Três ensaios sobre entropia em mercados financeiros : fluxo de informação, estimação não paramétrica e regimes estocásticos

Abstract

Esta tese investiga a entropia como ferramenta para descrever padrões informacionais nos mercados financeiros, com foco em dependência, identificação de regimes e caracterização de caudas nas distribuições de dados financeiros. Para isso, esta tese foi estruturada em três artigos. O primeiro aplica a transferência de entropia para analisar fluxos de informação entre mercados acionários, ouro e Bitcoin em três períodos relacionados à pandemia de COVID-19. O segundo propõe um novo estimador de entropia diferencial baseado em kernel de Pareto, demonstrando sua robustez frente a distribuições com caudas pesadas, por meio de simulações de Monte Carlo e dados cambiais. O terceiro artigo aplica esse estimador a séries de índices acionários, identificando transições entre regimes de risco, especialmente durante crises globais. A principal contribuição metodológica consiste no desenvolvimento e aplicação de uma abordagem não paramétrica para estimação de entropia em dados financeiros com caudas pesadas. Os resultados demonstram que a entropia diferencial pode capturar dimensões do risco e da incerteza que escapam às métricas tradicionais, como a variância, especialmente em contextos extremos. A tese também contribui para o debate conceitual ao propor a entropia como métrica alternativa na análise de risco, com aplicações potenciais em gestão financeira, regulação e modelagem de sistemas econômicos complexos.