ES-002: Produtos estruturados avançados

Olá, bem-vindo à nossa aula sobre análise do ATM (At-the-Money). Hoje vamos explorar como o ATM é avaliado ao longo das curvas históricas, identificando se está acima, abaixo ou dentro da média. Utilizaremos um histograma de percentil para ilustrar essa análise, onde valores próximos de zero indicam mínimas históricas e valores próximos de 100% indicam máximas. Com base no quartil em que o ATM se encontra, conseguimos determinar se faz sentido optar por produtos que compram ou vendem volatilidade. Além disso, vamos analisar a distribuição observada do ATM, comparando seu valor atual com a moda e a média, o que nos ajudará a prever possíveis reversões à média. Isso terá um impacto direto na marcação a mercado, auxiliando na tomada de decisões estratégicas, como distrato antecipado ou ajuste de posições. Essa visão ampla do ATM nos dá as ferramentas para selecionar produtos adequados e até prever seu comportamento até o vencimento. E, por fim, aplicaremos a mesma lógica de análise ao SKEW e ao smile, que, apesar de terem características distintas, seguem uma abordagem semelhante.

Olá, bem-vindo à nossa aula sobre análise do SKEW. Hoje vamos explorar como o SKEW é utilizado para medir a assimetria na distribuição dos retornos de um ativo, observando se há uma tendência maior para altas ou quedas nos preços. Ao longo da aula, vamos entender como o SKEW pode ser interpretado para identificar oportunidades de compra ou venda de volatilidade, e como ele nos ajuda a avaliar o risco de movimentos extremos. Além disso, vamos comparar o comportamento do SKEW com suas médias históricas, avaliando se ele está acima ou abaixo do esperado. Isso nos permitirá prever possíveis distorções no mercado e ajustar estratégias de produtos estruturados, levando em conta a inclinação da curva de volatilidade. A visão profunda do SKEW nos permite ajustar nossas posições de forma mais precisa, combinando essa análise com o ATM e o smile para construir uma leitura mais completa do mercado. Esse processo nos ajudará a selecionar os produtos mais adequados para capturar o cenário esperado.

Olá, bem-vindo à nossa aula sobre o smile de volatilidade. Hoje vamos analisar como o smile reflete a diferença na volatilidade implícita das opções, dependendo de quão distante o strike está do preço atual do ativo. Durante a aula, vamos entender como a forma do smile — seja ele mais curvado ou mais plano — pode indicar a expectativa do mercado para movimentos extremos nos preços e como isso impacta a precificação de opções. Vamos explorar como o smile se relaciona com diferentes vencimentos e strikes, ajudando a identificar oportunidades estratégicas para comprar ou vender volatilidade. Analisaremos também como o comportamento do smile pode variar em diferentes cenários de mercado e como utilizá-lo para ajustar produtos estruturados com base nas expectativas futuras de volatilidade. Com essa visão clara do smile, poderemos fazer uma leitura mais completa do mercado, integrando sua análise com o ATM e o SKEW. Isso nos permitirá construir estratégias mais assertivas e escolher produtos que maximizam os resultados em diversos cenários.

Nesta aula, vamos integrar o conteúdo das últimas três aulas e iniciar o processo de interpretação de como o SKEW só pode ser analisado após entendermos em que nível de percentil está o ATM. Dependendo do nível do ATM, podemos ter diferentes interpretações para o SKEW. O mesmo raciocínio deve ser aplicado à relação entre o ATM e o smile. Embora SKEW e smile tenham interpretações distintas, o ATM impacta tanto sua magnitude quanto sua leitura. Outro ponto complexo é a interação entre SKEW e smile, pois o polinômio do modelo FVol tem como base um polinômio de segundo grau, além de contar com mais cinco equações que realizam ajustes, mas esses pontos não serão analisados em detalhe nesta aula. Todo polinômio de segundo grau, ao aplicar a metodologia do solver polinomial que utiliza a fórmula de Nelder-Mead, encontra um conjunto de valores de ATM, SKEW e smile que geram um polinômio em que a diferença dos valores observados com os preços de mercado, elevada ao quadrado, é minimizada. Portanto, é possível haver mais de uma solução, ou seja, mais de uma combinação de ATM, SKEW e smile pode minimizar o erro quadrático. Analisar o SKEW sem o smile não nos permitirá chegar a uma conclusão precisa. Um influencia o outro, e a leitura conjunta dos três elementos nos ajudará a definir se o mercado está se posicionando para alta, queda, ou se não há um sentimento claro, sem posições definidas.

Nesta aula, vamos demonstrar como aplicar o conteúdo da última aula no mercado real. Utilizaremos os ativos que compõem o índice Ibovespa do dia 17/09/2024, realizando estudos estatísticos para todos os ativos. Em seguida, aplicaremos a metodologia para identificar quais ativos mostram sinais de que os agentes econômicos estão se posicionando para uma alta. Em um mercado de alta, os investidores tendem a comprar opções de call fora do dinheiro, o que eleva o prêmio dessas opções e, consequentemente, aumenta a volatilidade implícita. Esse movimento se reflete em um aumento no smile. Para equilibrar esse efeito, o SKEW geralmente precisa cair, compensando a elevação nas caudas das opções de put fora do dinheiro.

Nesta aula, vamos demonstrar como aplicar o conteúdo da última aula no mercado real. Utilizaremos os ativos que compõem o índice Ibovespa do dia 17/09/2024, realizando estudos estatísticos para todos os ativos. Em seguida, aplicaremos a metodologia para identificar quais ativos apresentam sinais de que os agentes econômicos estão se posicionando para uma queda. Em um mercado de queda, os investidores tendem a comprar opções de put fora do dinheiro, o que aumenta o prêmio dessas opções e, consequentemente, eleva a volatilidade implícita. Esse movimento se reflete em um aumento do SKEW, que sinaliza a maior demanda por proteção contra quedas. Para equilibrar esse efeito, o smile geralmente diminui, compensando a elevação nas caudas das opções de call fora do dinheiro.

Nesta aula, vamos abordar como interpretar corretamente a capacidade de leitura do mercado, destacando a importância da liquidez nas curvas e a necessidade de um volume de contratos em aberto suficiente para que possamos inferir a tendência do mercado. Ao utilizar um produto estruturado, especialmente em prazos mais longos, é comum que não haja uma superfície de volatilidade líquida disponível para esse período. Nesse caso, o ATM, SKEW e smile serão calculados com base na distribuição estatística do preço do ativo, tornando a análise focada nos parâmetros, e não na leitura direta do mercado. O objetivo, então, é otimizar o produto de acordo com esses dados. Nesta aula, o foco será entender quais ativos permitem uma leitura de mercado confiável e como analisar os parâmetros para otimizar a estruturação dos produtos.

Nesta aula, vamos apresentar a carteira recomendada, explicando sua origem, os nomes selecionados e a base histórica que utilizaremos para realizar a análise. Definiremos as regras e os ativos para que possamos analisar uma carteira com 10 ativos. Esta abordagem é uma maneira inteligente e eficaz de estruturar produtos conservadores, moderados e agressivos, combinando dados estatísticos da última superfície de volatilidade com o call do analista.

O processo é simples. Inicialmente, carregamos os gráficos de 5 anos e 2 anos do ativo objeto. No exemplo, utilizaremos ITUB4. Infelizmente, não conseguimos acessar os preços-alvo do ativo, portanto, teremos que desenhar estimativas para servir de base. Idealmente, o analista deve apresentar os pontos-alvo, como fazemos nos podcasts, mas, neste caso, vamos abstrair e definir esses pontos a partir da análise dos gráficos. Em seguida, identificamos o setor em que o ativo está posicionado. Analisamos a taxa de juros e o aluguel de ITUB4 para determinar se os forward points estão altos ou baixos. Depois, confrontamos o ATM com seu percentil para entender melhor o comportamento do ativo dentro do setor. Faremos uma análise para verificar se o mercado está se posicionando na direção do call do analista, o que pode indicar uma tendência para produtos mais agressivos ou conservadores. Com o setor definido, selecionamos os produtos que otimizam o payout e os ajustamos ao call do analista, tentando aproximar os preços-alvo estimados. A partir disso, estruturamos três tipos de produtos: conservador, moderado e agressivo. Por fim, analisamos a possibilidade de termos uma marcação a mercado favorável ou desfavorável, dependendo se o ATM convergir para a moda ou a média. Produtos com marcação a mercado favorável podem resultar em um distrato antecipado vantajoso.

O processo é simples. Inicialmente, carregamos os gráficos de 5 anos e 2 anos do ativo objeto. No exemplo, utilizaremos PRIO3. Infelizmente, não conseguimos acessar os preços-alvo do ativo, portanto, teremos que desenhar estimativas para servir de base. Idealmente, o analista deve apresentar os pontos-alvo, como fazemos nos podcasts, mas, neste caso, vamos abstrair e definir esses pontos a partir da análise dos gráficos. Em seguida, identificamos o setor em que PRIO3 está posicionado. Analisamos a taxa de juros e o aluguel de PRIO3 para determinar se os forward points estão altos ou baixos. Depois, confrontamos o ATM com seu percentil para entender melhor o comportamento do ativo dentro do setor de energia e petróleo. Faremos uma análise para verificar se o mercado está se posicionando na direção do call do analista, o que pode indicar uma tendência para produtos mais agressivos ou conservadores. Com o setor definido, selecionamos os produtos que otimizam o payout e os ajustamos ao call do analista, tentando aproximar os preços-alvo estimados. A partir disso, estruturamos três tipos de produtos: conservador, moderado e agressivo. Por fim, analisamos a possibilidade de termos uma marcação a mercado favorável ou desfavorável, dependendo se o ATM convergir para a moda ou a média. Produtos com marcação a mercado favorável podem resultar em um distrato antecipado vantajoso.

O processo é simples. Inicialmente, carregamos os gráficos de 5 anos e 2 anos do ativo objeto. No exemplo, utilizaremos CYRE3. Infelizmente, não conseguimos acessar os preços-alvo do ativo, portanto, teremos que desenhar estimativas para servir de base. Idealmente, o analista deve apresentar os pontos-alvo, como fazemos nos podcasts, mas, neste caso, vamos abstrair e definir esses pontos a partir da análise dos gráficos. Em seguida, identificamos o setor em que CYRE3 está posicionado, que é o setor de construção civil. Analisamos a taxa de juros e o aluguel de CYRE3 para determinar se os forward points estão altos ou baixos. Depois, confrontamos o ATM com seu percentil para entender melhor o comportamento do ativo dentro do setor. Faremos uma análise para verificar se o mercado está se posicionando na direção do call do analista, o que pode indicar uma tendência para produtos mais agressivos ou conservadores. Com o setor definido, selecionamos os produtos que otimizam o payout e os ajustamos ao call do analista, tentando aproximar os preços-alvo estimados. A partir disso, estruturamos três tipos de produtos: conservador, moderado e agressivo. Por fim, analisamos a possibilidade de termos uma marcação a mercado favorável ou desfavorável, dependendo se o ATM convergir para a moda ou a média. Produtos com marcação a mercado favorável podem resultar em um distrato antecipado vantajoso.

O processo é simples. Inicialmente, carregamos os gráficos de 5 anos e 2 anos do ativo objeto. No exemplo, utilizaremos ELET3. Infelizmente, não conseguimos acessar os preços-alvo do ativo, portanto, teremos que desenhar estimativas para servir de base. Idealmente, o analista deve apresentar os pontos-alvo, como fazemos nos podcasts, mas, neste caso, vamos abstrair e definir esses pontos a partir da análise dos gráficos. Em seguida, identificamos o setor em que ELET3 está posicionado, o setor de energia elétrica. Analisamos a taxa de juros e o aluguel de ELET3 para determinar se os forward points estão altos ou baixos. Depois, confrontamos o ATM com seu percentil para entender melhor o comportamento do ativo dentro do setor. Faremos uma análise para verificar se o mercado está se posicionando na direção do call do analista, o que pode indicar uma tendência para produtos mais agressivos ou conservadores. Com o setor definido, selecionamos os produtos que otimizam o payout e os ajustamos ao call do analista, tentando aproximar os preços-alvo estimados. A partir disso, estruturamos três tipos de produtos: conservador, moderado e agressivo. Por fim, analisamos a possibilidade de termos uma marcação a mercado favorável ou desfavorável, dependendo se o ATM convergir para a moda ou a média. Produtos com marcação a mercado favorável podem resultar em um distrato antecipado vantajoso.

O processo é simples. Inicialmente, carregamos os gráficos de 5 anos e 2 anos do ativo objeto. No exemplo, utilizaremos JBSS3. Infelizmente, não conseguimos acessar os preços-alvo do ativo, portanto, teremos que desenhar estimativas para servir de base. Idealmente, o analista deve apresentar os pontos-alvo, como fazemos nos podcasts, mas, neste caso, vamos abstrair e definir esses pontos a partir da análise dos gráficos. Em seguida, identificamos o setor em que JBSS3 está posicionado, que é o setor de alimentos e proteínas. Analisamos a taxa de juros e o aluguel de JBSS3 para determinar se os forward points estão altos ou baixos. Depois, confrontamos o ATM com seu percentil para entender melhor o comportamento do ativo dentro do setor. Faremos uma análise para verificar se o mercado está se posicionando na direção do call do analista, o que pode indicar uma tendência para produtos mais agressivos ou conservadores. Com o setor definido, selecionamos os produtos que otimizam o payout e os ajustamos ao call do analista, tentando aproximar os preços-alvo estimados. A partir disso, estruturamos três tipos de produtos: conservador, moderado e agressivo. Por fim, analisamos a possibilidade de termos uma marcação a mercado favorável ou desfavorável, dependendo se o ATM convergir para a moda ou a média. Produtos com marcação a mercado favorável podem resultar em um distrato antecipado vantajoso.

O processo é simples. Inicialmente, carregamos os gráficos de 5 anos e 2 anos do ativo objeto. No exemplo, utilizaremos KLBN11. Infelizmente, não conseguimos acessar os preços-alvo do ativo, portanto, teremos que desenhar estimativas para servir de base. Idealmente, o analista deve apresentar os pontos-alvo, como fazemos nos podcasts, mas, neste caso, vamos abstrair e definir esses pontos a partir da análise dos gráficos. Em seguida, identificamos o setor em que KLBN11 está posicionado, que é o setor de papel e celulose. Analisamos a taxa de juros e o aluguel de KLBN11 para determinar se os forward points estão altos ou baixos. Depois, confrontamos o ATM com seu percentil para entender melhor o comportamento do ativo dentro do setor. Faremos uma análise para verificar se o mercado está se posicionando na direção do call do analista, o que pode indicar uma tendência para produtos mais agressivos ou conservadores. Com o setor definido, selecionamos os produtos que otimizam o payout e os ajustamos ao call do analista, tentando aproximar os preços-alvo estimados. A partir disso, estruturamos três tipos de produtos: conservador, moderado e agressivo. Por fim, analisamos a possibilidade de termos uma marcação a mercado favorável ou desfavorável, dependendo se o ATM convergir para a moda ou a média. Produtos com marcação a mercado favorável podem resultar em um distrato antecipado vantajoso.

O processo é simples. Inicialmente, carregamos os gráficos de 5 anos e 2 anos do ativo objeto. No exemplo, utilizaremos VALE3. Infelizmente, não conseguimos acessar os preços-alvo do ativo, portanto, teremos que desenhar estimativas para servir de base. Idealmente, o analista deve apresentar os pontos-alvo, como fazemos nos podcasts, mas, neste caso, vamos abstrair e definir esses pontos a partir da análise dos gráficos. Em seguida, identificamos o setor em que VALE3 está posicionado, que é o setor de mineração e metais. Analisamos a taxa de juros e o aluguel de VALE3 para determinar se os forward points estão altos ou baixos. Depois, confrontamos o ATM com seu percentil para entender melhor o comportamento do ativo dentro do setor. Faremos uma análise para verificar se o mercado está se posicionando na direção do call do analista, o que pode indicar uma tendência para produtos mais agressivos ou conservadores. Com o setor definido, selecionamos os produtos que otimizam o payout e os ajustamos ao call do analista, tentando aproximar os preços-alvo estimados. A partir disso, estruturamos três tipos de produtos: conservador, moderado e agressivo. Por fim, analisamos a possibilidade de termos uma marcação a mercado favorável ou desfavorável, dependendo se o ATM convergir para a moda ou a média. Produtos com marcação a mercado favorável podem resultar em um distrato antecipado vantajoso.

O processo é simples. Inicialmente, carregamos os gráficos de 5 anos e 2 anos do ativo objeto. No exemplo, utilizaremos VBBR3. Infelizmente, não conseguimos acessar os preços-alvo do ativo, portanto, teremos que desenhar estimativas para servir de base. Idealmente, o analista deve apresentar os pontos-alvo, como fazemos nos podcasts, mas, neste caso, vamos abstrair e definir esses pontos a partir da análise dos gráficos. Em seguida, identificamos o setor em que VBBR3 está posicionado, que é o setor de logística e infraestrutura. Analisamos a taxa de juros e o aluguel de VBBR3 para determinar se os forward points estão altos ou baixos. Depois, confrontamos o ATM com seu percentil para entender melhor o comportamento do ativo dentro do setor. Faremos uma análise para verificar se o mercado está se posicionando na direção do call do analista, o que pode indicar uma tendência para produtos mais agressivos ou conservadores. Com o setor definido, selecionamos os produtos que otimizam o payout e os ajustamos ao call do analista, tentando aproximar os preços-alvo estimados. A partir disso, estruturamos três tipos de produtos: conservador, moderado e agressivo. Por fim, analisamos a possibilidade de termos uma marcação a mercado favorável ou desfavorável, dependendo se o ATM convergir para a moda ou a média. Produtos com marcação a mercado favorável podem resultar em um distrato antecipado vantajoso.

O processo é simples. Inicialmente, carregamos os gráficos de 5 anos e 2 anos do ativo objeto. No exemplo, utilizaremos PETR4. Infelizmente, não conseguimos acessar os preços-alvo do ativo, portanto, teremos que desenhar estimativas para servir de base. Idealmente, o analista deve apresentar os pontos-alvo, como fazemos nos podcasts, mas, neste caso, vamos abstrair e definir esses pontos a partir da análise dos gráficos. Em seguida, identificamos o setor em que PETR4 está posicionado, que é o setor de petróleo e gás. Analisamos a taxa de juros e o aluguel de PETR4 para determinar se os forward points estão altos ou baixos. Depois, confrontamos o ATM com seu percentil para entender melhor o comportamento do ativo dentro do setor. Faremos uma análise para verificar se o mercado está se posicionando na direção do call do analista, o que pode indicar uma tendência para produtos mais agressivos ou conservadores. Com o setor definido, selecionamos os produtos que otimizam o payout e os ajustamos ao call do analista, tentando aproximar os preços-alvo estimados. A partir disso, estruturamos três tipos de produtos: conservador, moderado e agressivo. Por fim, analisamos a possibilidade de termos uma marcação a mercado favorável ou desfavorável, dependendo se o ATM convergir para a moda ou a média. Produtos com marcação a mercado favorável podem resultar em um distrato antecipado vantajoso.

O processo é simples. Inicialmente, carregamos os gráficos de 5 anos e 2 anos do ativo objeto. No exemplo, utilizaremos SBSP3. Infelizmente, não conseguimos acessar os preços-alvo do ativo, portanto, teremos que desenhar estimativas para servir de base. Idealmente, o analista deve apresentar os pontos-alvo, como fazemos nos podcasts, mas, neste caso, vamos abstrair e definir esses pontos a partir da análise dos gráficos. Em seguida, identificamos o setor em que SBSP3 está posicionado, que é o setor de saneamento. Analisamos a taxa de juros e o aluguel de SBSP3 para determinar se os forward points estão altos ou baixos. Depois, confrontamos o ATM com seu percentil para entender melhor o comportamento do ativo dentro do setor. Faremos uma análise para verificar se o mercado está se posicionando na direção do call do analista, o que pode indicar uma tendência para produtos mais agressivos ou conservadores. Com o setor definido, selecionamos os produtos que otimizam o payout e os ajustamos ao call do analista, tentando aproximar os preços-alvo estimados. A partir disso, estruturamos três tipos de produtos: conservador, moderado e agressivo. Por fim, analisamos a possibilidade de termos uma marcação a mercado favorável ou desfavorável, dependendo se o ATM convergir para a moda ou a média. Produtos com marcação a mercado favorável podem resultar em um distrato antecipado vantajoso.

Nesta aula, vamos analisar os ativos que compõem o setor financeiro, focando naqueles que possuem superfícies com liquidez e posições em aberto. O objetivo é examinar o ATM (At-The-Money), o skew e o smile dos ativos em relação ao preço do ativo-objeto. Compararemos o ATM e o percentual do setor, buscando identificar possíveis discrepâncias. Quando o ATM e a distribuição estão em equilíbrio, podemos aprofundar a análise do skew e do smile em relação aos percentis e seus pares no setor. Como conclusão, tentaremos identificar quais ativos apresentam posições apostando em alta ou queda, ou se, eventualmente, os dados não são suficientes para concluir, ou se não há uma posição evidente no mercado. Bancos e Financeiras: ITUB4; BBAS3; BBDC4; BPAC11; SANB11; BRSR6 Seguros e Previdência: BBSE3; PSSA3

Nesta aula, vamos abordar os seguintes setores e seus ativos correspondentes: Petróleo e Gás: PETR3; PETR4; PRIO3; CSAN3 Energia Elétrica: ELET3; ELET6; EGIE3; ENEV3; EQTL3; CPFE3; ALUP11; TAEE11; NEOE3 Saneamento: SBSP3; CSMG3; SAPR11 Analisaremos o comportamento do ATM Skew e do Smile utilizando uma base de dados de 252 dias úteis para o longo prazo e de 21 dias úteis para o curto prazo. Nosso objetivo é identificar, dentro de cada setor, quais ativos estão recebendo maior interesse por parte dos agentes do mercado, ou seja, aqueles em que acreditam em uma valorização. Também investigaremos quais ativos demonstram menos confiança dos investidores, sugerindo uma menor expectativa de alta.

Nesta aula, iremos explorar os setores e ativos a seguir: Mineração e Metais: VALE3; GGBR4; CSNA3; USIM5; CMIN3; BRKM5 Papel e Celulose: SUZB3; KLBN11 Nossa análise será baseada nos comportamentos do ATM Skew e do Smile, avaliando dois períodos distintos: um de curto prazo (21 dias úteis) e outro de longo prazo (252 dias úteis). O objetivo é identificar como esses indicadores se comportaram ao longo do tempo, determinando quais ativos dentro de cada setor estão recebendo maior interesse por parte dos investidores, ou seja, aqueles com maior expectativa de valorização. Além disso, examinaremos quais ativos apresentam menor expectativa de alta, com base no comportamento do mercado.

Nesta aula, vamos analisar os seguintes setores e seus respectivos ativos: Varejo e E-commerce: MGLU3; BHIA3; CEAB3 Automotivo: MOVI3; POMO4; MYPK3; TUPY3 Construção Civil: CYRE3; MRVE3; EVEN3; DIRR3; JHSF3 Nosso objetivo será avaliar o comportamento dos indicadores ATM Skew e Smile, utilizando uma base de dados com dois períodos distintos: 21 dias úteis para o curto prazo e 252 dias úteis para o longo prazo. Analisaremos quais ativos dentro de cada setor estão recebendo maior atenção dos investidores, sinalizando expectativa de valorização, e também identificaremos aqueles que demonstram menor confiança do mercado, sugerindo uma expectativa de baixa ou estagnação.

Nesta aula, vamos explorar os seguintes setores e seus respectivos ativos: Alimentos e Bebidas: ABEV3; JBSS3; BRFS3; BEEF3 Varejo Farmacêutico e Saúde: HYPE3; PGMN3; FLRY3; DASA3 Produtos de Consumo: NTCO3; MDIA3; SMTO3 Nosso foco será analisar o comportamento dos indicadores ATM Skew e Smile, com base em duas janelas de tempo: 21 dias úteis para o curto prazo e 252 dias úteis para o longo prazo. A análise visa identificar quais ativos estão atraindo maior interesse dos investidores, sugerindo uma expectativa de valorização, e também destacar aqueles que possuem menor confiança do mercado, sinalizando uma possível baixa ou estagnação.

Nesta aula, vamos explorar os seguintes setores e seus respectivos ativos: Software e Serviços: TOTS3; LWSA3; POSI3 E-commerce e Tecnologia: MELI34; LWSA3 Telecomunicações: VIVT3; TIMS3; OIBR3; OIBR4 Nosso objetivo será analisar o comportamento dos indicadores ATM Skew e Smile, utilizando uma base de dados com dois períodos distintos: 21 dias úteis para o curto prazo e 252 dias úteis para o longo prazo. A análise irá nos permitir identificar quais ativos estão recebendo maior interesse por parte dos investidores, indicando expectativa de valorização, e também aqueles que demonstram menor confiança do mercado, sinalizando uma possível expectativa de baixa ou estagnação.

Nesta aula, vamos explorar os seguintes setores e seus respectivos ativos: Transporte e Logística: RAIL3; CCRO3; STBP3 Infraestrutura e Construção: ECOR3; LOGG3; TEND3 Nosso foco será analisar o comportamento dos indicadores ATM Skew e Smile, considerando uma base de dados com dois períodos distintos: 21 dias úteis para o curto prazo e 252 dias úteis para o longo prazo. A análise busca identificar quais ativos estão atraindo maior interesse dos investidores, indicando uma expectativa de valorização, e também apontar aqueles que apresentam menor confiança do mercado, sugerindo uma possível expectativa de baixa ou estagnação.

Nesta aula, vamos explorar os seguintes setores e seus respectivos ativos: Fundos Imobiliários: XPML11; HGLG11; PVBI11 Imobiliário: MRVE3; CYRE3; TEND3 Educação: YDUQ3; COGN3; ANIM3 Nosso objetivo será analisar o comportamento dos indicadores ATM Skew e Smile, utilizando uma base de dados com dois períodos distintos: 21 dias úteis para o curto prazo e 252 dias úteis para o longo prazo. A análise permitirá identificar quais ativos estão recebendo maior atenção dos investidores, sugerindo uma expectativa de valorização, e também destacar aqueles que mostram menor confiança por parte do mercado, sinalizando uma possível expectativa de baixa ou estagnação.