
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Cajueiro, Daniel Oliveira | - |
| Autor(es): dc.creator | Piccioni, Carlos Alexandre | - |
| Data de aceite: dc.date.accessioned | 2025-03-18T18:34:08Z | - |
| Data de disponibilização: dc.date.available | 2025-03-18T18:34:08Z | - |
| Data de envio: dc.date.issued | 2024-07-31 | - |
| Data de envio: dc.date.issued | 2024-07-31 | - |
| Data de envio: dc.date.issued | 2024-07-31 | - |
| Data de envio: dc.date.issued | 2024-02-15 | - |
| Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/49420 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/951656 | - |
| Descrição: dc.description | Tese (doutorado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Economia, 2023. | - |
| Descrição: dc.description | Este trabalho compreende três estudos sobre economia em contextos de big data. O primeiro analisa o impacto das notícias de ESG (Environmental, Social, and Governance - Ambiental, Social e Governança) nos retornos das ações das principais empresas brasileiras, utilizando um Dicionário inédito de Termos ESG especificamente desenvolvido para este estudo para selecionar e classificar notícias de acordo com os padrões do Sustainability Accounting Standards Board (SASB). A pesquisa indica que apenas notícias com conteúdo financeiramente relevante para os investidores influenciam os retornos das ações. Em outras palavras, os investidores não reagem por motivos de reputação ou não pecuniários. O segundo estudo explora a previsibilidade em alta frequência da taxa de câmbio brasileira (nas frequências de 1, 5 e 15 minutos), empregando tanto técnicas de machine learning quanto regressão linear tradicional para previsão. São realizados dois tipos de exercícios: um com preditores contemporâneos e outro com dados fora da amostra. Mostramos que é possível superar o benchmark, o Random Walk, em um horizonte de até quatro minutos na frequência de 1 minuto. Também mostramos que os preditores mais importantes são aqueles que carregam informações locais, bem como as taxas de câmbio dos BRICS ou países com economias semelhantes à do Brasil. Quando as taxas dos contratos futuros do câmbio brasileiro da B3 são consideradas como preditores, conseguimos superar o Random Walk em um horizonte de até 6 minutos. O terceiro estudo mede a desigualdade de consumo no nível municipal usando dados de métodos de pagamento eletrônicos, especificamente dados de pagamentos com cartão de crédito e Pix. Além disso, como aplicação, examinamos a relação entre desigualdade e complexidade econômica. Demonstramos que uma maior complexidade econômica está associada a uma menor desigualdade de consumo, sendo esta a primeira avaliação deste tipo para municípios brasileiros. | - |
| Descrição: dc.description | This work comprises three studies on economics in big data contexts. The first analyzes the impact of ESG (Environmental, Social, and Governance) news on the stock returns of leading Brazilian companies, using an unprecedented Dictionary of ESG Terms specifically developed for this study to select and classify news according to the standards of the Sustainability Accounting Standards Board (SASB). The research indicates that only news with content that is financially material to investors influences stock returns. In other words, investors do not react for reputational or non-pecuniary reasons. The second study explores the high-frequency predictability of the Brazilian exchange rate (at the 1, 5, and 15-minute frequencies), employing both machine learning techniques and traditional linear regression for forecasting. Two types of exercises are conducted: one with contemporary predictors and another using out-of-sample data. We show that it is possible to beat the benchmark, the Random Walk, over a horizon of up to four minutes at a frequency of 1 minute. We also show that the most important predictors are those that carry local information, as well as the exchange rates of the BRICS or countries with economies similar to Brazil’s. When the rates from B3’s foreign exchange futures contracts are considered as predictors, we can beat the Random Walk over a horizon of up to 6 minutes. The third study measures consumption inequality at the municipal level using data from electronic payment methods, specifically data from credit card and Pix payments. Furthermore, as an application, we examine the relationship between inequality and economic complexity. We demonstrate that greater economic complexity is associated with lower consumption inequality, marking the first assessment of this kind for Brazilian municipalities. | - |
| Descrição: dc.description | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | - |
| Descrição: dc.description | Departamento de Economia (FACE ECO) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Economia | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
| Palavras-chave: dc.subject | Big data | - |
| Palavras-chave: dc.subject | Ações (Finanças) | - |
| Título: dc.title | Three essays on economics in big data scenarios | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB - Rep. 1 | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: