Monografias de Valuation
As monografias de valuation devem atender aos seguintes pontos:
1. Devem ser feitas em Python, rodando no Google Colab. O código deverá ser inteiramente comentado para permitir a compreensão do que é feito em cada etapa. Você deve entender e conseguir explicar o que cada linha do seu código faz, mas pode usar à vontade assistentes de inteligência artificial - o ChatGPT é particularmente útil para desenvolver/corrigir/comentar código.
2. O código deve ser auto-contido, sem demandar qualquer exercício ou arquivo auxiliar.
3. Antes de importar os dados para o Colab, organize todos os dados em uma planilha excel, e coloque essa planilha em um repositório GitHub. Dessa forma, você terá um link fixo para a base completa. Logo no início do seu código no Colab, você vai puxar os dados a partir desse link.
4. O aluno deve calcular uma trajetória de valuation no tempo, ou seja, deve calcular o valuation em ao menos cinco datas, com a base de dados adequada a cada uma. Atenção: o valuation em cada data deve usar apenas informações disponíveis naquela data.
5. O aluno deverá fazer diversos cenários, ou seja, diversas trajetórias do valuation ao longo do tempo. Esses cenários serão gerados a partir de algum parâmetro, que poderá assumir diferentes valores, e cada trajetória de valuation será gerada para um desses valores. Por exemplo, você pode usar diversos valores de beta no intervalo de confiança da regressão do CAPM; ou diferentes previsões para crescimento da receita.
6. Todos as informações usadas para o valuation devem ser obtidas a partir dos dados. Não pode 'pegar um parâmetro do Damodaran'! Por exemplo, o modelo CAPM deve ser estimado a partir da regressão adequada para obter o beta da empresa em análise. E o prêmio de risco deve ser computado a partir de uma taxa livre de risco e do retorno de mercado.
7. Ainda sobre o CAPM: como indicado nos pontos acima, é necessário rodar a regressão do CAPM (e não simplesmente dividir covariância por variância). Você deve apresentar e interpretar os resultados da regressão. Isso já sugere algumas possibilidades para robustez: você pode fazer variações do CAPM, como um modelo de vários fatores, por exemplo.
8. Você deve fazer a seguinte variação do exercício de valuation: ao invés de definir de maneira exógena os parâmetros do modelo ("o crescimento da receita no futuro será igual à média do crescimento da receita nos últimos cinco anos"), escolha esses parâmetros de forma a minimizar a diferença entre o valuation e o preço de mercado. Ou seja, você resolverá um problema de minimização, em que as variáveis de escolha serão os parâmetros que você precisa imputar para obter o valuation - faça uma lista completa desses parâmetros. Esse é um exercício de calibração.
9. Após concluir os exercícios empíricos (valuation e calibração), proponha uma estratégia de investimento para cada período a partir dos resultados obtidos, e verifique se seria lucrativa para os períodos seguintes.
10. É importante incluir no trabalho, antes do exercício de empírico: i- uma justificativa sobre a importância e os limites do valuation para a economia; ii- uma descrição do mercado no qual a empresa opera; iii- uma descrição da própria empresa.
O objetivo é obter, ao final do trabalho, informação que permita construir um gráfico como segue abaixo (a periodicidade não precisa ser necessariamente anual):
As monografias de valuation devem atender aos seguintes pontos:
1. Devem ser feitas em Python, rodando no Google Colab. O código deverá ser inteiramente comentado para permitir a compreensão do que é feito em cada etapa. Você deve entender e conseguir explicar o que cada linha do seu código faz, mas pode usar à vontade assistentes de inteligência artificial - o ChatGPT é particularmente útil para desenvolver/corrigir/comentar código.
2. O código deve ser auto-contido, sem demandar qualquer exercício ou arquivo auxiliar.
3. Antes de importar os dados para o Colab, organize todos os dados em uma planilha excel, e coloque essa planilha em um repositório GitHub. Dessa forma, você terá um link fixo para a base completa. Logo no início do seu código no Colab, você vai puxar os dados a partir desse link.
4. O aluno deve calcular uma trajetória de valuation no tempo, ou seja, deve calcular o valuation em ao menos cinco datas, com a base de dados adequada a cada uma. Atenção: o valuation em cada data deve usar apenas informações disponíveis naquela data.
5. O aluno deverá fazer diversos cenários, ou seja, diversas trajetórias do valuation ao longo do tempo. Esses cenários serão gerados a partir de algum parâmetro, que poderá assumir diferentes valores, e cada trajetória de valuation será gerada para um desses valores. Por exemplo, você pode usar diversos valores de beta no intervalo de confiança da regressão do CAPM; ou diferentes previsões para crescimento da receita.
6. Todos as informações usadas para o valuation devem ser obtidas a partir dos dados. Não pode 'pegar um parâmetro do Damodaran'! Por exemplo, o modelo CAPM deve ser estimado a partir da regressão adequada para obter o beta da empresa em análise. E o prêmio de risco deve ser computado a partir de uma taxa livre de risco e do retorno de mercado.
7. Ainda sobre o CAPM: como indicado nos pontos acima, é necessário rodar a regressão do CAPM (e não simplesmente dividir covariância por variância). Você deve apresentar e interpretar os resultados da regressão. Isso já sugere algumas possibilidades para robustez: você pode fazer variações do CAPM, como um modelo de vários fatores, por exemplo.
8. Você deve fazer a seguinte variação do exercício de valuation: ao invés de definir de maneira exógena os parâmetros do modelo ("o crescimento da receita no futuro será igual à média do crescimento da receita nos últimos cinco anos"), escolha esses parâmetros de forma a minimizar a diferença entre o valuation e o preço de mercado. Ou seja, você resolverá um problema de minimização, em que as variáveis de escolha serão os parâmetros que você precisa imputar para obter o valuation - faça uma lista completa desses parâmetros. Esse é um exercício de calibração.
9. Após concluir os exercícios empíricos (valuation e calibração), proponha uma estratégia de investimento para cada período a partir dos resultados obtidos, e verifique se seria lucrativa para os períodos seguintes.
10. É importante incluir no trabalho, antes do exercício de empírico: i- uma justificativa sobre a importância e os limites do valuation para a economia; ii- uma descrição do mercado no qual a empresa opera; iii- uma descrição da própria empresa.
O objetivo é obter, ao final do trabalho, informação que permita construir um gráfico como segue abaixo (a periodicidade não precisa ser necessariamente anual):
Além disso, a seguinte estrutura geral para artigos e teses deve ser adotada:
- Que pergunta você está tentando responder?
- Por que essa pergunta é importante?
- Que respostas já foram dadas a questões semelhantes, e o que diferencia o seu trabalho?
- Qual é a metodologia?
- Quais são os resultados?
Por último: a monografia deve ser curta e objetiva. Não há mínimo de páginas. John Nash ganhou o prêmio Nobel por um artigo de uma página; a teoria da relatividade de Einstein tinha 31 páginas. Você pode usar mais do que isso se for estritamente necessário, mas é improvável que seja. Não deve haver redundância, e você não precisa contar tudo que fez no desenvolvimento do trabalho: é indispensável que a descrição da metodologia permita a replicação do trabalho, mas nada além disso.
Importante: temos encontros quinzenais online, sempre sexta às 10h neste link. Mudanças pontuais serão avisadas pelo grupo de Whatsapp. A participação regular nos encontros é condição necessária para a orientação: são admitidas no máximo duas faltas ao longo do semestre.
- Que pergunta você está tentando responder?
- Por que essa pergunta é importante?
- Que respostas já foram dadas a questões semelhantes, e o que diferencia o seu trabalho?
- Qual é a metodologia?
- Quais são os resultados?
Por último: a monografia deve ser curta e objetiva. Não há mínimo de páginas. John Nash ganhou o prêmio Nobel por um artigo de uma página; a teoria da relatividade de Einstein tinha 31 páginas. Você pode usar mais do que isso se for estritamente necessário, mas é improvável que seja. Não deve haver redundância, e você não precisa contar tudo que fez no desenvolvimento do trabalho: é indispensável que a descrição da metodologia permita a replicação do trabalho, mas nada além disso.
Importante: temos encontros quinzenais online, sempre sexta às 10h neste link. Mudanças pontuais serão avisadas pelo grupo de Whatsapp. A participação regular nos encontros é condição necessária para a orientação: são admitidas no máximo duas faltas ao longo do semestre.