Estratégia de arbitragem estatística neutra ao mercado baseada em fatores de PCA e reversão à média

Detalhes bibliográficos
Ano de defesa: 2026
Autor(a) principal: Amaral, Sávio Vinícius Costa do
Orientador(a): Targino, Rodrigo dos Santos
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
PCA
Link de acesso: https://hdl.handle.net/10438/38623
Resumo: O objetivo desta dissertação é desenvolver, implementar e avaliar empiricamente uma estratégia de arbitragem estatística neutra ao mercado baseada em fatores extraídos por Análise de Componentes Principais (PCA) e modelagem de reversão à média. Especificamente, propõe-se: (i) decompor os retornos acionários em componentes sistemáticos e idiossincráticos por meio de fatores principais; (ii) modelar os resíduos como processos de Ornstein–Uhlenbeck, permitindo a construção de indicadores de desalinhamento relativo; e (iii) implementar uma estratégia long–short com neutralização explícita das exposições fatoriais, avaliando seu desempenho fora da amostra sob custos de transação realistas. Os resultados empíricos indicam que a estratégia apresenta desempenho consistente no mercado brasileiro tanto no curto quanto no longo prazo, sugerindo a persistência de estruturas de reversão à média nos componentes idiossincráticos. Em contraste, no mercado norte-americano, embora se observem resultados positivos no curto prazo, há deterioração significativa de desempenho no longo prazo, evidenciando limitações da abordagem nesse mercado. Adicionalmente, foram investigadas extensões metodológicas, incluindo número adaptativo de fatores, limiares dinâmicos baseados em quantis e procedimentos de otimização de hiperparâmetros. Apesar de melhorias pontuais, tais adaptações não foram suficientes para restaurar de forma consistente o desempenho no longo prazo no mercado americano. Em conjunto, os resultados destacam tanto o potencial quanto as limitações de estratégias de arbitragem estatística baseadas em reversão à média, enfatizando a importância da adaptabilidade e do alinhamento entre o horizonte de calibração e a dinâmica dos sinais explorados.
id FGV_295ac2cd7ffa67de34d8eb0928871f14
oai_identifier_str oai:repositorio.fgv.br:10438/38623
network_acronym_str FGV
network_name_str Repositório Institucional do FGV (FGV Repositório Digital)
repository_id_str
spelling Amaral, Sávio Vinícius Costa doEscolas::EMApSaporito, Yuri FahhamSilva, Matheus Secco Torres daTargino, Rodrigo dos Santos2026-04-22T13:13:00Z2026-04-22T13:13:00Z2026-04-07https://hdl.handle.net/10438/38623O objetivo desta dissertação é desenvolver, implementar e avaliar empiricamente uma estratégia de arbitragem estatística neutra ao mercado baseada em fatores extraídos por Análise de Componentes Principais (PCA) e modelagem de reversão à média. Especificamente, propõe-se: (i) decompor os retornos acionários em componentes sistemáticos e idiossincráticos por meio de fatores principais; (ii) modelar os resíduos como processos de Ornstein–Uhlenbeck, permitindo a construção de indicadores de desalinhamento relativo; e (iii) implementar uma estratégia long–short com neutralização explícita das exposições fatoriais, avaliando seu desempenho fora da amostra sob custos de transação realistas. Os resultados empíricos indicam que a estratégia apresenta desempenho consistente no mercado brasileiro tanto no curto quanto no longo prazo, sugerindo a persistência de estruturas de reversão à média nos componentes idiossincráticos. Em contraste, no mercado norte-americano, embora se observem resultados positivos no curto prazo, há deterioração significativa de desempenho no longo prazo, evidenciando limitações da abordagem nesse mercado. Adicionalmente, foram investigadas extensões metodológicas, incluindo número adaptativo de fatores, limiares dinâmicos baseados em quantis e procedimentos de otimização de hiperparâmetros. Apesar de melhorias pontuais, tais adaptações não foram suficientes para restaurar de forma consistente o desempenho no longo prazo no mercado americano. Em conjunto, os resultados destacam tanto o potencial quanto as limitações de estratégias de arbitragem estatística baseadas em reversão à média, enfatizando a importância da adaptabilidade e do alinhamento entre o horizonte de calibração e a dinâmica dos sinais explorados.This dissertation develops, implements, and empirically evaluates a marketneutral statistical arbitrage strategy based on Principal Component Analysis (PCA) factors and mean-reversion dynamics. The proposed framework decomposes stock returns into systematic and idiosyncratic components using PCA, models the residuals as Ornstein–Uhlenbeck processes, and constructs long–short portfolios with explicit factor neutrality. Trading signals are generated through standardized deviations (s-scores), capturing temporary dislocations relative to equilibrium levels. Empirical results reveal that the strategy exhibits strong performance in the Brazilian market across both short and long horizons, suggesting the persistence of mean-reverting behavior in idiosyncratic components. In contrast, in the U.S. market, although the strategy performs well in the short term, its performance deteriorates significantly over longer horizons, indicating reduced effectiveness in that market. Several methodological extensions are explored, including adaptive selection of principal components, dynamic thresholding based on empirical quantiles, and hyperparameter optimization. While these approaches yield improvements in specific settings, they fail to consistently restore long-term out-of-sample performance in the U.S. market. Overall, the findings highlight both the potential and the limitations of PCA-based statistical arbitrage strategies. In particular, they emphasize the importance of market structure, parameter stability, and the alignment between calibration horizons and the underlying dynamics of trading signals. These results point to the need for more adaptive and robust frameworks in future research on quantitative trading strategiesporArbitragem estatísticaAnálise de componentes principaisReversão à médiaProcesso de Ornstein–UhlenbeckFinanças quantitativasStatistical arbitragePCAMean reversionQuantitative financeMatemáticaAnálise de componentes principaisModelo de precificação de ativosMercado financeiroFinanças - Modelos matemáticosEstratégia de arbitragem estatística neutra ao mercado baseada em fatores de PCA e reversão à médiainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVORIGINALDissertação__FGV_EMAp_.pdfDissertação__FGV_EMAp_.pdfPDFapplication/pdf2779420https://repositorio.fgv.br/bitstreams/73a64db1-3ea0-41e0-9f6c-a359e212a058/downloadb6bac0d0903dc7acd6c48dcff82ce806MD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-85112https://repositorio.fgv.br/bitstreams/557bd920-d39c-4ebb-933d-6eb0b40fc49a/download2a4b67231f701c416a809246e7a10077MD52falseAnonymousREADTEXTDissertação__FGV_EMAp_.pdf.txtDissertação__FGV_EMAp_.pdf.txtExtracted texttext/plain103448https://repositorio.fgv.br/bitstreams/51e78041-854b-432d-8498-1b32c47f7525/downloadeeaa4322b54a9ad02fe1550fc23f9c10MD53falseAnonymousREADTHUMBNAILDissertação__FGV_EMAp_.pdf.jpgDissertação__FGV_EMAp_.pdf.jpgGenerated Thumbnailimage/jpeg2956https://repositorio.fgv.br/bitstreams/6608b99b-36ad-47ce-9f17-63e20cb5c705/download55319736057071891181aa8f8a9c7c0dMD54falseAnonymousREAD10438/386232026-04-22 17:00:47.467open.accessoai:repositorio.fgv.br:10438/38623https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestbiblioteca.digital@fgv.bropendoar:39742026-04-22T17:00:47Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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
dc.title.por.fl_str_mv Estratégia de arbitragem estatística neutra ao mercado baseada em fatores de PCA e reversão à média
title Estratégia de arbitragem estatística neutra ao mercado baseada em fatores de PCA e reversão à média
spellingShingle Estratégia de arbitragem estatística neutra ao mercado baseada em fatores de PCA e reversão à média
Amaral, Sávio Vinícius Costa do
Arbitragem estatística
Análise de componentes principais
Reversão à média
Processo de Ornstein–Uhlenbeck
Finanças quantitativas
Statistical arbitrage
PCA
Mean reversion
Quantitative finance
Matemática
Análise de componentes principais
Modelo de precificação de ativos
Mercado financeiro
Finanças - Modelos matemáticos
title_short Estratégia de arbitragem estatística neutra ao mercado baseada em fatores de PCA e reversão à média
title_full Estratégia de arbitragem estatística neutra ao mercado baseada em fatores de PCA e reversão à média
title_fullStr Estratégia de arbitragem estatística neutra ao mercado baseada em fatores de PCA e reversão à média
title_full_unstemmed Estratégia de arbitragem estatística neutra ao mercado baseada em fatores de PCA e reversão à média
title_sort Estratégia de arbitragem estatística neutra ao mercado baseada em fatores de PCA e reversão à média
author Amaral, Sávio Vinícius Costa do
author_facet Amaral, Sávio Vinícius Costa do
author_role author
dc.contributor.unidadefgv.por.fl_str_mv Escolas::EMAp
dc.contributor.member.none.fl_str_mv Saporito, Yuri Fahham
Silva, Matheus Secco Torres da
dc.contributor.author.fl_str_mv Amaral, Sávio Vinícius Costa do
dc.contributor.advisor1.fl_str_mv Targino, Rodrigo dos Santos
contributor_str_mv Targino, Rodrigo dos Santos
dc.subject.por.fl_str_mv Arbitragem estatística
Análise de componentes principais
Reversão à média
Processo de Ornstein–Uhlenbeck
Finanças quantitativas
topic Arbitragem estatística
Análise de componentes principais
Reversão à média
Processo de Ornstein–Uhlenbeck
Finanças quantitativas
Statistical arbitrage
PCA
Mean reversion
Quantitative finance
Matemática
Análise de componentes principais
Modelo de precificação de ativos
Mercado financeiro
Finanças - Modelos matemáticos
dc.subject.eng.fl_str_mv Statistical arbitrage
PCA
Mean reversion
Quantitative finance
dc.subject.area.por.fl_str_mv Matemática
dc.subject.bibliodata.por.fl_str_mv Análise de componentes principais
Modelo de precificação de ativos
Mercado financeiro
Finanças - Modelos matemáticos
description O objetivo desta dissertação é desenvolver, implementar e avaliar empiricamente uma estratégia de arbitragem estatística neutra ao mercado baseada em fatores extraídos por Análise de Componentes Principais (PCA) e modelagem de reversão à média. Especificamente, propõe-se: (i) decompor os retornos acionários em componentes sistemáticos e idiossincráticos por meio de fatores principais; (ii) modelar os resíduos como processos de Ornstein–Uhlenbeck, permitindo a construção de indicadores de desalinhamento relativo; e (iii) implementar uma estratégia long–short com neutralização explícita das exposições fatoriais, avaliando seu desempenho fora da amostra sob custos de transação realistas. Os resultados empíricos indicam que a estratégia apresenta desempenho consistente no mercado brasileiro tanto no curto quanto no longo prazo, sugerindo a persistência de estruturas de reversão à média nos componentes idiossincráticos. Em contraste, no mercado norte-americano, embora se observem resultados positivos no curto prazo, há deterioração significativa de desempenho no longo prazo, evidenciando limitações da abordagem nesse mercado. Adicionalmente, foram investigadas extensões metodológicas, incluindo número adaptativo de fatores, limiares dinâmicos baseados em quantis e procedimentos de otimização de hiperparâmetros. Apesar de melhorias pontuais, tais adaptações não foram suficientes para restaurar de forma consistente o desempenho no longo prazo no mercado americano. Em conjunto, os resultados destacam tanto o potencial quanto as limitações de estratégias de arbitragem estatística baseadas em reversão à média, enfatizando a importância da adaptabilidade e do alinhamento entre o horizonte de calibração e a dinâmica dos sinais explorados.
publishDate 2026
dc.date.accessioned.fl_str_mv 2026-04-22T13:13:00Z
dc.date.available.fl_str_mv 2026-04-22T13:13:00Z
dc.date.issued.fl_str_mv 2026-04-07
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/10438/38623
url https://hdl.handle.net/10438/38623
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional do FGV (FGV Repositório Digital)
instname:Fundação Getulio Vargas (FGV)
instacron:FGV
instname_str Fundação Getulio Vargas (FGV)
instacron_str FGV
institution FGV
reponame_str Repositório Institucional do FGV (FGV Repositório Digital)
collection Repositório Institucional do FGV (FGV Repositório Digital)
bitstream.url.fl_str_mv https://repositorio.fgv.br/bitstreams/73a64db1-3ea0-41e0-9f6c-a359e212a058/download
https://repositorio.fgv.br/bitstreams/557bd920-d39c-4ebb-933d-6eb0b40fc49a/download
https://repositorio.fgv.br/bitstreams/51e78041-854b-432d-8498-1b32c47f7525/download
https://repositorio.fgv.br/bitstreams/6608b99b-36ad-47ce-9f17-63e20cb5c705/download
bitstream.checksum.fl_str_mv b6bac0d0903dc7acd6c48dcff82ce806
2a4b67231f701c416a809246e7a10077
eeaa4322b54a9ad02fe1550fc23f9c10
55319736057071891181aa8f8a9c7c0d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)
repository.mail.fl_str_mv biblioteca.digital@fgv.br
_version_ 1866369116792684544