dc.contributor.author | Lima, Paulo Vitor Tognolo | |
dc.date.accessioned | 2024-09-12T14:28:26Z | |
dc.date.available | 2024-09-12T14:28:26Z | |
dc.date.issued | 2024-09-02 | |
dc.identifier.citation | LIMA, Paulo Vitor Tognolo. Clusterização de dados no mercado de crédito privado: a influência das passagens entre fundos de investimento. 2024. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal de São Carlos, São Carlos, 2024. Disponível em: https://repositorio.ufscar.br/handle/ufscar/20527. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/20527 | |
dc.description.abstract | The main objective of this work is to analyze the impact of Transfer Procedures operations in the secondary market of fixed income for local corporate bonds, focusing on the PEJA11 debenture. For this purpose, a pattern recognition algorithm was developed using the unsupervised machine learning method DBSCAN, with the aim of identifying and differentiating these operations from effective trades. Based on a detailed analysis of the trading data registered in CETIP, covering the period from April 2023 to April
2024, it was possible to observe how Transfer Procedures operations influence the Average Daily Trading Volume (ADTV) metric and the perception of liquidity in the market. The choice of the PEJA11 debenture was motivated by its high financial volume and the significant frequency of its trades, making it representative for the study. The results obtained demonstrate that the developed algorithm was effective in identifying Transfer Procedures operations, resulting in a reduction of approximately 28% in the Average
Daily Trading Volume (ADTV) after the algorithm was applied, compared to the ADTV calculated without using the method. This reduction highlights the significant influence of Transfer Procedures on the perception of liquidity. Additionally, the data visualization techniques applied provided clear and intuitive insights into trading patterns, facilitating the interpretation of the results. This study contributes to a better understanding of the nuances of the local corporate bonds market and suggests that the developed methodology can be applied to other assets, assisting in making informed decisions and more accurate
pricing of these securities. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/br/ | * |
dc.subject | Mercado de crédito privado | por |
dc.subject | Debêntures | por |
dc.subject | Passagem entre fundos | por |
dc.subject | DBSCAN | por |
dc.subject | Volume médio diário de negociação (ADTV) | por |
dc.subject | Liquidez | por |
dc.subject | Precificação | por |
dc.title | Clusterização de dados no mercado de crédito privado: a influência das passagens entre fundos de investimento | por |
dc.title.alternative | Data clustering in the private credit market: the influence of transfers between investment funds | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Levada, Alexandre Luis Magalhães | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/3341441596395463 | por |
dc.description.resumo | Este trabalho tem como objetivo principal analisar o impacto das operações de Passagens entre Fundos no mercado secundário de renda fixa para crédito privado, com foco na debênture PEJA11. Para isso, foi desenvolvido um algoritmo de reconhecimento de padrões utilizando o método de aprendizado de máquina não supervisionado DBSCAN, com o intuito de identificar e diferenciar essas operações das negociações efetivas. A partir de uma análise detalhada dos dados de negociação registrados na CETIP, abrangendo o período de abril de 2023 a abril de 2024, foi possível observar como as Passagens Entre Fundos influenciam a métrica de Average Daily Trading Volume (ADTV) e a percepção de liquidez no mercado. A escolha da debênture PEJA11 foi motivada por seu alto volume financeiro e pela frequência significativa de suas negociações, tornando-a representativa para o estudo. Os resultados obtidos demonstram que o algoritmo desenvolvido foi eficaz na identificação de operações de Passagem Entre Fundos, resultando em uma redução de aproximadamente 28% no Average Daily Trading Volume (ADTV) após a aplicação do algoritmo, comparado ao ADTV calculado sem a utilização do método. Essa redução
destaca a influência significativa das Passagens Entre Fundos na percepção de liquidez. Além disso, as técnicas de visualização de dados aplicadas forneceram insights claros e intuitivos sobre os padrões de negociação, facilitando a interpretação dos resultados. Este estudo contribui para uma melhor compreensão das nuances do mercado de crédito privado e sugere que a metodologia desenvolvida pode ser aplicada a outros ativos, auxiliando na tomada de decisões informadas e na precificação mais precisa desses títulos. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.publisher.course | Engenharia de Computação - EC | por |