Introdução A teória moderna do Portfólio foi introduzida por Harry Markowitz em 1952. Em geral, esta teoria afirma que o objetivo do investidor é maximizar os retornos esperados do portfólio para um dado nível de risco.

Nos últimos anos, surgiram uma enxurrada de artigos que discutem este problema e apresentam diferentes soluções para o problema. Entre eles temos o artigo de Chasemartin e d’Haultfoeuille (2020), que mostram como o estimador de TWFE nestes casos é uma soma ponderada de efeitos tratamentos para cada grupo e tempo, e que alguns desses pesos são negativos. Em casos extremos, o coeficiente de regressão linear pode ser negativo mesmo quando todos os efeitos tratamentos médios individuais são positivos. Eles propõem um estimador que potencialmente corrige esses problemas. Este estimador está implementado tanto no Stata quando no R (pacote DIDmultiplegt)

Pacotes Para realizar as análises de performance das ações negociadas na B3 vamos utilizar o pacote tidyquant. Dados Os dados abaixo possuem uma série de informações sobre as empresas negociadas no B3, com atributos de valor de abertura, fechamento, fechamento ajustado e volume negociado para cada dia do período entre Janeiro de 2019 e Março de 2021.

Introdução O ggplot2 é um pacote de visualização de dados open-source desenvolvido para o R. Criado por Hadley Wickham em 2005, é hoje uma das principais ferramentas de um cientista de dados.

Introdução Vamos supor por simplicidade que o lucro de uma empresa com a vender de um produto é dado por: \[\pi = (p - c)q - F\] onde cada produto \(q\) é vendido por um preço \(p\), de modo que cada unidade vendida produz uma receita \(pq\) menos um custo unitário \(cq\), onde \(c\) é o custo marginal de ofertar o produto.

Introdução Duas das técnicas de série temporais mais comumente utilizadas para realizar previsões são os modelos (S)ARIMA e o Exponential Smoothing (ETS). Modelos ARIMA tendem a produzir resultados interessantes com séries mensais, trimestrais e anuais.

Introdução Este texto é uma adaptação/tradução deste texto escrito pelo David Mckenzie. O autor discute resultados e recomendações feitas no paper When Should You Adjust Standard Errors for Clustering de Alberto Abadie, Susan Athey, Guido Imbens e Jeffrey Woodlridge.

Introdução O objetivo do post é apresentar o pacote tidymodels resolvendo um problema simples de customer churn. O tidymodels é uma constelação de pacotes de modelagem estatística e de machine learning presentes no R e que torna simples e prático diversas tarefas presentes no fluxo de trabalho da criação de modelos preditivos.

Introdução Na primeira parte desta série, começamos analisando um banco de dados de churn customer com o pacote tidymodels. Nele discutimos a criação de etapas de pré-processamento dos dados com o pacote recipes, a criação de bases de treinamento e teste com rsample, a estimação de modelos com o parsnipe a criação de workflows com workflow.

Introdução A especifição formal de uma função de produção CES com dois inputs é dada por \[y = \gamma ( \delta x_1^{-\rho} + (1-\delta) x_2^{-\rho})^{-\frac{\nu}{\rho}}\] onde \(y\) é a quantidade de produto, \(x_1\) e \(x_2\) são os input, e \(\gamma\), \(\delta\) e \(\nu\) são parâmetros.