Deep Neural Networks e uma análise quantitativa de métricas de valuation ciclicamente ajustadas como determinantes de retornos futuros (2021)
- Authors:
- USP affiliated authors: ALBANEZ, TATIANA - FEA ; GREGÓRIO, FELIPE GUIMARÃES - FEA
- Unidade: FEA
- Assunto: CONTABILIDADE FINANCEIRA
- Language: Português
- Abstract: Existe amplo interesse em determinar uma relação entre os valores atuais de diferentes métricas de valuation e os retornos futuros de certas ações ou índices de ações, aos quais tais métricas estão relacionadas. Neste trabalho busca-se analisar esta relação entre métricas de valuation ciclicamente ajustadas (que visam suavizar o efeito dos ciclos econômicos nas relações representadas por tais métricas) e retornos futuros de longo prazo para índices de ações de diferentes países. Para tal, utiliza-se uma abordagem através de um dos ramos do que é conhecido atualmente como aprendizado de máquina, que é promissora no tratamento de relações complexas e com dados insuficientes. Foram utilizados dados de 17 países no período iniciado em 1964, para a série com maior número de pontos, até dados de fechamento do mês de agosto de 2020. Todos os países utilizados na análise apresentam pelo menos 20 anos de dados, anteriormente ao período de agosto de 2020. Os resultados obtidos suportam a hipótese de pesquisa, demostrando haver uma relação entre as métricas e os retornos futuros. Os resultados também evidenciaram a capacidade das redes neurais em lidar com os problemas de não-linearidade, escassez de dados e heterogeneidade e generalizar o tratamento numérico da relação entre métricas e retornos.
- Imprenta:
- Publisher: EAC/FEA/USP
- Publisher place: São Paulo
- Date published: 2021
- Source:
- Título: Anais
- Conference titles: Congresso USP Controladoria e Contabilidade
-
ABNT
GREGÓRIO, Felipe Guimarães e ALBANEZ, Tatiana. Deep Neural Networks e uma análise quantitativa de métricas de valuation ciclicamente ajustadas como determinantes de retornos futuros. 2021, Anais.. São Paulo: EAC/FEA/USP, 2021. Disponível em: https://congressousp.fipecafi.org/anais/21UspInternational/ArtigosDownload/3187.pdf. Acesso em: 24 jan. 2026. -
APA
Gregório, F. G., & Albanez, T. (2021). Deep Neural Networks e uma análise quantitativa de métricas de valuation ciclicamente ajustadas como determinantes de retornos futuros. In Anais. São Paulo: EAC/FEA/USP. Recuperado de https://congressousp.fipecafi.org/anais/21UspInternational/ArtigosDownload/3187.pdf -
NLM
Gregório FG, Albanez T. Deep Neural Networks e uma análise quantitativa de métricas de valuation ciclicamente ajustadas como determinantes de retornos futuros [Internet]. Anais. 2021 ;[citado 2026 jan. 24 ] Available from: https://congressousp.fipecafi.org/anais/21UspInternational/ArtigosDownload/3187.pdf -
Vancouver
Gregório FG, Albanez T. Deep Neural Networks e uma análise quantitativa de métricas de valuation ciclicamente ajustadas como determinantes de retornos futuros [Internet]. Anais. 2021 ;[citado 2026 jan. 24 ] Available from: https://congressousp.fipecafi.org/anais/21UspInternational/ArtigosDownload/3187.pdf - Impactos da assimetria de informação na estrutura de capital de empresas brasileiras de capital aberto
- Oferta das linhas de crédito do BNDES nos governos FHC e Lula e seus impactos sobre as decisões de financiamento de empresas brasileiras
- Snapchat e Azul reacendem polêmica sobre preferenciais. [Entrevista]
- Financiamento de aquisições corporativas no Brasil sob a perspectiva da teoria de pecking order
- Impacto dos lucros retidos sobre a criação de valor para o acionista de companhias abertas brasileiras
- EBITDA versus fluxo de caixa operacional: uma análise crítica e comparativa
- Ownership concentration and other determinants of covenants in debt contracts of Brazilian publicly listed firms
- Estudo comparativo dos modelos de estimação do custo do capital próprio em companhias abertas brasileiras
- Impact of the cost of capital on the financing decisions of Brazilian companies
- Impacto da alta geração de caixa sobre a estrutura de capital de companhias abertas brasileiras
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
