Browsing by Issue Date, starting with "2021-11-25"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Impacto da gestão de fundo de maneio na rendibilidade, risco e liquidez das ações: Evidência europeiaPublication . Coelho, Tiago Mourão Pereira; Oliveira, Célia Patrício Valente de; Lisboa, Inês Margarida CadimaOs acionistas exigem ser remunerados pelo risco e liquidez das suas ações com rendibilidade, o que incentiva as empresas a procurarem mecanismos que permitam melhorar a liquidez das ações e, assim, aumentarem o seu valor de mercado. Neste sentido, a literatura financeira tem vindo a focar-se no impacto que as decisões de longo prazo desempenham na rendibilidade, risco e liquidez das ações. Contudo, existe uma crescente vaga de estudos que analisam a relação da gestão de curto prazo, mais especificamente da gestão de fundo maneio (GFM), com esses três tópicos. Os resultados e argumentos encontrados são divergentes e inconclusivos, existindo um debate atual na academia em torno do impacto da GFM no mercado de ações. O atual trabalho contribui para este debate ao estudar a existência de um ponto ótimo da GFM, e das suas componentes, que permita maximizar a rendibilidade e a liquidez e minimizar o risco das ações. Para concretizar este objetivo, é analisada uma amostra de 1.145 empresas cotadas em 5 bolsas Euronext, entre janeiro de 2011 e dezembro de 2019. A relação é testada através de modelos de regressão linear múltipla com dados em painel, nos quais se considera a função quadrática do ciclo de tesouraria (CT) e das suas componentes (prazo médio de recebimento – PMR, prazo médio de rotação de inventários – PMRI e prazo médio de pagamento – PMP), para aferir o ponto ótimo. Recorre-se ao modelo de Fama e French (1993) para determinar a rendibilidade em excesso das ações, ao desvio padrão das rendibilidades, de modo a captar o risco, e a duas medidas de liquidez: a medida de Amihud (2002) e de Fong et al. (2017). As evidências empíricas obtidas comprovam a existência de um ponto ótimo do CT que maximiza a rendibilidade e a liquidez e minimiza o risco das ações. Ademais, demonstra-se a existência de um ponto ótimo do PMRI que minimiza o risco e maximiza a liquidez. Os resultados mantêm-se num contexto macroeconómico favorável. Por fim, comprova-se que perante condições macroeconómicas desfavoráveis, existe um ponto ótimo do PMR que minimiza o risco e maximiza a liquidez, bem como um ponto ótimo do PMRI que permite maximizar a liquidez.
- FRAMEWORK FOR LOW-QUAL ITY RETINAL MOSAICINGPublication . Silva, Bruno Reis; Coelho, Paulo Jorge Simões; Cunha, António Manuel Trigueiros da SilvaThe medical equipment used to capture retinal fundus images is generally expensive. With the development of technology and the emergence of smartphones, new portable screening options have emerged, one of them being the D-Eye device. This and other similar devices associated with a smartphone, when compared to specialized equipment, present lower quality in the retinal video captured, yet with sufficient quality to perform a medical pre-screening. From this, if necessary, individuals can be referred for specialized screening, in order to obtain a medical diagnosis. This dissertation contributes to the development of a framework, which is a tool that allows grouping a set of developed and explored methods, applied to low-quality retinal videos. Three areas of intervention were defined: the extraction of relevant regions in video sequences; creating mosaicing images in order to obtain a summary image of each retinal video; develop of a graphical interface to accommodate the previous contributions. To extract the relevant regions from these videos (the retinal zone), two methods were proposed, one of them is based on more classical image processing approaches such as thresholds and Hough Circle transform. The other performs the extraction of the retinal location by applying a neural network, which is one of the methods reported in the literature with good performance for object detection, the YOLOv4. The mosaicing process was divided into two stages; in the first stage, the GLAMpoints neural network was applied to extract relevant points. From these, some transformations are carried out to have in the same referential the overlap of common regions of the images. In the second stage, a smoothing process was performed in the transition between images. A graphical interface was developed to encompass all the above methods to facilitate access to and use of them. In addition, other features were implemented, such as comparing results with ground truth and exporting videos containing only regions of interest.