Search

We aimed at showing the usage of the dividend-yield (DY) variation as a criterion for selecting Brazilian real estate investment trusts (BR-REITs) in momentum strategies. The identification of momentum in BR-REITs with this selection criterion is, to the best of our knowledge, new and gives rise to different strategies that seize abnormal returns. This study allows a new understanding of the dynamics between prices and dividend payments, which compose BR-REITs returns. It is of major importance, considering the relevance of the DY ratio for the asset class. The studied strategies delivered results above the industry’s index with expressive magnitude, are of simple elaboration, and can be applied by any individual or institutional investor. Portfolios’ performances were measured by Sharpe ratio (SR), alpha of the Fama and French three-factor model, and excess returns obtained in relation to the BR-REITs’ index. Statistical tests were applied to verify the significance of the results. This study showed that strategies around the momentum effect that buy (sell) BR-REITs with greater (smaller) DY variations in previous months tended to have superior performance to the industry’s index. RESUMO Nosso objetivo foi mostrar o uso da variação do rendimento de dividendos (dividend-yield [DY]) como critério de seleção dos fundos de investimentos imobiliários brasileiros (FII-BR) em estratégias de momento. A identificação de momento em FII-BR com base nesse critério de seleção é, até onde sabemos, nova e origina diferentes estratégias que capturam retornos anormais. Este estudo proporciona uma nova compreensão da dinâmica entre preços e pagamentos de dividendos, que compõem os retornos dos FII-BR. Isso assume grande importância, considerando a relevância do DY para a classe de ativos. As estratégias estudadas apresentaram resultados acima dos índices do setor com expressiva magnitude, sua elaboração é simples e elas podem ser aplicadas por qualquer investidor individual ou institucional. Os desempenhos das carteiras foram mensurados por meio do índice de Sharpe (IS), do alfa do modelo de três fatores de Fama e French e dos retornos excessivos obtidos em relação ao índice FII-BR. Testes estatísticos foram aplicados para verificar a significância dos resultados. Este estudo mostrou que estratégias em torno do efeito de momento que compram (vendem) FII-BR com maiores (menores) variações de DY em meses anteriores tendem a apresentar desempenho superior ao índice do setor.

Dissertação de mestrado em Finanças, Existe uma vasta literatura sobre criação de carteiras de investimentos, iniciada por Markowitz (1952) e prolongada ao longo dos anos com contribuições sobre novas abordagens e técnicas. Outro ramo relevante da literatura em Finanças concentra-se na análise fundamental e na investigação de métodos para prever rendibilidades futuras. Esta dissertação situa-se na interseção destes dois ramos, uma vez que tem como principal objetivo incorporar a análise fundamental na otimização de carteiras. Para atingir este objetivo, este estudo foca-se no mercado de ações dos EUA entre 1998 e 2021. Os dados são provenientes da Refinitiv Datastream e filtrados e processados seguindo as orientações de Landis e Skouras (2021). Para a criação das carteiras, as rendibilidades esperadas e as matrizes de covariância são produzidas com a estimação de um modelo que relaciona diretamente as rendibilidades esperadas com características das ações, como rácios contabilísticos. Para compreender se possíveis ganhos de performance advêm das rendibilidades esperadas, das matrizes de covariância, ou de ambas, carteiras com diferentes pressupostos são construídas e comparadas com as “Carteiras fundamentais totalmente otimizadas” (Fully optimized fundamental portfolios) através de várias medidas de performance. Estas são construídas seguindo Markowitz (1952), incorporando tanto as rendibilidades esperadas como as estimativas da matriz de covariância. Os resultados são comparados com os encontrados no estudo de Lyle e Yohn (2021). As principais conclusões desta dissertação são de que a incorporação de estimativas de rendibilidades esperadas com base nas características das ações e matrizes de covariância na otimização pode traduzir-se em ganhos na performance da carteira. No entanto, estes ganhos são, em quase todos os casos, apenas notórios quando há uma restrição de pesos superiores a zero (sem vendas a descoberto). Estes resultados são também dependentes do período de tempo em análise e da inclusão de ações de baixa capitalização no universo de investimentos., There is a vast literature on investment portfolio creation, starting with Markowitz (1952) and prolonging itself throughout the years with numerous contributions on new approaches and improved techniques. Another relevant branch of Finance literature focuses on fundamental analysis and seeks to find methods to predict future returns. This dissertation lies in the intersection between these two branches, as its main objective is to incorporate fundamental analysis in mean variance portfolio optimization. In order to achieve this objective, this study focuses on the US stock market between 1998 and 2021. The data is retrieved from Refinitiv Datastream and cleaned and processed following Landis and Skouras (2021) guidelines. For the creation of the portfolios, both expected returns and covariance matrices are produced with the estimation of a model that directly links expected returns with stock characteristics, including accounting ratios. To understand whether possible gains in performance arise from the expected returns, covariance matrixes, or both, several portfolios with different assumptions are constructed and compared to the “Fully optimized fundamental portfolios” with several performance measures. These Fully optimized portfolios are constructed in Markowitz's (1952) style, incorporating both the expected returns and covariance matrix estimations. Results are compared with the ones found in Lyle and Yohn (2021) study. The main conclusions of this dissertation are that incorporating estimates of expected returns based on stock characteristics and covariance matrices in mean-variance optimization can produce an improved portfolio performance. However, this improvement is almost in all cases only noticeable when there is a constraint on weights to be higher than zero (no short selling). These results are also dependent on the time period under analysis and the inclusion of small stocks in the investment set.

The present work aims to evaluate the efficiency of machine learning models in predicting next-day stock price direction, using technical indicators and candlestick patterns. This study considered 440 stocks from the Standard & Poor's 500 index and for each one of them, three different binary models were developed based on the following machine learning algorithms: Deep Neural Network, Support Vector Machine, and Random Forest. Additionally, a naive predictor was created to help compare the models results. The models were judged based on their accuracy and financial returns. The results showed that the machine learning models achieved similar results to the naive model and failed to accurately predict the next-day stock price direction using the selected features, indicating that there is no apparent relationship between them. O presente trabalho visa avaliar a eficiência dos modelos de aprendizagem automática na previsão da direção do preço de ações no dia seguinte, utilizando indicadores técnicos e padrões de vela. Este estudo considerou 440 ações do índice Standard & Poor's 500 e, para cada uma delas, foram desenvolvidos três modelos binários diferentes com base nos seguintes algoritmos de aprendizagem automática: Deep Neural Network, Support Vector Machine, e Random Forest. Além disso, foi criado um naive predictor para ajudar a comparar os resultados dos modelos. Os modelos foram julgados com base na sua precisão e retorno financeiro. Os resultados mostraram que os modelos de aprendizagem automática alcançaram resultados semelhantes aos do modelo naive e não conseguiram prever com precisão a direção do preço das ações no dia seguinte, utilizando as características selecionadas, indicando que não existe uma relação aparente entre os mesmos.

The purpose of this article was to develop a new indicator to estimate the aggregate long-term expected return on stocks. There is not a widely used method to model directly the aggregated expected return of the stock market. Most current methods use indirect approaches. We developed a new indicator that does not need an econometric model to generate expected returns and provides an estimate of the long-term expected returns. The proposed methodology can be used to develop an indicator of future returns of the stock market similar to the yield-to-maturity used for bonds. We used a restricted one-stage constant-growth model - a variant of the residual income model (RIM) - whose main input is the duration of companies’ competitive advantage and cyclical adjusted real return on invested capital (ROIC) with a 10-year average. We used a new methodology to develop an indicator of the long-term expected return on the equity market at the aggregate level, considering the duration of the competitive advantage of companies. Our results showed a strong correlation between the estimated implied return on equity (IRE) of current stock prices and realized returns of the 10-year real total return of the index. RESUMO O objetivo deste artigo foi desenvolver um novo indicador para estimar o retorno esperado agregado de longo prazo sobre as ações. Não há um método amplamente adotado para modelar diretamente o retorno esperado agregado do mercado de ações. A maioria dos atuais métodos recorre a abordagens indiretas. Desenvolveu-se um novo indicador que dispensa um modelo econométrico para gerar retornos esperados e proporciona uma estimativa dos retornos esperados de longo prazo. A metodologia proposta pode ser usada para desenvolver um indicador de retornos futuros do mercado de ações semelhante ao rendimento até o vencimento adotado para títulos. Aplicou-se um modelo restrito de crescimento constante de um estágio - uma variante do modelo de resultado residual (MRR) - cuja principal contribuição é a duração (duration) da vantagem competitiva das empresas e o retorno real sobre o capital investido (RCI) ajustado cíclico com prazo médio de 10 anos. Adotou-se uma nova metodologia para desenvolver um indicador do retorno esperado de longo prazo do mercado de ações em nível agregado, considerando a duração da vantagem competitiva das empresas. Os resultados apresentaram forte correlação entre o retorno implícito sobre o patrimônio líquido (RIPL) implícito dos atuais preços das ações e os retornos realizados do retorno total real de 10 anos do índice.

Este texto busca fomentar discussão a respeito da figura do insider trading, o detentor de informação privilegiada em negociação de ações, no âmbito da legislação brasileira. Em vários países essa prática do insider é condenada, pois acarreta um desequilíbrio nas transações de agências. Nos EUA a prática do insider vem regulada em rígidas disposições legais, dentre elas no Securities Exchange Act, ao passo que no Brasil a legislação é extremamente tolerante e insuficiente para dissuadir e prevenir a conduta penalmente tipificada. Torna-se imperiosa a revisão da legislação nacional para endurecer as penalidades e, sobretudo, tornar a fiscalização mais efetiva.

Purpose – The objective of this study is to analyze the impact of changes in credit ratings on the long-term return of Brazilian firms. Design/methodology/approach – We conducted an event study to measure how stock prices in the Brazilian stock exchange (B3) react to rating upgrades and downgrades by Moody's and S&P. Findings – Our sample presents positive and significant returns measured by the BHAR for ratings downgrades and non-significant ones for upgrades. Our data also show the important role of the previous rating in explaining these results in a non-linear fashion. Originality/value – Our research makes an important contribution to the theory of market efficiency, analyzing the degree of information present in the announcements of credit ratings changes. We also present results for Brazilian companies, correcting gaps pointed out in previous methodologies. Objetivo – O objetivo deste trabalho é analisar o impacto que mudanças no rating de crédito têm no retorno de longo prazo das ações de empresas brasileiras. Metodologia – Conduzimos um estudo de eventos que mensura como ações na bolsa de valores do Brasil reagem a elevações e rebaixamentos de rating pela Moody’s e S&P até 2014. Resultados – Nossa amostra apresenta retornos positivos e significantes medidos pelo BHAR para rebaixamentos de ratings e não significantes para elevações. Nossos dados ainda mostram o importante papel do rating anterior para explicar esses resultados atuando de forma não linear. Contribuições – Nossa pesquisa tem implicação para agregar à teoria de eficiência de mercado a análise do grau de informação presente nos anúncios de mudança de classificação de risco, bem como apresentar resultados para amostra com empresas brasileiras utilizando a metodologia que corrige defeitos apontados em metodologias anteriores. Objetivo – O objetivo deste trabalho é analisar o impacto que mudanças no rating de crédito têm no retorno de longo prazo das ações de empresas brasileiras. Metodologia – Conduzimos um estudo de eventos que mensura como ações na bolsa de valores do Brasil reagem a elevações e rebaixamentos de rating pela Moody’s e S&P até 2014. Resultados – Nossa amostra apresenta retornos positivos e significantes medidos pelo BHAR para rebaixamentos de ratings e não significantes para elevações. Nossos dados ainda mostram o importante papel do rating anterior para explicar esses resultados atuando de forma não linear. Contribuições – Nossa pesquisa tem implicação para agregar à teoria de eficiência de mercado a análise do grau de informação presente nos anúncios de mudança de classificação de risco, bem como apresentar resultados para amostra com empresas brasileiras utilizando a metodologia que corrige defeitos apontados em metodologias anteriores.

Dissertação de mestrado em Finanças, Ao longo deste estudo, testamos o uso de hábitos de consumo de música e características das canções como um proxy de disposição e, por extensão, do sentimento do investidor. Começamos por contextualizar a importância de medir o sentimento do investidor de forma a capturar os efeitos da negociação com base em ruído (noise trading), apresentando a literatura teórica enquanto demonstramos exemplos práticos de métodos usados para testar empiricamente estas hipóteses. Específico ao objetivo deste trabalho, prosseguimos com a exposição de estudos que demonstram a relação entre música e a disposição, e como esta influencia – e é influenciada por – sentimento. Fundamentamo-nos em estudos que relacionam sentimento baseado em música com retornos nos mercados financeiros para construir as nossas hipóteses. Utilizando as tabelas do top 200 semanais do Spotify para 35 países, e valência como uma medida da positividade de cada canção, construímos um indicador semanal de sentimento musical, o Stream-Weighted Average Valence (SWAV). Usamo-lo para testar a ideia de que o sentimento está positivamente correlacionado com os retornos da mesma semana, mas negativamente correlacionado com os retornos da semana seguinte, controlando para a heterogeneidade individual do país e do período. Adicionalmente, também testamos se diferentes características dos ativos são mais suscetíveis a mudanças no sentimento, e o impacto do SWAV na volatilidade do mercado. Encontramos resultados contraditórios e amiúde inconsistentes. O efeito do SWAV nos retornos do mercado de ações variam consideravelmente com as especificações dos modelos utilizados, e os seus coeficientes são frequentemente estatisticamente insignificantes ou até contrários ao previsto pelas teorias sobre sentimento do investidor. Por outro lado, o índice EPU aparenta ser consistente e significativo na explicação dos retornos dos mercados. Dados estes resultados, não podemos concluir que o sentimento musical seja um bom proxy para o sentimento do investidor. Terminamos com sugestões para análises futuras neste tópico., Over the course of this study, we test the use of music consumption habits and song characteristics as a proxy for mood, and, by extension, investor sentiment. We begin by providing context for the importance of measuring investor sentiment to capture the effects of noise trading, presenting the existing theoretical literature while showcasing examples of different methods used to empirically test such hypotheses. Specific to the purpose of this study, we move on to research done on the relation between music and mood, and how it influences – and is influenced by – sentiment. We draw from studies connecting music-based sentiment and financial market returns to construct our hypotheses. Using Spotify’s weekly top 200 streaming charts for 35 countries, and valence as a measure of individual song positiveness, we construct a weekly music sentiment indicator, the Stream-Weighted Average Valence (SWAV). We use it to test the notion that sentiment is positively correlated with same week stock market returns, but negatively correlated with next-week returns, while controlling for country and time individual heterogeneity. Additionally, we also test if different asset features are more susceptible to changes in sentiment, and the impact of SWAV on market volatility. We find contradictory and often inconsistent results. The effect of SWAV on stock market returns varies considerably based on model specifications, and its coefficients are frequently statistically insignificant or even contrary to what is predicted by the theory on investor sentiment. On the other hand, Economic Policy Uncertainty index is found to be significant and consistent in predicting stock returns. Given our results, we cannot conclude music sentiment as SWAV to be a good proxy for investor sentiment. We conclude with suggestions for future research on the topic.

A mudança do cenário macroeconômico brasileiro, com expressiva redução da taxa básica de juros, somada a transformações tecnológicas e ao maior acesso à informação, resultou em um forte crescimento do segmento de varejo na bolsa de valores (B3). O objetivo deste trabalho é avaliar os impactos do grande influxo de investidores individuais gerou na liquidez do mercado acionário no Brasil. Devido às condições de mercado sem precedentes causadas pela pandemia do COVID-19, utilizamos como choque exógeno o período de lockdown em 2020. A partir do método de diferenças em diferenças, identificamos mudanças no perfil de liquidez das ações listadas na B3 em que esse perfil de investidor é relativamente mais ativo/presente. The changes in the macroeconomic conditions in Brazil, including a significant reduction in interest rates, in addition to technological transformations and broader access to information, resulted in a strong growth of the retail segment in the Brazilian exchange (B3). We aim to assess the impacts of this large inflow of individual investors on the liquidity of the Brazilian equity market. Due to unprecedented conditions in the financial markets caused by the COVID-19 pandemic, we use the 2020 lockdown period as an exogenous shock. We employ a differences-in-differences strategy to identify changes in the liquidity profile of the B3-listed stocks preferred by individual traders.

Trabalho de Projeto do Mestrado em Economia apresentado à Faculdade de Economia O presente trabalho de projeto tem como objetivo a análise de influência da tendência partidária, medida através do índice RILE (Manifesto Project Dataset), no mercado de ações dos países fundadores da Zona Euro. A literatura não consegue chegar a um consenso sobre a capacidade do ciclo político influenciar o mercado de ações, uma vez que é cada vez mais complicado quantificar a inclinação partidária, seja esta mais à direita ou à esquerda, devido ao crescente número de partidos e à influência dos movimentos populistas, bem como às taxas avultadas de abstenção. O mercado de ações é extremamente volátil, sendo um dos motivos a forma como a informação influencia as decisões do investidor. Há autores que defendem que tendência partidária influência a taxa de rentabilidade, principalmente nos Estados Unidos da América, onde a análise é feita tendo apenas em consideração duas opções: democratas e republicanos. A análise para os países europeus é um pouco mais complexa, uma vez que a variável política é considerada um espetro, devido à variedade de ideologias. Considerando uma amostra de 10 países, foram realizados dois estudos, o primeiro sendo uma análise com os dados em painel, de 1999 a 2019, e outro com as estimações OLS individuais, para cada país. Em cada um dos estudos foram considerados dois modelos econométricos, sendo um apenas com a variável política e outro onde se incluem variáveis de controlo. É possível concluir que o índice partidário apenas influencia a taxa de rentabilidade dos mercados de ações individuais, nomeadamente, na Áustria, a Bélgica, a Holanda e da Irlanda. The present project work aims to analyze the influence of the partisan tendency, measured through the RILE index (Manifesto Project Dataset), on the stock market of the founding countries of the Euro Zone. The literature fails to reach a consensus on the ability of the political cycle to influence the stock market, since it is increasingly difficult to quantify the partisan leaning, whether it is more to the right or to the left, due to the growing number of parties and influence of populist movements, as well as high rates of abstention. The stock market is extremely volatile, one of the reasons being the way information influences the investor's decision-making power. Some authors argue that the partisan tendency influences the rate of return, especially in the United States of America, where the analysis is made taking into account only two options: Democrats and Republicans. The analysis for European countries is a little more complex, since the political variable is considered a spectrum, due to the variety of ideologies. Considering a sample of 10 countries, two studies were carried out, the first being an analysis with panel data, from 1999 to 2019 and another with individual OLS estimates, for each country. In each study, two econometric models were considered, one with only the political variable and the other including control variables. It is possible to conclude that the party index only influences the rate of return of individual stock markets, namely in Austria, Belgium, Netherlands and Ireland.

Orientador: Guilherme Palermo Coelho Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia Resumo: O mercado de ações é um importante segmento da economia que movimenta diariamente um grande volume de ativos, devido às transações realizadas entre empresas de capital aberto e investidores. Diversos fatores influenciam direta e indiretamente os valores dessas transações, o que pode gerar variações abruptas. Essa oscilação é um problema para aqueles que estudam esse nicho e buscam formas de se estimar valores futuros de ações, o que significaria uma vantagem para maximização de lucros na compra e vendas de ações. O problema é ainda maior quando uma série histórica de valores de ações apresenta o fenômeno de mudança de conceito, ou seja, quando os padrões de valores vão mudando ao longo do tempo. Neste trabalho, buscou-se avaliar se a presença de mecanismos capazes de lidar com mudanças de conceito em preditores baseados em aprendizado de máquina melhora a capacidade de predição de valores futuros de ações. A partir de uma base de dados históricos de 10 ações negociadas na bolsa de valores brasileira, coletados em um período de 20 anos, foi verificada a ocorrência de mudança de conceito em tais séries temporais e comparados os desempenhos de preditores baseados em diferentes paradigmas: Random Forests (RF), Support Vector Machines (SVM), K-Nearest Neighbors (KNN), Online Sequential Extreme Learning Machines (OS-ELM), Dynamic and Online Ensemble for Regression (DOER) e Ensemble of Online Learners With Substituiton of Models (EOS). Dentre esses, OS-ELM, DOER e EOS possuem mecanismos para lidar com mudanças de conceito. Os resultados mostraram que, apesar de as estrategias que incorporam mecanismos para tratamento de mudança de conceito demandarem um maior tempo computacional, elas também tendem a apresentar menores erros de predição. De acordo com o teste estatístico de Bergmann-Hommel foi possível observar que os modelos SVM e RF com uma versão ajustada possuem desempenho similares aos de modelos que lidam com mudança de conceito Abstract: The stock market is an important segment of the economy that circulates a large volume of assets due to transactions between open-ended companies and investors. Several factors, directly and indirectly, affect these transaction values, which can generate abrupt variations. The stock value fluctuation is a problem for those who search for ways to predict future stocks values, which would mean an advantage for profits maximization in buying and selling stocks. The problem becomes even harder when the stock values series presents the concept drift phenomenon, where patterns change over time. In this work, we evaluated whether mechanisms that deal with concept drift in machine learning-based predictors improve their stock market forecasting capabilities. From a historic database of 10 stocks negotiated in the Brazilian stock exchange, considering a time period of 20 years, we verified the occurrence of concept drift and compared the performance of predictors based in different paradigms: Random Forests (RF), Support Vector Machines (SVM), K-Nearest Neighbors (KNN), Online Sequential Extreme Learning Machines (OS-ELM), Dynamic and Online Ensemble for Regression (DOER) and Ensemble of Online Learners With Substitution of Models (EOS). Among these, OS-ELM, DOER and EOS explicitly deal with concept drift. The obtained results showed that, despite the higher computational time required by strategies that include mechanisms for handling concept drift, such strategies also tend to yield smaller predictions errors. Besides, according to the Bergmann-Hommel’s statistical test, it was possible to observe that SVM and RF with an adjusted version models achieve similar performances to models that deal with the concept drift Mestrado Sistemas de Informação e Comunicação Mestre em Tecnologia CAPES 001

Orientadores: Guilherme Palermo Coelho, Ana Estela Antunes da Silva Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Tecnologia Resumo: O desenvolvimento da economia global permite a empresas abrirem o seu capital com o objetivo de obter recursos financeiros para acelerar o seu crescimento. Esse cenário atrai investidores que desejam lucratividade nos mercados financeiros. Assim, a literatura apresenta diversas técnicas voltadas para previsão e análise do mercado financeiro, em especial o mercado de ações. Nesse contexto, destacam-se duas abordagens distintas, denominadas análise técnica e fundamentalista. Enquanto a análise técnica procura prever o mercado tendo como base indicadores calculados considerando o preço passado das ações, a análise fundamentalista considera dados oriundos de notícias, rentabilidade e fatores macroeconômicos. No entanto, a junção de ambas as escolas de pensamento em um único sistema de previsão do mercado de ações ainda é um tópico em aberto na literatura. Por um lado, o uso de Redes Neurais Artificiais (RNAs), principalmente RNAs profundas, tem se mostrado uma abordagem interessante para previsão de valores futuros do mercado de ações, sendo empregadas em muitos problemas voltados à análise técnica. Essas redes têm apresentado melhores resultados de previsão quando comparadas aos modelos estatísticos tradicionais, que utilizam normalmente dados vindos de séries temporais de valores de ações e indicadores técnicos. Por outro lado, mais recentemente, surgiram trabalhos na literatura indicando o uso de Análise de Sentimentos (AS) aplicada a notícias financeiras como um importante indicativo voltado à análise fundamentalista para a previsão da oscilação do mercado acionário. Apesar dos esforços recentes para combinar o uso dessas fontes de dados, a literatura carece de trabalhos em que essas estratégias sejam executadas em uma abordagem totalmente baseada em RNAs profundas, que têm obtido resultados do estado da arte em muitas tarefas de regressão e classificação. Portanto, no sentido de apoiar o processo de tomada de decisão e previsão frente ao grande número de informações disponíveis, este trabalho tem como objetivo principal apresentar uma abordagem de previsão do mercado de ações brasileiro por meio de Aprendizado Profundo, integrando dados voltados tanto à análise técnica quanto à análise fundamentalista, a saber: séries temporais de valores de ações, indicadores técnicos, e de Análise de Sentimentos aplicada a notícias. Os experimentos foram realizados com dados do período de 2010 a 2019, tanto do índice Ibovespa quanto de empresas relevantes do mercado de ações brasileiro: Banco do Brasil, Itaú, Ambev e Gerdau. Os resultados mostram que a combinação de preços de ações, indicadores técnicos e notícias melhora a previsão do mercado de ações considerando tanto o erro de previsão quanto o valor final do investimento Abstract: The global economy has led companies to open their capital to obtain resources to accelerate their growth. This scenario attracts investors who want to profit, stimulating the science community to develop techniques to forecast and analyze the stock market. Thus, two distinct approaches are highlighted, namely technical and fundamental analyses. While technical analysis tries to predict the stock market based on indicators calculated considering the past stock prices, fundamental analysis considers data from news, profitability, and macroeconomic factors. However, the combination of both schools of thought into a single stock market prediction system is still an open challenge in the literature. On the one hand, the use of Artificial Neural Networks (ANNs), mainly deep ANNs, has been shown to be an interesting approach to predicting future stock market values, being employed mainly in technical analysis. These ANNs have shown better prediction results when compared to traditional statistical models, which generally use stock prices and technical indicators as a data source. On the other hand, more recently, studies have indicated that Sentiment Analysis (SA) applied to financial news as an important fundamental analysis indicator to predict the stock market movement. Despite recent efforts to combine the use of these data sources, the literature lacks works in which these strategies are performed in an approach entirely based on deep ANNs, which have obtained state-of-the-art results in many regression and classification tasks. Therefore, in order to support the decision-making and forecasting process considering a large amount of available information, this work aims to present an approach to predict the Brazilian stock market through Deep Learning, integrating data of both technical and fundamental analysis, namely: stock prices, technical indicators, and financial news. The experiments were performed with data from 2010 to 2019, considering the Ibovespa index and the following relevant companies of the Brazilian stock market: Banco do Brasil, Itaú, Ambev, and Gerdau. The results show that the combination of stock prices, technical indicators, and news improves stock market prediction considering both the prediction error and the return on investment Doutorado Sistemas de Informação e Comunicação Doutor em Tecnologia CAPES 001

Esta dissertação revê a literatura existente sobre o impacto da literacia financeira na tomada de decisões de investimento no mercado de ações, com o objetivo de identificar eventuais lacunas de investigação que representem oportunidades para investigação futura, nomeadamente, ao nível de doutoramento. A metodologia utilizada neste trabalho é a revisão sistemática da literatura, que permitiu identificar e discutir um conjunto de trabalhos relevantes sobre o tema. Os resultados sugerem que este tópico é objeto de estudo há relativamente pouco tempo, porém, já foi algo explorado sob diversas perspetivas. O ano de 2015 foi o ano com maior número de artigos publicados nesta área, verificando-se a partir daí a produção de um maior número de trabalhos comparativamente com o período pré 2015. Os resultados demonstram que a literacia financeira afeta de forma diversa a tomada de decisão no mercado de ações. Por exemplo, maiores níveis de literacia financeira levam a uma maior participação no mercado de ações e reduzem o impacto dos vieses psicológicos sobre a tomada de decisão. Por outro lado, a literacia financeira está também associada à correção de comportamentos dos indivíduos após incidentes no mercado. No entanto, o presente estudo mostra que existe ainda possibilidade de contribuir para este campo de literatura, nomeadamente no que concerne à relação entre a literacia financeira e diversificação do portfólio. This study reviews the existing literature on the impact of financial literacy on investment decision-making in the stock market, with the aim of identifying possible research gaps that represent opportunities for future research, namely at doctoral level. The methodology of choice was the Systematic Literature Review, which allowed identifying and discussing a several relevant studies on the subject. The results suggest that this field of study has been an object of study for a relatively short time, although has been explored from several perspectives. The year of 2015 was the year with the highest number of articles published in this area, and from there the production of a greater number of papers compared to the period after 2015. The results show that financial literacy affects decisions in the stock market in various ways. For example, higher levels of financial literacy are associated with higher levels of stock market participation and reduce the impact of behavioral biases on decision-making. Financial literacy is also associated with correcting individuals' behaviours after market incidents. However, the present study shows that there is still the possibility of contributing to this field of literature, particularly regarding the relationship between financial literacy and portfolio diversification.