Essays on Finance, Macrofinance, and Machine Learning applied in Finance

Advisor: Márcio Garcia

Co-advisor: Marcelo Medeiros

Esta tese consiste em três ensaios em Finanças, Macrofinanças e Aprendizado de Máquina aplicado a Finanças. O primeiro capítulo apresenta novas evidências sobre como a política monetária molda os mercados de Venture Capital (VC). Demonstramos que choques de política monetária contracionista levam os investidores de VC a reduzir os investimentos em companhias de estágio inicial, ao mesmo tempo que aumentam o investimento em empresas mais maduras. Essa realocação de capital prolonga o tempo entre as rodadas de investimento e eleva o nível de falência de empresas em estágio inicial, sugerindo que o aperto monetário pode prejudicar a sobrevivência, a inovação e o crescimento a longo prazo destas empresas. O segundo capítulo utiliza modelos econométricos de alta dimensão para prever o sucesso de fundos de Private Equity usando informações disponíveis no momento da captação de recursos. Nossos modelos alcançam uma acurácia de até 75% na previsão de fundos de VC com retornos anormais, indicando que abordagens baseadas em dados podem reduzir efetivamente a dependência de julgamentos subjetivos no processo de due diligence. Por fim, o terceiro capítulo investiga a inflação implícita como medida de descrença na política monetária. Técnicas de aprendizado de máquina e processamento de linguagem natural (PLN) são utilizadas para avaliar o impacto de noticias de jornal na diferença entre as expectativas de inflação (inflação implícita observada por meio da curva de juros versus a pesquisa Focus). O modelo Lasso é utilizado para observar as principais notícias que influenciam o mercado e interpretam a economia brasileira nos últimos anos. Os resultados sugerem que o mercado brasileiro de curvas de juros é altamente eficiente, com as principais informações já incorporadas aos preços. Noticias de jornal oferecem poder adicional limitado para prever a direção futura das curvas de juros.