, mestrado, doutorado e pós-doutoramentos. Seminários serão uma forma de disseminação de resultados, trocas de ideias iniciais, intercâmbio e captação de novos talentos, motivada pelo potencial de aplicação das metodologias. Pretendemos, para um novo salto qualitativo e quantitativo da ´área, constituir Escolas de Verão ou Inverno que, anualmente, reunirão estudantes avançados de graduação e de pós-graduação com pesquisadores do projeto e convidados nacionais e internacionais para a apresentação de dois minicursos, do estado da arte, problemas em aberto, proposta de soluções e avanço e/ou início de parcerias.

Financiamento: FAPESP 2023/01728-0 (Projeto Temático)

Séries Temporais, Ondaletas, Dados de Alta Dimensão e Aplicações

O projeto é uma progressão natural do projeto temático 18/04654-9 intitulado Séries Temporais, Ondaletas e Dados de Alta Dimensão, vigente de primeiro de setembro de 2018 a trinta de agosto de 2023, o mais recente de uma seqüência de projetos temáticos fomentados pela FAPESP há duas décadas. As metodologias desenvolvidas terão aplicação em áreas como Medicina, Finanças, Biologia, Física, Neurociências, Engenharias etc.. Elas resolvem problemas teóricos e aplicados, nos seguintes tópicos, que estão inexoravelmente interligados: (1) Generalizações de modelos ARMA; (2) Ondaletas; (3) Quase U-Estatísticas; (4) Valores extremos em séries temporais; (5) Estimação da volatilidades de ativos financeiros, inclusive com dados de alta freqüência; (6) Dados funcionais; e (7) Dados de alta dimensão, com ênfase em séries temporais, dados espaço-temporais, financeiros, imagens de satélite, genética, MRI e fNRIS. Os resultados serão publicados em periódicos de circulação internacional com seletivas políticas editoriais e apresentados em eventos científicos. A formação de capital humano dar-se-á pela supervisão de pós-doutoramentos, iniciações científicas, doutorados e mestrados. Seminários e a organização de workshops anuais reunirão estudantes avançados de graduação e de pós com pesquisadores do projeto e convidados nacionais e internacionais, para a apresentação do estado da arte e consolidação, avanço e/ou início de parcerias.

Financiamento: FAPESP 2023/02538-0 (Projeto Temático)