Diversificação - exemplo

Tamanho: px
Começar a partir da página:

Download "Diversificação - exemplo"

Transcrição

1 INCETEZA E ISCO /4/009 Dversfcação - exemplo oss cap. 0 Cartera com N atvos Nova stuação: Cartera mas dversfcada Todos os títulos têm a mesma Varânca Todas as covarâncas são guas Todos os Títulos tem a mesma partcpação ou peso na cartera. esumo: σ = var cov(, ) = cov var > cov X = N j Demonstra - se que : [PPGE/UFGS]

2 INCETEZA E ISCO /4/009 Matrz de Varâncas e Covarâncas Ação 3... N (/N ) (/N ) (/N ) (/N ) var cov cov cov (/N ) cov (/N ) (/N ) (/N ) var cov cov (/N ) (/N ) (/N ) cov cov var... (/N ) cov N (/N ) cov (/N ) cov (/N ) cov... (/N ) var Todos os termos da Dagonal Prncpal são guas Todos os termos fora da Dagonal Prncpal são guas. Se N. Varânca da Cartera com N Atvos: Var (Cartera) = soma de todas as Células da Matrz N termos na DP e (N x N-) fora da DP Var( cartera) = Var( cartera) = : Peso da varânca : N ( N )var + N ( N ) ( N ) ( N ) var + [( N N ) N ] cov cov Var( cartera) = soma ponderada da varânca e covarânca médas. 0 N, então N ( cartera) = cov Peso da covarânca : Var N ( ) [PPGE/UFGS]

3 INCETEZA E ISCO /4/009 esultado mportante em (): Nessa Cartera especal a varânca dos Títulos desaparecem completamente à medda que o número de Títulos se eleva, entretanto, os termos com as covarâncas permanecem. Efeto Dversfcação: as varâncas de títulos ndvduas são elmnadas com a dversfcação da Cartera, ou seja, dmnu o rsco da cartera. Observe que não ocorre o mesmo com a Covarânca. Intução: devemos dversfcar nossos Investmentos, pos sso reduz o rsco da cartera. Parte do rsco pode ser elmnado com a dversfcação. Exemplo: Sr Smth quer apostar $ 000 numa roleta. Opções: a) Apostar tudo em um únco gro da roleta sco elevado. Stuação do jogo: Se vermelho: apostador ganha $ 000 Se preto: apostador ganha ZEO Observação: há 50% de chance de dá vermelho ou preto. b) Dvdr a aposta: 000 rodadas dferentes apostando $, 00 a cada rodada, no vermelho. esultado da Teora da Probabldade: ganhara em 50% das vezes e tera como ganho esperado receber os $ 000 de volta, claro se a mesa não é vcado. Então, tera elmnado completamente o rsco ao dversfcar as apostas. [PPGE/UFGS] 3

4 INCETEZA E ISCO /4/009 Varânca da cartera esultado mportante: Varânca da Cartera converge assntotcamente para a covarânca. Cada Título adconal ajuda a reduzr sco. sco de Dversfcação cov sco de cartera ou sco de Mercado ou sco Sstemátco N. de Títulos Veja: a dversfcação da cartera tende a elmnar o rsco provocado pela varânca, contudo, permanece o rsco provocado pela covarânca. Comentáros:. Se não houvesse despesas de corretagem e outros custos de transação a Dversfcação nunca devera termnar.. Contudo, na prátca, dversfcar tem custos e o prncpal deles é a despesa de corretagem por real aplcado que caem á medda que se realzam compras maores de uma únca ação 3. Segundo Mer Stutman é necessáro uma cartera de, no mínmo, 30 ações para otmzar uma dversfcação [PPGE/UFGS] 4

5 INCETEZA E ISCO /4/009 Varânca ou sco da taxa de etorno de um Título: sco de um Título ndvdual = sco da Cartera + sco não sstemátco ou Dversfcável. var = cov + var cov ou ( ) var = rsco total ou rsco que se assume qdo se aplca em apenas um título. sco na Cartera = é o rsco que se assume mesmo qdo se conseguu dversfcação ntegral cov. sco Sstemátco ou sco de Mercado. sco Dversfcável ou específco ou não Sstemátco que pode ser elmnado por dversfcação. = rsco Cartera Dversfcada: o rsco de um título solado não é mportante Investdor típco Avesso ao sco. Portanto, preferem carteras bem dversfcadas. Exemplo: Você dspõe de uma economa de $ 5000 que você está guardando para pagar a Unversdade. Você acetara usar esse dnhero na segunte aposta? Se cara você dobra o dnhero Se Coroa você perde tudo. esposta da maora: não aceta. [PPGE/UFGS] 5

6 INCETEZA E ISCO /4/009 Combnar nvestmento com rsco e Título sem rsco. Exemplo: Ações ordnáras da empresa Mervlle tem etorno Esperado de 4% com Desvo padrão de 0,%. Atvos sk-free: tem etorno Esperado de 0% e DP = 0. Aplcação total da senhora X: $ 000, assm dstrbuídos:. $ 350 em ações da empresa Mervlle. $ 650 em atvos rsk-free. Calcular: a) etorno esperado da Cartera b) Varânca da cartera Base de Cálculo: etorno Esperado da Cartera p p = ( 0,35) ( 0.4) + ( 0,65) ( 0,0) = 0,4 =,4% Varânca da Cartera : Observe que : σ = 0 e σ Var ( cartera ) = X Var ( cartera ) = rsk free σ = 0,0049 = 0,07 M Var ( cartera ) = 0,0049 p σ M ( 0,35) ( 0,0) M, F = 0 [PPGE/UFGS] 6

7 ) INCETEZA E ISCO /4/009 elação entre etorno Esperado e sco etornos (cartera e ttulos ,4 Conjunto de oportundades Seqüênca Desvo-padrão (%) Cartera composta de atvos com rsco e atvos sem rsco. etorno e sco com emprestmos lvre de rsco p Aplcação 0%: Mervlle 0% atvos rsk-free Captação de Fundos: $ 00 aqu a taxa de captacao é maor do que a taxa de aplcaçao. Conjunto de oportundades com menor retorno esperado. Seqüênca DP [PPGE/UFGS] 7

8 INCETEZA E ISCO /4/009 Nova stuação: Senhora X toma $ 00 emprestado à taxa Lvre de rsco e aplca $ 00 nas ações Mervlle: Ela está captando a 0% para aplcar num título que rende mas do que 0% ' p ' p = 4,8% DP ' =,0 (0,) ' > p =,0 0,4 + ( 0,) (0,0 ) p DP ' > DP esumo das carteras: DP etorno % Mervlle 0 4 sk-free 0 0 Cartera 7,4 Cartera 4 4,8 [PPGE/UFGS] 8

9 INCETEZA E ISCO /4/009 Cartera ótma: combna aplcação num atvo sem rsco com aplcação numa cartera com atvos com rsco. p Lnha de Mercado de Captas: oferece as melhores oportundades ao nvestdor = Conjunto efcente de todos atvos com e sem rsco. sk Free Q 3 Lnha I DP Indvíduos sk Averse: escolhem alguma cartera entre sk Free e o ponto de tangênca (A) Indvíduos sk lover ou com menor Aversão ao rsco: escolhem pontos além do ponto A Q 3 At & T GM IBM A rskfree Total $00 $00 $00 $00 Ponto Ponto Ponto 3 Q A rskfree (-)40 Total 00% 00% 40% [PPGE/UFGS] 9

10 INCETEZA E ISCO /4/009 Decsões do Investdor Decsões Separadas a) Ponto A: É determnado pelas estmatvas do retorno esperado, varânca e covarânca. Ponto de tangênca entre a taxa lvre de rsco e o conjunto efcente de atvos com rsco. Cartera de atvos com rsco que será escolhda. Não é necessáro nenhuma preferênca pelo sco ou característca pessoal. b) Como combnar o ponto A ao Atvo sk Free: % na cartera A + % nos Atvos sk Free c) Pode tomar emprestado e escolher pontos além de A depende de seu grau de Aversão ao rsco Cartera de equlíbro de mercado: Consdera todos os nvestdores formando Expectatvas a partr dos mesmo Dados Hpótese smplfcadora: os nvestdores desenvolvem as mesmas Crenças sobre etorno esperado e sobre a varânca ou volatldade dos atvos Investdores dferem apenas no comportamento em relação ao rsco Idêntcos para todos: Conjunto Efcente de atvos com rsco Taxa rsk-free Cartera A é a mas desejável Dferença: Escolha da composção (A + Arskfree ) o que depende da preferênca em relação ao rsco. [PPGE/UFGS] 0

11 INCETEZA E ISCO /4/009 Conclusão: Num mercado com expectatvas homogêneas, todos os nvestdores aplcaram na cartera de atvos representada por A. Se todos escolhem A, é possível determnar o que é essa cartera: t é uma cartera t formada por todos td os Títulos Títl exstentes ponderados por seus valores de Mercado. Na pratca: Índce Standard & Poor s 500. Medda de sco de um Título numa cartera ampla: β do Título [PPGE/UFGS]

12 INCETEZA E ISCO /4/009 etornos da Jelco e do Mercado Estado Comportament o do Mercado etorno da Cartera de Mercado etorno da Jelco I Alta 5 5 II Alta 5 5 III Baxa -5-5 IV Baxa -5-5 Suposção ncal: cada Estado tem a mesma probabldade de ocorrênca. etorno Esperado da Jelco: a) Mercado em Alta : Jelco = = 0% Jelco b) Mercado Jelco Jelco = - 5 = -0% em Baxa + 5 : jelco jelco = = 0% Comportamento do mercado etorno da cartera de mercado etorno da Jelco Alta 5% 0% Baxa -5% -0% [PPGE/UFGS]

13 INCETEZA E ISCO /4/009 Coefcente de Sensbldade da Jelco etorno do Título (%) 0 5 Beta do Título β =, Seqüênca etorno da Cartera de Mercado (%) β =,5 = os retornos dos Títulos da Jelco são amplados uma vez e mea em relação aos do mercado. Quando o mercado sobe a Jelco terá uma expansão maor, quando mercado desce a Jelco ca anda mas. esumo: a) β= é o beta do título médo no mercado b) β=,5 é mas sensível às osclacoes do mercado c) β<0 eduz o rsco da cartera. [PPGE/UFGS] 3

14 INCETEZA E ISCO /4/009 Fórmula do Beta : Cov (, β = σ Cov (, e o σ M M M ) = M ) é a retorno da cartera de mercado. = é a varânca covarânc a entre do Mercado. o retorno do atvo Propredade: O beta médo de todos os títulos quando ponderado pela proporção do valor de mercado de cada título em relação ao da cartera de mercado é gual a. N = X β =,0 X = é a proporção o valor do mercado do valor de mercado como um todo. do título e elacao entre sco e etorno Esperado Argumento comum: o retorno esperado de um atvo deve está postvamente correlaconado com o seu rsco, pos ndvíduos aplcam em um atvo de rsco apenas se o seu retorno esperado compensa o seu rsco. a) etorno da Cartera de Mercado M = skfree + Pr êmo por sco b) etorno de um Título solado = + β rskfree ( ) M rskfree O etorno esperado de um Título está dretamente relaconado ao seu Beta. John Lntner Wllam F. Sharpe CAPM (Captal Asset Prcng Model) [PPGE/UFGS] 4

15 INCETEZA E ISCO /4/009 Lnha de Mercado de Títulos: S M L M f *S M *T Beta Nnguém aplca em S ou T: s < na SML Inclnação: ( M F ) > 0 o retorno esperado da cartera é maor que a taxa rsk free. Observação: SML é dferente da Lnha de Mercado de captas(conjunto efcente de carteras formadas por atvos de rsco e rsk free) observe SML: Exo-horzontal é o beta Vale para títulos ndvduas quanto para todas as carteras possíves Lnha de mercado Exo-horzontal é o DP Cada ponto é uma cartera [PPGE/UFGS] 5

16 INCETEZA E ISCO /4/009 Casos especas: a) β = 0 = b) β = = rskfree M Proposção: Títulos com Beta-maores devem ter retornos esperados maores. O Beta é a medda de rsco numa cartera de mercado ampla. Empresa A e B : Exemplo: β Outros Entao A B F M A = 5;,5; β = = = 7% 7 5,% : Dados = 7 +,5 + 0, 7 B = 07 0,7 : ( 9, ) = 0, 8 % ( 9, ) = 3, 44 % Teora da Precfcação por Arbtragem oss cap. [PPGE/UFGS] 6

17 INCETEZA E ISCO /4/009 esultados do modelo anteror:. Dversfcação em ações dmnu o rsco do Investmento. Há nterdependênca entre retornos modelo CAPM(960) Modelo APT: Stephen oss (976) Novo tratamento para a relação entre os retornos dos atvos No modelo CAPM os retornos tem dstrbução normal e os nvestdores são sk Averse (Função Utldade quadrátca) No modelo APT os etornos são gerados por uma sére de fatores setoras e geras de mercado. Correlação entre atvos: são nfluencados pelos mesmos fatores M d l CAPM ã f d l ã t Modelo CAPM: não especfca as causas da correlação entre retornos dos atvos. [PPGE/UFGS] 7

18 INCETEZA E ISCO /4/009 Taxa de retorno de qualquer Ação: a) etorno normal ou esperado da Ação b) etorno Incerto da Ação. Comportamentos das nsttuções, surpresas tecnológcas, notcas, negocações, etc Portanto, temos: ISCO: = + U Verdadero rsco de qualquer nvestmento sco Sstemátco = qualquer rsco que afeta um grande número de atvos, cada um com menor ou maor ntensdade. sco Não-Sstemátco = é um rsco que afeta especfcamente um únco atvo ou um pequeno grupo de atvos Ex de rsco Sstemátco: ncerteza quanto à economa; febre aftosa, descoberta de petróleo, grpe avára. = + U = + m + E E = rsco nao sstemátco Influenca todos os atvos no mercado. m = rsco sstemátco ou rsco de mercado sco Sstemátco e Betas: Coefcente Beta = a nfluênca de um rsco sstemátco sobre o retorno de um título. Observe que no modelo CAPM o beta era uma medda da sensbldade do etorno de um título à taxa de retorno da cartera de Mercado Algumas empresas são sensíves à varação do dólar outras não são nfluencadas pelo comportamento do câmbo. [PPGE/UFGS] 8

19 INCETEZA E ISCO /4/009 Modelo Fatoral Fatores = fontes de rsco Sstemátco. F= surpresa. F = F efetvo F esperado. Modelo com k-fatores: ft = + β F + β F β F k k + E Não sabemos qual é o conjunto correto de fatores. Cada ação terá um beta assocado a cada rsco Na pratca usamos um índce de mercado, S & P(500), por exemplo. É especfco de cada título e não tem correlação com o E de outros títulos Exemplo: Surpresa e etorno Esperado defnem o etorno da Ação Prevsão Fatos Surpresa F Betas em to (%) durante o (%) (dados) ano (%) Inflação 5 7 Crescmento do PIB - Varação dos Juros ,8 [PPGE/UFGS] 9

20 INCETEZA E ISCO /4/009 etorno da Ação durante o Ano: = + U = + m + E m = β F = + β F Base m = de [ ] + [ ( ) ] + [(,8 ) ( )] m = 6,6 % m + I I + β I I PIB Cálculos F + β PIB PIB : + β F F PIB E = 6,6 + 5 =,6 % Dado = 4%, temos : = 4 + 6,6 + 5 = 5,6 % J J + β F J J + E Dados do problema: E = 5% = 4% Tabela de Surpresas (F) Comentáros: O Termo E é específco de uma Ação e não tem correlação com o termo E de outra Ação. Não é possível defnr o conjunto correto de Fatores No modelo Fatoral a fonte de rsco sstemátco são os Fatores [PPGE/UFGS] 0

21 INCETEZA E ISCO /4/009 Na prátca: modelo de fator únco (S & P (500) ) (S & P (500) ) funcona como o Índce de etornos do mercado de Ações. Modelo de Mercado = + β ( = S & P β S & P 500 ( - ) M β M M ou = α + β M + E α = + E ) + E Carteras e Modelos Fatoras Cada uma das ações na cartera obedece a um únco fator (F) que va ser usado para capturar o sco Sstemátco. Agora o F (que pode ser qualquer aspecto) é o mesmo para todas as ações. = + β F+ E ( ) β = epresenta fator nfluênca β = 0 = + E a manera a - ésma específca ação. pela qual o [PPGE/UFGS]

22 INCETEZA E ISCO /4/009 - F β=,5 β=,0 β=0,5 E = 0 etorno (%) do Fator F etorno da Cartera p = é a méda ponderada dos retornos dos atvos que compõem a cartera. = X + X X p N N () X + X X N =,0 Substtundo cada por () em( ), temos: p ( + β F + E ) + X ( + β F + E ) X ( + F E ) (3) = X β + N N N N etorno da ação [PPGE/UFGS]

23 INCETEZA E ISCO /4/009 Parâmetros que determnam o etorno da Cartera: I. O retorno esperado de cada título ndvdual II. III. O beta de cada título multplcado por F O rsco não-sstemátco de cada título ndvdual e-escrevendo ( 3 ): p = + X + X X ( X β + X β X β ) N N N + N F + Lnha I Lnha II + X E + X E X N E N Lnha III Incerteza: apenas nas lnhas I e II (F e E) [PPGE/UFGS] 3

24 INCETEZA E ISCO /4/009 Proposção Prop. A méda ponderada do sco não- sstemátco tende a zero quando o número de títulos com pesos guas tende para o nfnto. esultados: a) Lnha I permanece a mesma b) Lnha II permanece a mesma (F não é afetado por N, ou F afeta todos gualmente, não há efeto dversfcação na lnha II) c) Lnha III tende a desaparecer porque os rscos não sstemátcos são ndependentes um do outro, então, o efeto dversfcação aumenta com o aumento do numero de títulos na cartera. Composção do sco no Modelo Fatoral. sco Não Sstemátco sco Total Dversfcação: o rsco não sstemátco da lnha III desaparece o rsco sstemátco da lnha II permanece. sco Sstemátco É captado pela varação do F e não dmnu com a dversfcação N (títulos na cartera) Modelo CAPM: sco Sstemátco decorre das covarâncas postvas entre os títulos Modelo Fatoral: sco Sstemátco decorre de um Fator comum Observe que os argumentos são semelhantes pos um fator comum causa covarâncas postvas (títulos camnham juntos) [PPGE/UFGS] 4

25 INCETEZA E ISCO /4/009 Betas e etorno Esperado No Modelo CAPM:Beta é a medda aproprada de rsco sob as hpóteses de Expectatvas homogêneas e a possbldade de captação de fundos à taxa lvre de rscos. O retorno Esperado é uma recompensa pelo rsco, então, há uma relação postva entre retorno e beta. Modelo Fatoral: chega numa relação semelhante. esultados comuns aos dos modelos: sco relevante é o rsco sstemátco sco não-sstemátco é elmnado pela dversfcação O rsco não-sstemátco afeta apenas o retorno de uma Ação solada. Um nvestdor bem dversfcado pode gnorar rscos não-sstemátcos dos Títulos Somente o sco Sstemátco está assocado ao retorno esperado [PPGE/UFGS] 5

26 INCETEZA E ISCO /4/009 Exemplo: modelo fator únco Hpóteses específcas:. Todos os títulos têm o mesmo retorno esperado de 0 % (Lnha I gual a 0%). Todos Títulos têm β = (Lnha II gual a F). Atenção concentrada no comportamento de um ndvduo W que decde aplcar numa cartera na qual todos os títulos têm pesos guas. etorno da Cartera do sr. W. Lnha I Lnha II p = 0 + F + E + E N N N E N N Lnha III 0, p = 0 + F (4 ) Lnha III [PPGE/UFGS] 6

27 INCETEZA E ISCO /4/009 Beta ( % ) Ponto sk Free 0 0 Ponto L,8 35 Ponto A,0 8,5 Ponto P,0,5 Ponto B,0 8,3 Cartera (F + A),0,5 etorno Esperado (%) Observe: o rsco não sstemátco do ponto P é dferente do rsco não sstemátco da cartera ( F + A) etorno da cartera: ( A+ p F ) (0+ 35) = ( A+ p F ) =,5% Portanto, o Título P possu o mesmo retorno e o mesmo beta da cartera composta por uma combnação entre o atvo rsk free e o Título A, porém, o rsco não sstemátco do Título P é dferente do sco não sstemátco da cartera. [PPGE/UFGS] 7

28 INCETEZA E ISCO /4/009 etorno Esperado (%) 35 A L Lnha de Mercado de Títulos,5 0 P B = + β F ( ) p p = etorno esperadodo atvo P. F β Lnha Mercado: combnações entre o Atvo lvre de rsco e qualquer um dos outros atvos. etorno de P > etorno de B ( com o mesmo sco) Preço de B é excessvamente alto: uma redução do preço de B aumenta o seu retorno (retorna à lnha) Cartera de Mercado e Fator únco: O Beta do modelo CAPM: mede a sensbldade do título a flutuações da cartera de mercado. O Beta no modelo APT fator únco: mede a sensbldade de um Título ao fator. Quando a cartera tem uma correlação perfeta com o fator únco ela é uma versão amplada ou reduzda do Fator. [PPGE/UFGS] 8

29 INCETEZA E ISCO /4/009 Cartera de mercado é o Fator. etornos Lnha de Mercado de Títulos M Beta Nova Equação para etorno do Título: Mdl Modelo de ú únco Fator : = + β F + E Tomando -se a Cartera de Mercado com o Fator : = F + β ( ) M F = etorno esperado de qualquer atvo M = etorno esperado do mercado. [PPGE/UFGS] 9

30 INCETEZA E ISCO /4/009 Comparação entre os Modelos: Precfcação de Atvos Precfcação por (CAPM) Arbtragem (APT) a) Dscute conjuntos efcentes a) Adcona fatores até que o rsco não sstemátco de b) Pode haver correlação qualquer título perca entre os rscos não correlação com o rsco não sstemátcos de atvos sstemátco de todos os dferentes demas títulos. c) Ignora os fatores b) Capacdade de ldar com dversos fatores c) Mas realsta Versão Multfatoral do APT: ( ) β + ( ) β ( ) = + β F F F K β = Beta do Título em relação ao prmero fator. Comentáros:. O retorno esperado do Título depende dos Betas do Título em relação aos dversos fatores.. Cada fator representa rsco que não pode ser elmnado por meo de dversfcação. f 3. Quanto mas elevado o beta do título em relação a um dado fator, maor será o rsco possuído pelo título. 4. Oretornoesperadoéasomadataxalvrederscocomacompensação por tpo de rsco que o título possu. 5. Problema: a escolha dos fatores aproprados não está baseada na Teora. F K [PPGE/UFGS] 30

31 INCETEZA E ISCO /4/009 Exemplo Fatores:. Crescmento mensal da produção ndustral (PI). Varação da Inflação Esperada (DIE) 3. Inflação Esperada (II) 4. Varação nesperada do Prêmo por rsco de obrgações com rsco (P) 5. Varação nesperada da dferença entre taxa de obrgações governamentas a longo prazo e a taxa de obrgações a curto prazo (DP) etorno Esperado da Ação: Estudos empírcos : = 0, ,036 β - 0,000 β S + 0,007 β P - 0,005 β DI PI DIE - 0,0006 β + II Betas observados para uma Ação dada : β =,; β PI β = 3; β II =,6; β = 0,. = ; = 0,0095 = 0,95% S P DI Taxa Anual = S DIE = 0,95% Pode ser usado como S Taxa Mensal de Desconto [(,0095 ) ] = 0, 0 : [PPGE/UFGS] 3

32 INCETEZA E ISCO /4/009 Enfoques Alternatvos: Método paramétrco ou empírco: exame das regulardades observadas nos dados do passado. Não possuem uma teora de funconamento do mercado fnancero. Busca relação entre os atrbutos (tamanho da empresa, por exemplo) e os retornos esperados. Crítcas: Data mnng: os atrbutos escolhdos pelos pesqusadores são escolhdos exatamente porque já se possu evdênca de que estão correlaconados aos retornos. olhar nuvens, após algum tempo verá nuvens que se parecem com aqulo que você quser, palhaços, ursos, etc. Caracterzar estlo de gestão de recursos va atrbutos das ações: Cartera de Estratéga de crescmento: alto P/L (P = preço da ação; L = lucro). Cartera com estratéga de Valor: Baxo (P/L) Usar algum índce como Benchmark (S & P 500 ): comparar o desempenho dos admnstradores em relação ao índce. [PPGE/UFGS] 3

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

PESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc. (colaboração de Prof. Claudio Cunha)

PESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc. (colaboração de Prof. Claudio Cunha) PESQUISA EM MERCADO DE CAPITAIS Prof. Patrca Mara Bortolon, D. Sc. (colaboração de Prof. Claudo Cunha) Cap. 15 Testes Empírcos de Modelos de Equlíbro ELTON, E.; GRUBER, M.; BROWN, S., GOETZMANN, W. Moderna

Leia mais

Finanças - BACEN 1997 CESPE

Finanças - BACEN 1997 CESPE Fnanças - BACE 997 CESPE Legenda: Tema, Itens Importantes Certo, Errado Questão 3. Exstem dversos nstrumentos fnanceros a dsposção do nvestdores: LIBOR, ações, opções, Eurobond, Swaps. Quanto às característcas

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

DECISÃO SOB INCERTEZA

DECISÃO SOB INCERTEZA PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br 1 Introdução

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

4 Otimização e Diversificação: o Binômio Risco-Retorno

4 Otimização e Diversificação: o Binômio Risco-Retorno 4 Otmzação e Dversfcação: o Bnômo Rsco-Retorno O alto dnamsmo e a crescente sofstcação do mercado fnancero mundal fazem com que os nvestdores tenham o constante desafo de utlzarem estratégas que maxmzem

Leia mais

CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL

CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL ESCOLA FEDERAL DE ENGENHARIA DE ITAJUBÁ INSTITUTO DE ENGENHARIA MECÂNICA DEPARTAMENTO DE PRODUÇÃO CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL Dego

Leia mais

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO ESPECIALIZAÇÃO EM MERCADO DE CAPITAIS

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ADMINISTRAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO ESPECIALIZAÇÃO EM MERCADO DE CAPITAIS UNIVESIDADE FEDEAL DO IO GANDE DO SUL ESCOLA DE ADMINISTAÇÃO OGAMA DE ÓS-GADUAÇÃO EM ADMINISTAÇÃO ESECIALIZAÇÃO EM MECADO DE CAITAIS MODENA TEOIA DE CATEIAS: DESENVOLVIMENTO E ANÁLISE DE UM MODELO DE SELEÇÃO

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

Sinézio Fernandes Maia Professor Adjunto do Departamento de Economia da UFPB

Sinézio Fernandes Maia Professor Adjunto do Departamento de Economia da UFPB SETOR BANCÁRIO BRASILEIRO NO PERÍODO DE JANEIRO DE 2009 A JULHO DE 2010: AVALIAÇÃO DA RELAÇÃO DE RISCO E RETORNO COM ABORDAGEM NAS TEORIAS DE MARKOWITZ E SHARPE Alza Slva de Lma Estudante de Pós-graduação

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Universidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações.

Universidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações. A CONSTRUÇÃO DE CARTEIRAS EFICIENTES POR INTERMÉDIO DO CAPM NO MERCADO ACIONÁRIO BRASILEIRO: UM ESTUDO DE CASO PARA O PERÍODO 006-010 Rodrgo Augusto Vera (PROVIC/UEPG), Emerson Martns Hlgemberg (Orentador),

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens

Leia mais

Estudo de Eventos: Procedimentos e Estudos Empíricos

Estudo de Eventos: Procedimentos e Estudos Empíricos Estudo de Eventos: Procedmentos e Estudos Empírcos Wagner Moura Lamouner 1 Else MOntero Noguera RESUMO O prncpal objetvo deste trabalho é dscutr as aplcações e os pontos fundamentas da metodologa de estudo

Leia mais

ANÁLISE DE RISCO E EFEITOS DA INCERTEZA NA CARTEIRA DE INVESTIMENTOS

ANÁLISE DE RISCO E EFEITOS DA INCERTEZA NA CARTEIRA DE INVESTIMENTOS ANÁLISE DE RISCO E EFEITOS DA INCERTEZA NA CARTEIRA DE INVESTIMENTOS Dogo Raael de Arruda RESUMO Constam, neste trabalho, concetos relaconados aos rscos e as ncertezas exstentes nas carteras de nvestmento

Leia mais

Curso de especialização em Finanças e Economia Disciplina: Incerteza e Risco Prof: Sabino da Silva Porto Júnior Sabino@ppge.ufrgs.

Curso de especialização em Finanças e Economia Disciplina: Incerteza e Risco Prof: Sabino da Silva Porto Júnior Sabino@ppge.ufrgs. Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br Introdução Até agora: conseqüêncas das escolhas dos consumdores

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

'.. FGV RISCO IDIOSSINCRÁTICO E DIVERSIFICAÇÃO EM. PORTFÓLlOS

'.. FGV RISCO IDIOSSINCRÁTICO E DIVERSIFICAÇÃO EM. PORTFÓLlOS '.. FGV ESAPE FUNDAÇÃO GETULIO VAGAS ESCOLA BASILEIA DE ADMINISTAÇÃO PÚBLICA E DE EMPESAS MESTADO EXECUTIVO EM GESTÃO EMPESAIAL ISCO IDIOSSINCÁTICO E DIVESIFICAÇÃO EM POTFÓLlOS DISSETAÇÃO APESENTADA À

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8 Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

UM ESTUDO SOBRE DIVERSIFICAÇÃO NA BOLSA DE VALORES DE SÃO PAULO

UM ESTUDO SOBRE DIVERSIFICAÇÃO NA BOLSA DE VALORES DE SÃO PAULO UM ESTUDO SOBRE DIVERSIFICAÇÃO A BOLSA DE VALORES DE SÃO PAULO Autores: André Luz Oda, Mara Carlota Morandn Senger e Alexandre oboru Chára Resumo O artgo estuda a redução de rsco que podera ter sdo obtda

Leia mais

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES 4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES Para o Curso de Físca da Polução do Ar FAP346, º Semestre/006 Prof. Amérco Sansgolo Kerr Montora: Mara Emíla Rehder aver 4. INTRODUÇÃO No modelamento

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura

Leia mais

Capítulo 2 Taxas de Juro

Capítulo 2 Taxas de Juro Capítulo 2 Taxas de Juro 2.. EFINIÇÕE E EIA E TAXA E JURO 2... Valor Actualzado, Valor Futuro e Juros Compostos Valor Futuro FV (Future Value) É o valor, numa data futura, de um nvestmento feto no presente

Leia mais

Revista de Ciências da Administração ISSN: Universidade Federal de Santa Catarina Brasil

Revista de Ciências da Administração ISSN: Universidade Federal de Santa Catarina Brasil Revsta de Cêncas da Admnstração ISSN: 1516-3865 rca.cse@contato.ufsc.br Unversdade Federal de Santa Catarna Brasl Carnero Afonso da Costa Jr., Newton; Nór Güttler, Cao DIVERSFICAÇÃO E AVALIAÇÃO DE CARTEIRAS

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

APLICAÇÃO DE UM NOVO MODELO DE ANÁLISE DE RISCO NA BOVESPA: O D-CAPM

APLICAÇÃO DE UM NOVO MODELO DE ANÁLISE DE RISCO NA BOVESPA: O D-CAPM APLICAÇÃO E UM NOVO MOELO E ANÁLISE E RISCO NA BOVESPA: O -CAPM Perre Lucena 1 e 2 Rua Farme de Amoedo, 77 Apto. 203 Ipanema CEP: 22420-020 Ro de Janero/RJ Brasl Tel.: (21) 9394-0794 E-malperrelucena@uol.com.br

Leia mais

AS CARTEIRAS DE INVESTIMENTO E A SEMIVARIÂNCIA

AS CARTEIRAS DE INVESTIMENTO E A SEMIVARIÂNCIA AS CARTEIRAS DE INVESTIMENTO E A SEMIVARIÂNCIA chrstóvão thago de brto neto Professor Adjunto II do Programa de Engenhara de Produção da Unversdade Federal do Ro Grande do Norte (UFRN) - E-mal: brto@ufrnet.br

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

CAPÍTULO IV TEORIA DE JOGOS

CAPÍTULO IV TEORIA DE JOGOS CAPÍTULO IV TEORIA DE JOGOS 66 Teora de Jogos Caracterzação:. Cenáro determnístco.. v. Um conjunto de agentes de decsão (jogadores) Um conjunto de estratégas (acções) puras Uma função utldade para cada

Leia mais

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais. 1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

Forma extensiva: Jogos na forma extensiva: Definições: Observações

Forma extensiva: Jogos na forma extensiva: Definições: Observações Forma extensva: Jogos na forma extensva: Drew Fudenberg e Jean Trole (993, cap. 3) Chrstan Montet e Danel Serra (003, cap. ) Descrção exata dos sucessvos movmentos dos jogadores em conexão com a nformação

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ110 : Prncípos de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br Potencal químco, m potencal químco CQ110 : Prncípos de FQ Propredades termodnâmcas das soluções

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

Capítulo 16: Equilíbrio Geral e Eficiência Econômica

Capítulo 16: Equilíbrio Geral e Eficiência Econômica Capítulo 6: Equlíbro Geral e Efcênca Econômca Pndck & Rubnfeld, Capítulo 6, Equlíbro Geral::EXERCÍCIOS. Em uma análse de trocas entre duas pessoas, suponha que ambas possuam dêntcas preferêncas. A curva

Leia mais

Análise de influência

Análise de influência Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).

Leia mais

Classificação de Padrões

Classificação de Padrões Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz

Leia mais

METROLOGIA E ENSAIOS

METROLOGIA E ENSAIOS METROLOGIA E ENSAIOS Incerteza de Medção Prof. Aleandre Pedott pedott@producao.ufrgs.br Freqüênca de ocorrênca Incerteza da Medção Dstrbução de freqüênca das meddas Erro Sstemátco (Tendênca) Erro de Repettvdade

Leia mais

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados. INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

Leia mais

Ccapm condicional com aprendizagem

Ccapm condicional com aprendizagem SÃO PAULO, SP JAN./FEV. 2013 ISSN 1518-6776 (mpresso) ISSN 1678-6971 (on-lne) Submssão: 8 fev. 2012. Acetação: 8 ago. 2012. Sstema de avalação: às cegas dupla (double blnd revew). UNIVERSIDADE PRESBITERIANA

Leia mais

( k) 2.1. Risco de Mercado e Teoria das Carteiras

( k) 2.1. Risco de Mercado e Teoria das Carteiras FEA -USP Graduação Cêcas Cotábes Dscpla: EAC056 - Gestão de Rscos e Ivestmetos.. Rsco de Mercado e Teora das Carteras.. Rsco de Mercado e Teora das Carteras I. O que é Retoro? II. Qual é o Rsco de um Atvo

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

Modelo IS-LM com Economia Fechada. Prof. Antonio Carlos Assumpção

Modelo IS-LM com Economia Fechada. Prof. Antonio Carlos Assumpção Modelo IS-LM com Economa Fechada Prof. Antono Carlos Assumpção Introdução O modelo IS-LM nos mostra os efetos de curto prazo das polítcas fscal e monetára sobre uma sére de varáves macroeconômcas. Também

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Econometria II. Painel (1ª Diferenças, Efeitos Fixos e escolha entre estimadores de painel)

Econometria II. Painel (1ª Diferenças, Efeitos Fixos e escolha entre estimadores de painel) Eco montora Leandro Anazawa Econometra II Este não é um resumo extensvo. O ntuto deste resumo é de servr como gua para os seus estudos. Procure desenvolver as contas e passos apresentados em sala de aula.

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot)

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot) Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 2.1 Olgopólo em Quantdades (Cournot) Isabel Mendes 2007-2008 18-03-2008 Isabel Mendes/MICRO II 1 2.1 Olgopólo em Quantdades

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu

Leia mais

Teste do modelo de otimização de carteiras pelo índice beta

Teste do modelo de otimização de carteiras pelo índice beta Teste do modelo de otmzação de carteras pelo índce beta Cleber Gonçalves Junor Unversdade Federal de Itajubá cgj@unfe.edu.br Claton Gonçalves Unversdade Federal de Itajubá Resumo Recentemente, pode-se

Leia mais

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1 Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:

MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo: MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no

Leia mais

Função de Incidência: uma possível união da Teoria de Metapopulação com a Ecologia da Paisagem?

Função de Incidência: uma possível união da Teoria de Metapopulação com a Ecologia da Paisagem? Função de Incdênca: uma possível unão da Teora de Metapopulação com a Ecologa da Pasagem? Função de Incdênca: uma possível unão da Teora de Metapopulação com a Ecologa da Pasagem? INTRODUÇÃO O que é uma

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br 1 soluções eletrolítcas Qual a dferença entre uma solução 1,0 mol L -1 de glcose e outra de NaCl de mesma concentração?

Leia mais

Estudo e Previsão da Demanda de Energia Elétrica. Parte II

Estudo e Previsão da Demanda de Energia Elétrica. Parte II Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo

Leia mais

ELEMENTOS DETERMINANTES DA RENTABILIDADE DAS CARTEIRAS DE INSTRUMENTOS FINANCEIROS EM INSTITUIÇÕES FINANCEIRAS BRASILEIRAS

ELEMENTOS DETERMINANTES DA RENTABILIDADE DAS CARTEIRAS DE INSTRUMENTOS FINANCEIROS EM INSTITUIÇÕES FINANCEIRAS BRASILEIRAS ELEMENTOS DETERMINANTES DA RENTABILIDADE DAS CARTEIRAS DE INSTRUMENTOS FINANCEIROS EM INSTITUIÇÕES FINANCEIRAS BRASILEIRAS Ms. Renê Coppe Pmentel Unversdade de São Paulo e Mackenze End.: Av. Lucano Gualberto,

Leia mais

O Modelo CAPM e o Modelo de Elton e Gruber para a composição da carteira de investimento

O Modelo CAPM e o Modelo de Elton e Gruber para a composição da carteira de investimento O Modelo CAPM e o Modelo de Elton e Gruber para a composção da cartera de nvestmento Dmtre de Carvalho Pós-graduado, MBA-nanças, UPIS Rcardo José Stefan Mestre em ADPUB (GV) e Professor da UPIS Introdução

Leia mais

2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6:

2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6: Lsta de Exercícos - Probabldade INE 700 GABARITO LISTA DE EXERÍIOS PROBABILIDADE ) Vamos medr o tempo de duração da lâmpada. Ao lgarmos a lâmpada ela pode não funconar, ou durar um tempo ndetermnado. a)

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

( k) = P = = Taxa de Retorno de um Ativo (ação, títulos, imóveis, etc.) em um único período:

( k) = P = = Taxa de Retorno de um Ativo (ação, títulos, imóveis, etc.) em um único período: FE- USP-EC Curso de Graduação em Cêcas Cotábes Dscpla: EC056 - Gestão de Rscos e Ivestmetos.. Rsco de Mercado e Teora das Carteras Profa. Dra Joaíla Ca.. Rsco de Mercado e Teora das Carteras I. O que é

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

Notas de Aula de Probabilidade A

Notas de Aula de Probabilidade A VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável

Leia mais

TÍTULO DO TRABALHO: Um estudo sobre a diversificação de investimentos em carteiras internacionais.

TÍTULO DO TRABALHO: Um estudo sobre a diversificação de investimentos em carteiras internacionais. ÁREA DE CONCENTRAÇÃO: FINANÇAS TÍTULO DO TRABALHO: Um estudo sobre a dversfcação de nvestmentos em carteras nternaconas. AUTORES LUIZ EGYDIO MALAMUD ROSSI FEA - USP luz@planusfomento.com.br MARCEL DOUMEN

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

Beta Contábil Versus Beta CAPM: Uma Investigação Empírica na Mercado Financeiro Brasileiro

Beta Contábil Versus Beta CAPM: Uma Investigação Empírica na Mercado Financeiro Brasileiro 40 Beta Contábl Versus Beta CAPM: Uma Investgação Empírca na Mercado Fnancero Braslero Accountable Beta Versus CAPM Beta: A Emprcal Research n tne Brazlan Fnancal Market Ramundo Nonato Rodrgues Doutor

Leia mais