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 arquivo auxiliar. Para isso, use algum repositório (GitHub) para os arquivos necessários para rodar o código - por exemplo, planilhas excel com os dados. O código deve puxar os dados do repositório diretamente, a partir de um link fixo.
3. 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.
4. 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.
5. 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.
6. 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.
7. Novo requisito, a partir de 23.2: Adicionalmente, 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.
8. Novo requisito, a partir de 23.2: 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.
9. 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 arquivo auxiliar. Para isso, use algum repositório (GitHub) para os arquivos necessários para rodar o código - por exemplo, planilhas excel com os dados. O código deve puxar os dados do repositório diretamente, a partir de um link fixo.
3. 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.
4. 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.
5. 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.
6. 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.
7. Novo requisito, a partir de 23.2: Adicionalmente, 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.
8. Novo requisito, a partir de 23.2: 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.
9. 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.
Sobre prazos de 2023.2:
A primeira versão do código deve ser enviada até 31/10. Devolverei com possíveis pedidos de ajuste, e a versão corrigida deve ser entregue até 17/11.
A primeira versão do texto (a monografia propriamente dita) deve ser entregue até 30/11. Devolverei com pedidos de ajuste, e a versão definitiva deve ser entregue até 10/12.
As defesas serão feitas no final de fevereiro/2024, para colação de grau em abril/2024.
Atenção: o cumprimento desses prazos é necessário para concluirmos o trabalho. Avise se tiver qualquer problema ao longo do caminho - acontece! -, mas não deixe para simplesmente entregar fora do prazo, ou não consigo garantir a defesa da monografia neste período.
- 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.
Sobre prazos de 2023.2:
A primeira versão do código deve ser enviada até 31/10. Devolverei com possíveis pedidos de ajuste, e a versão corrigida deve ser entregue até 17/11.
A primeira versão do texto (a monografia propriamente dita) deve ser entregue até 30/11. Devolverei com pedidos de ajuste, e a versão definitiva deve ser entregue até 10/12.
As defesas serão feitas no final de fevereiro/2024, para colação de grau em abril/2024.
Atenção: o cumprimento desses prazos é necessário para concluirmos o trabalho. Avise se tiver qualquer problema ao longo do caminho - acontece! -, mas não deixe para simplesmente entregar fora do prazo, ou não consigo garantir a defesa da monografia neste período.