Rafael Baptista Palazzi.

Nesta proposta examinamos a conectividade e os efeitos spillover em uma amostra de índices de mercados emergentes com o objetivo de fornecer percepções para investidores, gerentes de portfólio e formuladores de políticas públicas. Apesar de existirem estudos sobre a transmissão de riscos e contágio entre os investimentos socialmente responsáveis e ativos convencionais, continua a haver uma escassez de investigação neste domínio em mercados emergentes. Por conseguinte, procuramos responder a várias questões relacionadas com os mercados emergentes e investimentos ESG, incluindo a sua conectividade e efeitos de spillover, o papel de cada mercado como contribuinte líquido ou receptor, o impacto da pandemia de COVID-19 e variáveis de risco internacionais nos canais de transmissão. Estes resultados dão importantes insights para a diversificação de carteiras e e a diversificação de risco, contribuindo para um maior investimento em países emergentes. A principal hipótese a ser investigada é que a conectividade entre estes investimentos é concentrada em alguns grupos de países, oferecendo portanto efeitos benéficos de diversificação internacional. Para investigar estas questões será utilizado o modelo de autoregressão vetorial (VAR) de Diebold e Yilmaz (2012, 2014) e a sua variante, o modelo de autoregressão vetorial estrutural com parâmetros variáveis no tempo (TVP-VAR).

[Em fase de captação de recurso - submetido a chamada Fapesp Pesquisa Inovativa em Pequenas Empresas - PIPE/Fapesp]. O setor agropecuário sublinha aproximadamente 50% das exportações do Brasil, sendo o maior exportador de açúcar do mundo. Por outro lado, pequenas e médias usinas brasileiras estão sujeitas as oscilações de preço do mercado e atualmente não dispõem de ferramentas para se protegerem desse risco. Este fato decorre das dificuldades de conseguir informações de mercado atualizadas em tempo real; ausência de profissionais para monitorar as atividades do mercado e o alto custo de contratação de instrumentos de proteção de seu produto (derivativos de commodities). Portanto, estão expostos a variação do mercado e,não por acaso, ocorrem falências de usinas brasileiras. Por sua vez, os pedidos de falência ocasionam uma ruptura na cadeia da cana-de-açúcar e introduzem um risco maior nesse mercado.
Dessa forma, o objetivo deste projeto será desenvolver uma ferramenta de gerenciamento de risco de mercado, com foco especial nas pequenas e médias usinas. Na Fase 1, por meio de técnicas de machine learning e modelos computacionais, propõem-se automatizar a captura dos dados de mercado, construir uma carteira fictícia adaptada ao mercado do açúcar e identificar um modelo de previsão que melhor se aplique ao setor sucroalcooleiro. Posteriormente, na Fase 2, com a definição do melhor modelo de previsão e risco, será desenvolvido um software para executálo-lo. Como resultado relevante, o projeto inova, pois, a literatura indica que há uma necessidade de desenvolver ferramentas que auxiliem no gerenciamento de risco nesse setor . Além disso, as ferramentas de gestão de risco de mercado existentes, além de terem uma aplicação limitada ao contexto brasileiro, não disponibilizam um modelo de previsão de preços. Nosso produto pretende se destacar por oferecer uma tecnologia desenvolvida no Brasil com valor mais acessível e calibrado para levar em consideração aspcetos característicos do mercado nacional.