[pt] ENSAIOS SOBRE PRECIFICAÇÃO DE ATIVOS EM ALTA DIMENSÃO: VARIAÇÕES TEMPORAIS, ERRO DO SDF E ALFAS DOS RETORNOS DE FATORES

[en] ESSAYS CONCERNING HIGH-DIMENSION ASSET PRICING: TIME-VARIABILITY, THE SDF MODEL ERROR AND FACTORS RETURNS ALPHAS

[pt] HUGO FINIZOLA STELLET

[pt] INVESTIMENTO EM FATORES

[pt] REGRESSAO DE SPAN

[pt] ERRO DO FATOR ESTOCASTICO DE DESCONTO

[pt] PENALIZACAO POR ENCOLHIMENTO

[pt] APRECAMENTO DE ATIVOS VARIANTE NO TEMPO

[en] FACTOR INVESTING

[en] SPANNING REGRESSION

[en] STOCHASTIC DISCOUNT FACTOR ERROR

[en] SHRINKAGE PENALIZATION

[en] TIME VARYING ASSET PRICING

[pt] Esta tese é composta por dois ensaios sobre precificação de ativos baseada em fatores em alta dimensão, trazendo uma aplicação ao mercado de ações dos Estados Unidos. Iniciamos introduzindo uma estrutura que comporta viariabilidade temporal para selecionar fatores de precificação relevantes, ativamente evitando viéses, e avalia a eficácia das técnicas aplicadas para redução de dimensionalidade. Em seguida, apresentamos as principais descobertas dos artigos que constituem esta tese. O primeiro artigo parte do erro do modelo de Fator de Desconto Estocástico para identificar os fatores de precificação mais relevantes, empregando técnicas de regressão específicas para induzir esparsidade. Como os modelos tradicionais de precificação de ativos baseados em fatores assumem arbitrariamente altos níveis de esparsidade, propomos um critério alternativo para determinar o parâmetro de penalização na regressão, a fim de garantir uma escassez de fatores semelhante para um modelo de alta dimensão. Nossos resultados demonstram que até mesmo regressões simples podem proporcionar boa previsibilidade- e a esparsidade na seleção de fatores é desejável. No segundo artigo, utilizamos técnicas de encolhimento em regressões que spanam retornos de anomalias de precificação para identificar fatores estatisticamente significativos. Esta estrutura enfatiza a esparsidade, propondo métodos para selecionar um número limitado de fatores relevantes. Esta abordagem supera os benchmarks e corroborou com a ideia de esparcidade na seleção de anomalias de precificação. No final, comparamos os resultados das metodologias dos dois artigos, destacando os aspectos qualitativos da seleção de fatores.

[en] This dissertation comprises two essays on high-dimensional factor-based asset pricing, with an application to the United States equity market. We begin by introducing a time-varying framework to select relevant pricing factors, while actively avoiding biases, and evaluate the effectiveness of applied dimension reducing techniques. We present the main findings of the articles that constitute this thesis. The first article builds on the Stochastic Discount Factor (SDF) model error to identify the most relevant pricing factors, employing sparsity-inducing regression techniques. Contending that traditional factor-based asset pricing models arbitrarily assume high levels of sparsity, we propose an alternative criterion for determining the penalization parameter in shrinkage regression to ensure similar factor scarcity. Our results demonstrate that even simple regressions can achieve good predictability- and factor sparsity is desirable. In the second paper, we leverage shrinkage techniques on regressions spanning pricing anomalies returns to identify statistically significant factors. This framework proposes methods for selecting a limited number of impactful factors under sparsity. This approach outperforms the benchmarks, strengthening the sparse pricing anomalies idea. Finally, we compare the results of the two articles methodologies, high lighting the qualitative aspects of factor selection.

NATHALIE CHRISTINE GIMENES

MARCELO CUNHA MEDEIROS

MARCELO CUNHA MEDEIROS

MARCELO FERNANDES

MARCIO GOMES PINTO GARCIA

RODRIGO DOS SANTOS TARGINO

DANIELA KUBUDI GLASMAN

NATHALIE CHRISTINE GIMENES

2025-11-03

2024-09-30

[pt] TEXTO

application/pdf

INGLÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73727@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73727@2

https://doi.org/10.17771/PUCRio.acad.73727