Pair Trading com Machine Learning no Mercado Brasileiro: uma Comparação com a Abordagem Clássica de Cointegração

Pereira, Pablo Diego de Albuquerque; Santos, Diego Pedroso dos

doi:10.22167/2675-6528-202602302

Artigo

16 de setembro de 2026

Pair Trading com Machine Learning no Mercado Brasileiro: uma Comparação com a Abordagem Clássica de Cointegração

Pablo Diego de Albuquerque Pereira; Diego Pedroso dos Santos

DOI: 10.22167/2675-6528-202602302

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A arbitragem estatística via Pairs Trading é uma estratégia consolidada na gestão quantitativa de portfólios. Investigou-se a aplicação de Machine Learning não supervisionado para seleção de pares de ativos, comparando seu desempenho com a abordagem clássica de Cointegração no mercado financeiro brasileiro. Dados históricos da B3, de 2004 a 2025, foram coletados e processados por validação walk-forward. A metodologia de Machine Learning combinou Análise de Componentes Principais (PCA) e o algoritmo DBSCAN para identificar clusters de ativos, enquanto a abordagem Baseline utilizou a Cointegração Clássica setorial. Testes T de Welch e de Levene foram aplicados para inferência estatística. Os resultados indicaram que, embora a diferença nos retornos médios diários não tenha sido estatisticamente significativa (p = 0,656), a estratégia de Machine Learning alcançou retorno acumulado superior (202,48% vs. 157,24%) e menor volatilidade anualizada (4,29% vs. 4,62%) em comparação com a Baseline. O Teste de Levene sugeriu uma tendência de redução de risco (p = 0,066) pela abordagem de Machine Learning. Concluiu-se que o pipeline de Machine Learning aprimorou a qualidade dos pares selecionados, resultando em um portfólio com menor volatilidade e maior retorno acumulado em horizontes longos, sem necessariamente prever retornos superiores em termos estatísticos diários.

Palavras-chave: Algoritmos de Agrupamento; Análise de Componentes Principais; B3; Cointegração; Finanças Quantitativas.

1. Introdução

A evolução dos mercados financeiros nas últimas últimas décadas consolidou a adoção de estratégias quantitativas como ferramenta central para a gestão de portfólios institucionais. Dentre as diversas modalidades de operações sistemáticas, a arbitragem estatística destaca-se por explorar desvios temporários de precificação entre ativos historicamente correlacionados, fundamentando-se na premissa de reversão à média. Tal abordagem, conhecida como “Pairs Trading”, foi popularizada na década de 1980 por analistas do Morgan Stanley e, desde então, tornou-se uma das estratégias de “hedge funds” mais estudadas na literatura acadêmica (Gatev; Goetzmann; Rouwenhorst, 2006).

O princípio operacional do “Pairs Trading” é relativamente intuitivo: identifica-se um par de ativos cujos preços apresentem trajetória comum no longo prazo, e opera-se as divergências de curto prazo, comprando o ativo relativamente depreciado e vendendo a descoberto aquele relativamente sobrevalorizado. Quando os preços convergem para seu equilíbrio histórico, ambas as posições são encerradas com lucro. Essa dinâmica configura uma estratégia “market neutral”, uma vez que a exposição direcional ao mercado é teoricamente neutralizada pela combinação de posições longas e curtas, característica particularmente valorizada em cenários de elevada incerteza macroeconômica.

Historicamente, a seleção de pares baseou-se em critérios fundamentalistas, especialmente na classificação setorial. Presume-se que empresas do mesmo segmento econômico estejam sujeitas a riscos sistêmicos similares e, portanto, apresentem maior probabilidade de cointegração. Contudo, tal heurística enfrenta limitações estruturais evidentes no mercado brasileiro. A B3, principal bolsa de valores do país, caracteriza-se por elevada concentração setorial, com segmentos de commodities e financeiro respondendo por parcela substancial da capitalização total e do volume negociado. Essa assimetria dificulta a construção de carteiras diversificadas com base exclusivamente no critério setorial, reduzindo o universo de pares viáveis e podendo induzir à formação de portfólios subótimos. Adicionalmente, a classificação setorial é estática e nem sempre captura as dinâmicas latentes de preço, o que pode comprometer a premissa de co-movimento, especialmente em períodos de estresse (Caldeira, 2013).

No contexto de crescente disponibilidade de dados e poder computacional, técnicas de Machine Learning não supervisionado emergem como alternativa promissora. Ao invés de recorrer exclusivamente a categorizações a priori engessadas, algoritmos como o DBSCAN (“Density-Based Spatial Clustering of Applications with Noise”), combinados com a Análise de Componentes Principais (PCA), permitem a construção de um modelo híbrido. Nessa arquitetura, a similaridade empírica baseada na dinâmica latente de preços, extraída matematicamente via PCA, atua quebrando a barreira setorial, permitindo a identificação de co-movimentos atípicos e pares de alta cointegração intersetoriais. A precedência da combinação entre PCA e DBSCAN foi demonstrada por Sohail et al. (2020), obtendo ampla vantagem sobre abordagens puramente categóricas.

A literatura sobre “Pairs Trading” no mercado brasileiro permanece relativamente escassa quando comparada à produção internacional, especialmente no que tange à aplicação de técnicas de Machine Learning. Este estudo preenche parcialmente essa lacuna, reportando evidências empíricas de vinte e um anos de dados históricos, e valida a generalização do framework de Sohail et al. (2020) em um mercado emergente distinto. A identificação de pares robustos atende o interesse direto de gestores quantitativos que buscam alfa descorrelacionado, pois, durante crises sistêmicas severas, a modelagem híbrida de Machine Learning destaca-se por sua adaptabilidade ao encontrar co-movimentos empiricamente validados cruzando as convenções setoriais. Assim, o objetivo geral deste trabalho é desenvolver e avaliar um modelo de Machine Learning não supervisionado para a seleção de ativos em estratégias de “Pairs Trading”, comparando seu desempenho com a abordagem tradicional de Cointegração Clássica no mercado financeiro brasileiro, no período de 2004 a 2025.

2. Material e Métodos

Em relação aos aspectos éticos, o estudo se enquadra nas exceções previstas pelo Manual de Normas da instituição (item 5.2) e pela Resolução CNS nº 510, de 2016, Art. 1º, Parágrafo Único, Incisos II e III. Isso ocorre porque utiliza apenas informações de acesso público e de domínio público do mercado financeiro, não envolvendo a participação direta ou indireta de seres humanos ou o manejo de dados sensíveis, estando, portanto, dispensado de apreciação pelo Comitê de Ética em Pesquisa (CEP).

Este estudo delimitou-se ao mercado de ações brasileiro (B3), utilizando o universo de ativos integrantes ou historicamente integrantes do Índice Bovespa (IBOV) no período de 2004 a 2025. Não foram consideradas outras classes de ativos (derivativos, ETFs, fundos imobiliários) nem mercados internacionais. O modelo de simulação não incorporou custos de transação (corretagem, emolumentos e custo de aluguel de ações – BTC), adotando como premissa a execução a preços de fechamento sem impacto de mercado. O fluxo metodológico e a estrutura lógica do estudo são apresentados na Figura 1.

Figura 1. Fluxo Metodológico e Estrutura Lógica do Estudo.

Fonte: Dados originais da pesquisa.

Os dados foram coletados via biblioteca não-oficial tvDatafeed (v2.0+) em Python, que acessa dados históricos da plataforma TradingView para a exchange BMFBOVESPA (B3). O universo de estudo compreendeu aproximadamente 100 ativos do IBOV ao longo do período analisado. Para cada ativo, foram obtidas séries de preços de fechamento diários (close), totalizando cerca de 5.000 barras por ativo. Os arquivos foram salvos em formato CSV e posteriormente consolidados em um único arquivo “Parquet” via pipeline de pré-processamento. O índice IBOV, utilizado como “benchmark” externo na análise comparativa, foi coletado separadamente via API pública do yfinance.

Os seguintes critérios de elegibilidade foram aplicados ao universo inicial para garantir liquidez e qualidade dos dados, conforme exposto na Tabela 1.

Tabela 1. Parâmetros operacionais

Critério	Parâmetro
Volume mínimo diário	Média > R$ 1 milhão no período de formação
Disponibilidade de dados	Mínimo de 252 pregões contínuos de histórico
Continuidade	Ausência de “gaps” superiores a 5 pregões consecutivos
Qualidade	Ausência de valores negativos ou outliers de preço (>3σ)

Fonte: Fonte original

Ativos que não satisfizeram tais critérios foram excluídos do universo de seleção em cada janela de formação do “walk-forward”.

Os dados brutos foram submetidos a um pipeline de tratamento padronizado, que incluiu: 1. Limpeza: Remoção de pregões com dados ausentes (NaN) e tratamento de “splits” não ajustados à API; 2. Retornos logarítmicos: Os preços de fechamento foram convertidos em log-returns, conforme Equação (6):

r_t = ln(P_t / P_t-1) (6)

3. Normalização Z-Score: A matriz de retornos foi normalizada (média zero, desvio-padrão unitário) por variável (ativo) antes da aplicação do PCA; 4. Consolidação: Os dados processados foram salvos em formato “Parquet”.

Reconhece-se a existência de viés de sobrevivência (“survivorship bias”), uma vez que o universo de ativos é baseado na composição histórica do IBOV conforme disponível na fonte de dados. Tal limitação é comum a estudos acadêmicos de “backtesting” e é parcialmente mitigada pelo foco em ativos de alta liquidez.

A implementação foi desenvolvida integralmente em Python 3.10, estruturada em três “notebooks” Jupyter sequenciais. O ecossistema computacional baseou-se nas bibliotecas pandas, numpy, scikit-learn, statsmodels, scipy, duckdb, tvdatafeed e yfinance.

Para simular a operação em ambiente real e garantir rigor metodológico, adotou-se o protocolo de validação “Walk-Forward”, com janelas de formação (“training”) de 12 meses e janelas de operação (“testing”) de 6 meses, avançando com passos semestrais ao longo de todo o horizonte histórico (janeiro de 2004 a dezembro de 2025). Os parâmetros ɛ e min_samples do DBSCAN foram estabelecidos de forma fixa em 0.30 e 3, respectivamente, sem calibração iterativa via Heurística da Distância, devido ao custo computacional e instabilidade inter-janelas.

Duas abordagens de seleção de pares foram comparadas. Na abordagem Baseline (Cointegração Clássica), os pares foram formados exclusivamente entre ativos do mesmo setor econômico (conforme listado no site da B3). Para cada par candidato, testou-se a hipótese de cointegração pelo procedimento de dois passos de Engle-Granger. Pares com p-valor ≤ 0.05 foram considerados elegíveis para operação na janela seguinte.

A abordagem proposta (Machine Learning – ML) fundamentou-se no “framework” de Sohail et al. (2020), adaptado ao mercado brasileiro e operacionalizado em um pipeline integrado por janela “walk-forward”. A matriz de retornos logarítmicos foi normalizada via Z-Score por ativo, seguida da aplicação de Análise de Componentes Principais (PCA) para a retenção dos quatro componentes de maior expressividade. Os scores resultantes foram concatenados a variáveis binárias (“dummies”) representativas dos setores econômicos da B3. Sobre essa representação híbrida, aplicou-se o algoritmo DBSCAN (eps = 0.30; min_samples = 3), permitindo a identificação de “clusters” baseados em similaridade empírica e o descarte automático de ativos ruidosos. Por fim, os pares formados dentro de cada agrupamento foram validados estatisticamente pelo Teste de Cointegração de Engle-Granger, limitando a seleção final a relações com p-valor ≤ 0.05, conforme ilustrado na Figura 2.

Figura 2. Identificação Híbrida de “Clusters” no Espaço PCA-Dummies.

Fonte: Dados originais da pesquisa.

Para ambas as abordagens, a estratégia de “Pairs Trading” implementada seguiu o modelo clássico de reversão à média, operando o “spread” normalizado (Z-Score) entre os ativos do par. O “spread” (7) foi definido como o resíduo da regressão OLS entre os preços dos ativos:

Spread_t = P_dep,t – β. P_ind,t (7)

onde β (hedge ratio) foi estimado via OLS no período de formação. O Z-Score (8) do “spread” foi calculado em janela móvel de 60 pregões:

Z_t = (Spread_t – μ₆₀) / σ₆₀ (8)

Os parâmetros operacionais das operações são apresentados na Tabela 2.

Tabela 2. Parâmetros de entrada e saída

Evento	Condição	Ação
Entrada “Long”	Z < -2,0	Compra ativo dependente, vende ativo independente
Entrada “Short”	Z > +2,0	Vende ativo dependente, compra ativo independente
Saída Natural	Z ≥ 0,0 (“Long”) ou Z ≤ 0,0 (“Short”)	Encerramento da posição com lucro/prejuízo
Saída Forçada	Fim da janela de operação	Posição encerrada ao preço do último pregão da janela

Fonte: Dados originais da pesquisa.

O threshold de saída adotado foi Z = 0,0 (retorno ao equilíbrio), sem zona de buffer. Posições não encerradas até o fim da janela de operação foram liquidadas compulsoriamente na data de encerramento da janela.

A simulação de portfólio foi desenvolvida de forma cronológica e consolidada (todos os pares em uma única série temporal), com os parâmetros demonstrados na Tabela 3.

Tabela 3. Parâmetros financeiros

Parâmetro	Valor
Capital Inicial	R$ 100.000,00
Alocação por trade	10% do capital disponível
Alavancagem máxima	1:1 (sem alavancagem)
Máx. posições simultâneas por ativo	2
Custos de transação	Não modelados (limitação documentada)

Fonte: Dados originais da pesquisa.

A cada pregão, o valor do portfólio foi atualizado somando os P&L (“profit and loss”) de todas as posições abertas. O retorno diário (9) do portfólio é:

R_portfolio,t = (V_t – V_t-1) / V_t-1 (9)

onde V_t representa o valor total do portfólio no pregão t.

As estratégias foram comparadas pelas seguintes métricas, listadas na Tabela 4, calculadas sobre a curva de capital resultante.

Tabela 4. Métricas e Indicadores

Métrica	Definição
Retorno Total	(Vfinal – Vinicial)/Vinicial
Retorno Anualizado	(1 + Rtotal)^(1/n) – 1, onde n = anos
Volatilidade Anualizada	σdiária × √252
Índice de Sharpe	rdiária / σdiária × √252
Alpha vs. IBOV	Retorno Total Estratégia – Retorno Total IBOV

Fonte: Fonte original

Para verificar se as diferenças de performance observadas são estatisticamente robustas, foram aplicados dois testes: o Teste T de Welch, que avalia a significância da diferença entre as médias dos retornos diários das duas estratégias (hipótese nula: as médias são iguais), e o Teste de Levene, que avalia se as variâncias (e riscos) das estratégias diferem significativamente (hipótese nula: as variâncias são iguais). Ambos foram aplicados com nível de significância de 5% (α = 0,05).

3. Resultados e Discussão

Esta seção apresenta os resultados da comparação entre as estratégias de Pairs Trading — Baseline (Cointegração Clássica) e Machine Learning (PCA + DBSCAN) — para o período de 2004 a 2025. Os achados são organizados em performance comparativa, inferência estatística e comparação com o benchmark de mercado (IBOV), discutindo-se suas implicações e limitações.

Performance Comparativa

A Tabela 5 sintetiza as métricas de performance de ambas as estratégias.

Tabela 5. Comparativo de performance: ML vs. Baseline. Período: 2004–2025.

Métrica	Baseline	ML	Δ
Retorno Total	157,24%	202,48%	+45,24 p.p.
Retorno Anualizado	3,14%	3,65%	+0,51 p.p.
Volatilidade Anualizada	4,62%	4,29%	-0,33 p.p.
Drawdown Máximo	-10,01%	-8,18%	+1,83 p.p.
Índice Sharpe	0,68	0,85	+0,17
Índice Sortino	0,10	0,14	+0,04
Retorno Médio Diário	0,0125%	0,0145%	+0,0020 p.p.

Fonte: Resultados originais da pesquisa.

Os resultados indicaram desempenho superior da estratégia ML em todas as métricas avaliadas. O retorno acumulado da ML foi de 202,48% (anualizado de 3,65%), superando o Baseline (157,24%, anualizado de 3,14%) em 45,24 pontos percentuais ao longo de 21 anos. Em termos de risco, a estratégia ML apresentou volatilidade anualizada reduzida (4,29% vs. 4,62%) e Drawdown máximo mitigado (-8,18% vs. -10,01%). Essas melhorias resultaram em um ganho nas métricas de retorno ajustado ao risco, com o Índice Sharpe de 0,85 (vs. 0,68) e o Índice Sortino de 0,14 (vs. 0,10), sugerindo que a seleção via clustering gerou um portfólio com spread mais estável e menor exposição ao risco de cauda do mercado.

Curva de Capital (“Equity Curve”)

As curvas de capital de ambas as estratégias evidenciaram crescimento consistente. A trajetória da estratégia ML apresentou inclinação levemente superior, com uma diferença que se acumulou progressivamente, consistente com a diferença de 0,002% no retorno médio diário. Ambas as curvas confirmaram o caráter market neutral das estratégias, sem drawdowns expressivos durante períodos de crise sistêmica (Subprime 2008, Recessão Brasileira 2015-2016, Pandemia 2020), diferentemente de estratégias direcionais, conforme a Figura 3.

Figura 3. Evolução da Curva de Capital: Baseline vs. “Machine Learning”.

Fonte: Resultados originais da pesquisa.

Perfil de Risco

A volatilidade anualizada de 4,62% (Baseline) e 4,29% (ML), e os drawdowns máximos limitados (-10,01% e -8,18%, respectivamente), foram drasticamente inferiores à volatilidade histórica do IBOV (~25% ao ano). Este perfil de risco é uma característica central de estratégias long/short. No universo de estratégias market neutral, volatilidades abaixo de 5% ao ano são compatíveis com produtos de renda fixa de longo prazo, indicando o CDI como benchmark de referência mais adequado que o IBOV. Ambas as estratégias demonstraram capacidade de gerar alfa sobre o custo de capital de baixo risco, com a abordagem ML otimizando o perfil risco-retorno através do filtro de Machine Learning (PCA e DBSCAN).

Inferência Estatística

Para verificar a robustez estatística das diferenças de performance, foram aplicados testes independentes sobre as séries de retornos diários do portfólio consolidado.

Teste T de Welch — Comparação de Retornos Médios

O Teste T de Welch avaliou a hipótese nula de que a diferença entre os retornos médios diários das duas estratégias é zero. A Tabela 6 apresenta os resultados.

Tabela 6. Resultados de retorno médio ML x Baseline

Estatística	Valor
Retorno médio diário — ML	0,0145%
Retorno médio diário — Baseline	0,0125%
T-Statistic	0,4448
P-Valor	0,6565
Conclusão	Não rejeitar Ho

Fonte: Resultados originais da pesquisa.

Com um p-valor de 0,6565, superior ao nível de significância de 5%, não houve evidência estatística suficiente para afirmar que os retornos médios diferem. A diferença de 0,002% no retorno médio diário pode ser atribuída à variação aleatória do mercado, e não a uma superioridade estrutural do algoritmo.

Teste de Levene — Comparação de Volatilidades

O Teste de Levene avaliou se as variâncias das duas estratégias diferem significativamente. Os resultados são apresentados na Tabela 7.

Tabela 7. Resultados de volatilidade ML x Baseline

Estatística	Valor
Volatilidade anualizada — ML	4,29%
Volatilidade anualizada — Baseline	4,62%
Estatística de Levene
P-Valor	0,0659

Fonte: Resultados originais da pesquisa.

O p-valor de 0,0659, marginalmente acima de 0,05, sugere uma tendência à redução de risco pela abordagem ML, consistente com a menor volatilidade observada numericamente. Em estudos financeiros com séries longas, p-valores entre 0,05 e 0,10 são frequentemente considerados marginalmente significativos (FIELD, 2018), exigindo cautela na interpretação.

Comparação com o Benchmark de Mercado (IBOV)

O IBOV acumulou um retorno de 509,78% no período de 2004 a 2025. No entanto, a comparação direta com o IBOV é metodologicamente inadequada, pois estratégias direcionais como o IBOV possuem beta próximo de 1, enquanto as estratégias long/short deste estudo operam com beta próximo de zero, eliminando a exposição direcional. A comparação mais relevante seria o Alpha gerado sobre o custo de oportunidade de baixo risco (CDI), o que extrapola o escopo deste estudo. O Alpha nominal calculado para a Baseline foi de -352,54% e para a ML foi de -307,30%, refletindo o custo da neutralidade de mercado: a renúncia ao retorno direcional do mercado em troca de risco significativamente menor e correlação quase nula com o índice, conforme ilustrado na Figura 4.

Figura 4. Performance Acumulada: “Pair Trading” vs. IBOV (Base 100).

Fonte: Resultados originais da pesquisa.

Análise Sintética de Break-Even Transacional

Embora o backtest tenha sido parametrizado de forma ideal (frictionless), a robustez do diferencial de lucro (+45,24 p.p.) da estratégia ML exigiu a modelagem de custos de atrito. O cálculo do spread break-even, considerando o saldo bruto final da carteira ML em relação ao excesso líquido gerado acima do Baseline, indicou que o break-even point transversal requer custos transacionais consolidados superiores a 0,47% ao mês por par operado. Este teto paramétrico de 0,47% a.m. acomoda a tarifação institucional média brasileira (Corretagem flat + Emolumentos da B3 ≈ 0,03% de entrada/saída) e os prêmios moderados de aluguel de ações (taxa BTC média-histórica na faixa de 2% a 4% ao ano, ou ~0,15% a 0,30% ao mês). Este diferencial de margem comprova a exequibilidade operacional da lógica DBSCAN em hedge funds, indicando que a superioridade observada não é comprometida por slippages triviais do mercado local.

Análise de Sensibilidade dos Parâmetros

Impacto do Número de Componentes PCA

A retenção de 4 componentes principais, que explicam aproximadamente 74,5% da variância, foi a configuração que melhor equilibrou a riqueza de representação e a eficiência computacional. Testes com 2 componentes (cerca de 61% da variância) resultaram em menor qualidade de clustering, com maior entropia intra-cluster, conforme evidenciado pela redução do Índice de Silhueta.

Sensibilidade ao Time Stop

O parâmetro Time Stop, definido em 20 pregões, foi calibrado empiricamente nos dados de formação. Posições que não convergem dentro desse período tendem a ser trending pairs, ou seja, pares cuja cointegração se rompeu. O encerramento forçado é uma regra de gerenciamento de risco essencial para evitar perdas ilimitadas em posições sem reversão à média.

Limitações dos Resultados

As seguintes limitações devem ser consideradas na interpretação dos resultados:

Ausência de custos de transação: O modelo não incluiu corretagem, emolumentos B3 ou custo de aluguel de ações (BTC) para operações short. Em condições reais, os retornos seriam inferiores, podendo impactar a comparação relativa entre as estratégias.

Viés de sobrevivência: O universo de ativos, baseado em composições históricas disponíveis via API, pode introduzir um viés otimista ao não incluir ativos deslistados ou incorporados.

Slippage e impacto de mercado: A premissa de execução a preços de fechamento desconsidera a profundidade do book e o impacto de ordens de maior magnitude.

Lookback do Walk-Forward: Embora o protocolo walk-forward elimine o lookahead bias, a janela de 12 meses para formação pode ser insuficiente para capturar regimes estruturais de mercado de maior duração.

Em síntese, este estudo demonstrou que a aplicação de Machine Learning não supervisionado para seleção de pares em Pairs Trading representa uma alternativa viável à Cointegração Clássica no mercado brasileiro. A combinação de PCA e DBSCAN, operacionalizada via protocolo walk-forward, identificou grupos de ativos com dinâmicas de preço relacionadas que transcendem as fronteiras setoriais. O principal achado foi a superioridade em retorno acumulado (+45,24 p.p.) da estratégia ML, sem comprometimento do perfil de risco e com tendência de redução de volatilidade. Isso posiciona a abordagem ML como uma evolução metodológica em relação à heurística setorial, mesmo sem significância estatística formal na comparação de retornos médios diários. Essa diferença, real e economicamente relevante, é atribuída à melhoria na qualidade da seleção de pares, e não à previsão de retornos, o que é consistente com a teoria de mercados eficientes.

4. Conclusão

Este estudo buscou desenvolver e avaliar um modelo de Machine Learning não supervisionado para a seleção de ativos em estratégias de Pairs Trading, comparando seu desempenho com a abordagem tradicional de Cointegração Clássica no mercado financeiro brasileiro, no período de 2004 a 2025. Verificou-se que a estratégia baseada em Machine Learning, que combinou Análise de Componentes Principais (PCA) e o algoritmo DBSCAN, gerou um retorno acumulado superior de 202,48% em comparação com 157,24% da abordagem Baseline. Observou-se também uma redução na volatilidade anualizada para 4,29% contra 4,62% da Baseline, e um drawdown máximo mitigado. Embora o Teste T de Welch não tenha indicado diferença estatisticamente significativa nos retornos médios diários (p = 0,656), o Teste de Levene sugeriu uma tendência à redução de risco (p = 0,066) pela abordagem de Machine Learning. Ambas as estratégias demonstraram um caráter market neutral, com volatilidades anuais significativamente inferiores às do IBOV. A principal contribuição prática reside na melhoria da qualidade dos pares selecionados, o que se traduziu em um portfólio com perfil de risco-retorno superior, entregando maior retorno com menor volatilidade ao longo de horizontes longos, sem necessariamente prever retornos superiores em termos estatísticos diários. Este achado reforça a aplicabilidade do framework em um mercado emergente como o brasileiro.

Contudo, a interpretação dos resultados deve considerar algumas limitações, como a ausência de custos de transação no modelo, o viés de sobrevivência dos ativos e a premissa de execução sem slippage ou impacto de mercado. Adicionalmente, a janela de lookback do protocolo walk-forward pode ser insuficiente para capturar regimes de mercado de maior duração, e o modelo não incorporou mecanismos de regime switching. Para estudos futuros, sugere-se a incorporação de custos reais de BTC, a aplicação de técnicas de Deep Learning para modelar não-linearidades e quebras de cointegração, o uso de Aprendizado por Reforço para calibração dinâmica de ordens, a avaliação da estratégia com dados intraday e a integração de filtros fundamentalistas em uma abordagem quantamental.

Referências Bibliográficas

Caldeira, J.F. 2013. Seleção de carteiras utilizando o modelo Fama-French-Carhart. Brazilian Review of Finance 11(2): 173-198.

Field, A. 2018. Discovering Statistics using IBM SPSS Statistics. 5ed. SAGE Publications, London, Inglaterra, UK.

Gatev, E.; Goetzmann, W.N.; Rouwenhorst, K.G. 2006. Pairs trading: performance of a relative-value arbitrage rule. The Review of Financial Studies 19(3): 797-827.

Resolução CNS nº 510, 2016 [Referência completa não encontrada no documento original]

Sohail, A.; et al. 2020. Pairs trading in the Chinese stock market: new evidence from DBSCAN clustering. International Journal of Finance & Economics 27(2): 1-20.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Mais recentes

Economia, Investimentos E Banking

23 de outubro de 2026

Educação Financeira, Comportamentos e Vieses na Tomada de Decisão Financeira

22 de outubro de 2026

Desafios e Possibilidades do Primeiro Ano Escolar de Crianças com Tea para o Trabalho Docente

22 de outubro de 2026

Jornada do Consumidor na Decisão de Compra de Infoprodutos no Ambiente Digital

22 de outubro de 2026

Riscos Psicossociais e Saúde Mental no Trabalho em uma Instituição Bancária

22 de outubro de 2026

Observatório Digital da Amazônia: Ciência de Dados Aplicada à Análise de Indicadores Sociais, Econômicos, Ambientais e de Saúde

22 de outubro de 2026

Aprendizado Contínuo como Fator de Crescimento Organizacional na Percepção dos Colaboradores

22 de outubro de 2026

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

22 de outubro de 2026

Previsão da Inadimplência Agregada no Sistema Financeiro Brasileiro por Modelo Sarimax com Variáveis Macroeconômicas

22 de outubro de 2026

Fatores de Engajamento das Partes Interessadas na Transferência Internacional de Tecnologia para um Hospital Público

Você também pode gostar

Economia, Investimentos E Banking

23 de outubro de 2026

Educação Financeira, Comportamentos e Vieses na Tomada de Decisão Financeira

A gestão financeira pessoal representa um desafio crescente, influenciada por vieses cognitivos que afetam a tomada de decisão, mesmo em indivíduos com alto conhecimento. O presente estudo analisou a relação entre o nível de educação financeira e a ocorrência de vieses comportamentais na tomada de decisão financeira de adultos residentes no Brasil. Realizou-se um levantamento de campo de natureza aplicada, quantitativa e descritivo-correlacional, por meio da aplicação de um questionário estruturado a 163 respondentes. O instrumento contemplou variáveis sociodemográficas, conhecimento e hábitos financeiros, e situações hipotéticas para identificar vieses cognitivos. Os resultados indicaram que níveis mais elevados de educação financeira associaram-se a melhores práticas de controle financeiro, poupança e investimento, com correlações significativas com renda e escolaridade. Contudo, a presença de vieses comportamentais (ancoragem, aversão à perda, escassez, otimismo/negatividade, viés do presente, status quo, excesso de confiança e contabilidade mental) persistiu mesmo entre indivíduos com maior escolaridade e renda, sem associação estatisticamente significativa com as variáveis sociodemográficas analisadas. Concluiu-se que a educação financeira, embora essencial para a organização e o controle financeiro, não foi suficiente para neutralizar a influência de vieses cognitivos. Sugere-se a incorporação de abordagens comportamentais aos programas de educação financeira.

Palavras-chave: Comportamento financeiro; Economia comportamental; Finanças pessoais; Heurísticas cognitivas; Vieses cognitivos.

22 de outubro de 2026

Desafios e Possibilidades do Primeiro Ano Escolar de Crianças com Tea para o Trabalho Docente

A inserção de crianças com Transtorno do Espectro Autista (TEA) na Educação Infantil apresenta desafios significativos, dada a dificuldade de adaptação em novos ambientes e a intensidade de estímulos. O objetivo foi analisar a atuação docente na Educação Infantil no processo de escolarização inicial de crianças com TEA. Realizou-se um estudo de caso, utilizando a entrevista narrativa como técnica de produção de dados. Os resultados revelaram que a atuação docente caracterizou-se por práticas de mediação e afeto, com a flexibilização da rotina e o uso de recursos lúdicos como estratégias essenciais para o desenvolvimento e organização sensorial da criança. Destacou-se também a importância da profissional de apoio escolar para o êxito do trabalho pedagógico. O desenvolvimento integral da criança foi promovido por meio de ações docentes intencionais que priorizaram a adaptação ambiental, o fortalecimento de vínculos e o atendimento às necessidades específicas do TEA. Como contribuição, elaborou-se um guia de estratégias pedagógicas voltado ao acolhimento de crianças com TEA em creches públicas.

Palavras-chave: Educação Infantil; Inclusão Escolar; Narrativas Docentes; Práticas Pedagógicas Inclusivas; Transtorno do Espectro Autista.

22 de outubro de 2026

Jornada do Consumidor na Decisão de Compra de Infoprodutos no Ambiente Digital

A expansão do comércio eletrônico e a transformação tecnológica impulsionaram a necessidade de compreender o comportamento do consumidor de infoprodutos, cuja experiência percebida tornou-se crucial para o desenvolvimento profissional. O estudo objetivou analisar os fatores que influenciaram a decisão de compra de infoprodutos no ambiente digital, considerando as etapas da jornada do consumidor. Realizou-se uma pesquisa aplicada, quantitativa e descritiva, por meio de um levantamento de campo com 100 consumidores da Serra Gaúcha. A coleta de dados ocorreu via questionário estruturado, utilizando amostragem não probabilística. Os resultados revelaram um público qualificado e com forte comportamento “mobile-first”. Constatou-se que a disponibilidade de informações detalhadas e a aprovação social foram os principais gatilhos de atração na fase de pré-compra. Nas etapas transacionais e posteriores, a minimização de atritos operacionais, a agilidade do acesso imediato e a segurança sistêmica mostraram-se cruciais para a conversão e satisfação, embora lacunas na eficiência do suporte humano tenham sido identificadas. A retenção fundamentou-se na confiança gerada por experiências anteriores positivas, superando o fator preço. Concluiu-se que a jornada do consumidor de infoprodutos opera como um sistema integrado, exigindo alinhamento entre infraestrutura tecnológica, curadoria de conteúdo e humanização do suporte para assegurar o engajamento.

Palavras-chave: Comércio eletrônico; Comportamento do consumidor; Experiência do consumidor; Fidelização; Negócios virtuais.

22 de outubro de 2026

Riscos Psicossociais e Saúde Mental no Trabalho em uma Instituição Bancária

A saúde mental no ambiente de trabalho é um tema de crescente relevância, impactando o desenvolvimento profissional e o bem-estar dos colaboradores. Um estudo foi realizado para identificar aspectos e situações que podem influenciar os níveis de absenteísmo em uma instituição bancária. A pesquisa envolveu 108 participantes e utilizou um questionário estruturado, baseado na versão curta do COPSOQ II de Gonçalves (2021), que continha 45 questões fechadas em escala Likert e duas perguntas abertas. Os dados foram coletados por meio de plataforma online e analisados com abordagem descritiva e quantitativa. Os resultados revelaram um cenário que indicou a necessidade de ajustes na distribuição das atividades e na percepção dos gestores sobre comportamentos e sinais de transtornos. Foram identificadas evidências importantes nas respostas abertas dos participantes. Concluiu-se que o estudo contribuiu para a promoção da percepção de um ambiente seguro para a saúde mental na organização.

Palavras-chave: Afastamentos por transtornos; Desenvolvimento profissional; Liderança operacional; Licença médica; Saúde mental.

22 de outubro de 2026

Observatório Digital da Amazônia: Ciência de Dados Aplicada à Análise de Indicadores Sociais, Econômicos, Ambientais e de Saúde

O estado do Amazonas enfrentou desafios históricos na consolidação do Sistema Único de Saúde (SUS), decorrentes de barreiras geográficas, desigualdades socioeconômicas e limitações estruturais. Descreveu-se, neste estudo, o desenvolvimento e a implementação de um geoportal de informações em saúde, concebido para apoiar o monitoramento, a avaliação e o planejamento no contexto amazônico. Adotou-se uma abordagem de estudo de caso descritivo, baseada em análise documental e dados secundários, abrangendo o mapeamento de funcionalidades, a infraestrutura técnica e as etapas de validação da ferramenta. O Portal foi desenvolvido com tecnologias abertas e integrou múltiplas bases de dados nacionais, oferecendo dashboards interativos, mapas temáticos e repositório digital de documentos. Entre os resultados, destacaram-se a visualização georreferenciada de indicadores-chave, a possibilidade de análises comparativas temporais e a utilização da plataforma na revisão de planos de saúde e no redirecionamento de ações estratégicas. O portal pode representar um avanço na governança digital e na gestão baseada em evidências, com potencial de replicabilidade para outros territórios de alta complexidade, desde que acompanhada de investimentos em infraestrutura tecnológica, capacitação profissional e articulação interinstitucional.

Palavras-chave: Amazônia; Avaliação em Saúde; Saúde Digital; Sistemas de Informação em Saúde.

22 de outubro de 2026

Aprendizado Contínuo como Fator de Crescimento Organizacional na Percepção dos Colaboradores

O impacto do aprendizado contínuo e da gestão do conhecimento no crescimento das organizações foi estudado em um cenário de globalização e constantes mudanças. O objetivo do estudo foi analisar a percepção dos colaboradores sobre a cultura de aprendizagem e sua importância para o desenvolvimento pessoal e profissional. Os dados foram obtidos por meio de uma pesquisa anônima, de abordagem quantitativa, utilizando um formulário com questões do tipo “survey” aplicado a 87 profissionais dos setores de tecnologia, saúde, educação, comércio e serviços. Os resultados indicaram que os colaboradores possuíam uma percepção positiva sobre a contribuição do aprendizado contínuo para o crescimento pessoal e organizacional, reconhecendo seus benefícios para o desenvolvimento de novas habilidades, inovação e competitividade. Contudo, observou-se que o incentivo à troca de conhecimento interno e a oferta de treinamentos práticos ainda apresentavam médias moderadas de concordância. Concluiu-se que o aprendizado contínuo contribui significativamente para o desenvolvimento individual e organizacional, sugerindo que as empresas devem desenvolver políticas estratégicas de aprendizado direcionado para novas habilidades, visando maior vantagem competitiva e inovação.

Palavras-chave: Aprendizagem contínua; Autodesenvolvimento; Crescimento organizacional; Gestão do conhecimento; Inovação.

22 de outubro de 2026

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

Um modelo de regressão estatística múltipla foi proposto para estimar o desempenho operacional da microrrede CampusGrid da UNICAMP, com base em grandezas elétricas internas. A microrrede integra geração fotovoltaica, baterias e um gerador a gás. Dados do sistema de gerenciamento de energia foram coletados em intervalos de cinco minutos durante um mês. O Índice de Confiabilidade Operacional, definido como a razão entre energia atendida e demandada, foi estabelecido como variável dependente. O modelo foi ajustado para o modo de operação ilhado, avaliando o impacto da demanda, estado de carga, geração solar e energia suprida. Os resultados revelaram elevado poder explicativo, indicando que a confiabilidade operacional depende da interação entre suprimento e demanda. Observou-se que o período noturno concentrou a maior taxa de atendimento parcial, atribuída à redução da geração solar. Concluiu-se que a regressão múltipla oferece uma estrutura interpretável e útil para o monitoramento de microrredes e o apoio a estratégias de controle.

Palavras-chave: Armazenamento em baterias; Geração fotovoltaica; Índice de Confiabilidade; Operação ilhada; Sistema de Gerenciamento de Energia.

22 de outubro de 2026

Previsão da Inadimplência Agregada no Sistema Financeiro Brasileiro por Modelo Sarimax com Variáveis Macroeconômicas

A inadimplência agregada no sistema financeiro brasileiro é um indicador crucial de risco de crédito, cuja previsão é regulamentada pelas Resoluções CMN n.° 4.557/2017 e 4.966/2021 para a mensuração prospectiva de perdas esperadas. Modelou-se e previu-se a inadimplência agregada por meio do modelo SARIMAX, projetando sua trajetória até dezembro de 2026 sob cenários otimista, base e pessimista. Utilizaram-se 164 observações mensais (julho/2012 a fevereiro/2026) e variáveis macroeconômicas como desemprego, Selic, IPCA, IBC-Br e endividamento das famílias. A especificação com variáveis contemporâneas foi selecionada com base em critérios de informação e estabilidade dos coeficientes, e o diagnóstico dos resíduos confirmou adequação estatística, com MAPE de 3,12%. A inadimplência histórica variou entre 4,33% e 7,64%. A estimação identificou o desemprego (β = 0,2534; p < 0,001) e a Selic (β = 0,2128; p < 0,001) como principais determinantes positivos, com forte persistência temporal (AR(1) = 0,8965). A Selic exibiu correlação crescente com a inadimplência (r = 0,62 no lag 12), enquanto o desemprego demonstrou efeito contemporâneo (r = 0,33). As projeções indicaram inadimplência entre 6,30% e 7,98% em dezembro de 2026, com uma amplitude de 1,68 ponto percentual, evidenciando implicações diretas para o dimensionamento de provisões nas instituições financeiras. Palavras-chave: Desemprego; Modelagem preditiva; Política monetária; Provisão de perdas; Séries temporais.

22 de outubro de 2026

Fatores de Engajamento das Partes Interessadas na Transferência Internacional de Tecnologia para um Hospital Público

Este estudo descreveu os fatores críticos percebidos para o engajamento das partes interessadas na transferência internacional de tecnologia em um hospital público, com foco no planejamento. O objetivo foi descrever esses fatores condicionantes, conforme a percepção de profissionais. Realizou-se um estudo de caso único, aplicando um questionário a 25 profissionais e utilizando análise de conteúdo, complementada por tabulações descritivas. Os principais obstáculos identificados foram resistência à mudança (72%), financiamento (64%), falta de comunicação (60%) e burocracia (40%). Apenas 28% dos respondentes reconheceram a existência de ferramentas adequadas para gestão de stakeholders, enquanto 48% negaram e 24% não souberam informar. Cruzamentos exploratórios indicaram variações na avaliação de influência conforme o tempo de atuação, mas não estabeleceram relações causais. A falta de engajamento foi associada a atrasos, baixa adesão, desperdício de recursos, falhas de comunicação, comprometimento da absorção de conhecimento e riscos à segurança do paciente. As conclusões restringiram-se às percepções do grupo pesquisado e fundamentaram recomendações preliminares para comunicação e coordenação intersetorial.

Palavras-chave: Estudo de caso; Gestão de projetos; Inovação em saúde; Partes interessadas; Setor público.

Economia

19 de outubro de 2026

Fim da escala 6×1: o que os números permitem concluir?

Após promulgação do fim da escala 6×1, debate sobre a jornada menor passa à implementação e exige distinguir benefícios sociais de custos econômicos O fim da escala 6×1 passou da discussão legislativa para uma mudança constitucional no Brasil. Em 16 de outubro de 2026, o Congresso Nacional promulgou a emenda constitucional nº 141/2026, originada da Proposta […]

Inteligência Artificial

16 de outubro de 2026

Por que estudar se existe IA?

Quando respostas se tornam fáceis, aprender passa a significar mais do que chegar até elas Por que eu preciso aprender isso se posso perguntar para uma inteligência artificial? Esse tipo de pergunta acompanha a educação há décadas. Por que aprender uma operação se existe calculadora? Por que memorizar uma informação se ela pode ser encontrada […]

Gestão Tributária

15 de outubro de 2026

Pink tax e o gênero do preço

Como os diferentes tratamentos mercadológicos a homens e mulheres são incorporados pela tributação do consumo Imagine uma prateleira na qual duas lâminas de barbear da mesma marca e destinadas à mesma finalidade estão expostas lado a lado: uma tem embalagem escura e promete força, precisão e eficiência; a outra vem em tons de rosa ou […]

Saúde

13 de outubro de 2026

O elo perdido da transformação da saúde

Por que inovar não basta para provocar mudanças nas organizações e nos sistemas de saúde A transformação digital consolidou-se como prioridade estratégica para os sistemas de saúde em todo o mundo. Prontuários eletrônicos, inteligência artificial, telemedicina, monitoramento remoto e análise de dados passaram a integrar a agenda estratégica de governos e organizações de saúde. Paradoxalmente, […]

Marketing

09 de outubro de 2026

Bitcoin ou pets: o que a Inteligência Artificial não veria

Um caso real de consumer intelligence mostra o que fica fora do briefing Há alguns anos, uma seguradora americana contratou uma empresa especializada em consumer intelligence para responder a três perguntas: A seguradora também avaliava lançar seguros pagos em bitcoin. Na época, o processo de trabalho da consultoria funcionava assim: o analista criava uma query […]

Gestão Escolar

06 de outubro de 2026

A escola não é um cassino: quando figurinhas viram moeda no pátio

Por que, para determinados estudantes, a escola consegue oferecer tão poucas experiências de conquista? A Copa do Mundo acabou. O Brasil deixou a competição, vieram as férias escolares, a final foi disputada e o calendário do futebol seguiu adiante. Seria razoável imaginar que, com o fim do torneio e o retorno às aulas, também começasse […]

Transição Energética

30 de setembro de 2026

Energias renováveis: a vantagem brasileira

Brasil precisa investir na capacidade de transformar recursos naturais em inovação, produtividade e desenvolvimento Falar sobre energia é falar sobre desenvolvimento. Por trás da indústria, dos transportes, dos serviços, das cidades e, cada vez mais, da inteligência artificial, existe uma infraestrutura energética que sustenta a economia. Compreender a matriz energética de um país é compreender […]

Análise De Dados

30 de setembro de 2026

Quando o dado muda, a realidade mudou?

Análise de quase 20 milhões de vínculos-ano docentes entre 2020 e 2025 mostra como mudanças na composição da população e na produção dos registros podem alterar a interpretação de série histórica Entre 2020 e 2025, o número de vínculos formais de trabalho docente identificados na RAIS (Relação Anual de Informações Sociais), do Ministério do Trabalho, […]

Inteligência Artificial

28 de setembro de 2026

Inteligência artificial e as trends

Por que tantas pessoas aderem às brincadeiras com o ChatGPT? Nunca fui a pessoa da trend. Continuo não sendo. Algumas passam pela minha timeline, vejo, acho interessante mas não a ponto de experimentar. Foi assim, inclusive, com algumas ondas recentes de imagens feitas por inteligência artificial, como a trend dos anos 80, aquela que nos […]

Gestão Tributária

01 de setembro de 2026

Reforma tributária e planejamento patrimonial no campo

Eficiência para gerenciar os impostos facilita a governança e permite organizar a sucessão familiar A organização patrimonial rural virou uma medida estratégica diante da reforma tributária no Brasil, que entrou em vigor neste ano. O planejamento das atividades e da gestão do patrimônio rural, por meio de ferramentas como a transição da Pessoa Física para […]

Renata de Gaspari Valdejão Almeida

Inteligência Artificial

05 de agosto de 2026

Dentro da empresa e fora do radar: os riscos da Shadow AI

Segundo a Microsoft, 75% dos profissionais já utilizam inteligência artificial no trabalho sem homologação da empresa O uso da inteligência artificial generativa já faz parte da rotina corporativa. Ferramentas como ChatGPT, Copilot e outras plataformas ajudam profissionais a produzir textos, analisar dados, criar apresentações e acelerar tarefas em praticamente todos os setores. Mas esse avanço […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julho de 2026

O futuro como competência

Interesse acadêmico reforça a projeção de cenários como ferramenta essencial para a tomada de decisões Enquanto algumas empresas ainda tentam acertar o próximo passo, outras já trabalham com múltiplos futuros possíveis — e se preparam para todos eles. Mas afinal, o que significa “pensar o futuro”? É tendência, é estratégia ou uma nova competência que […]

Renata de Gaspari Valdejão Almeida

Inovação

Tecnologia

21 de maio de 2026

Corredor Agro SP: inovação, articulação institucional e futuro

Pecege comanda operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educação

27 de abril de 2026

Como transformar um TCC em negócio

Nova gestão do Parque Tecnológico de Piracicaba oferece consultoria a egressos de MBAs O novo diretor de projetos do Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, costuma dizer que uma das maiores recompensas que já teve na vida foi ver seus orientandos do MBA USP/Esalq estruturarem empresas a partir de seus trabalhos de conclusão de […]

Tecnologia

20 de março de 2026

O repertório humano na era da IA

Pensamento crítico e criatividade são insubstituíveis no trabalho do profissional de marketing A Inteligência Artificial (IA) é capaz de feitos incríveis, mas ainda não possui a capacidade de julgamento, empatia, intuição e criatividade estratégica necessárias para fazer o trabalho de um bom profissional de marketing. Nessa área, é importante saber usar a ferramenta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

23 de fevereiro de 2026

ESG como estratégia de crescimento em uma cooperativa do RS

Santa Clara equilibra responsabilidade social e ambiental com inovação Fundada em 1911 por imigrantes italianos em Carlos Barbosa, na serra gaúcha, a Cooperativa Santa Clara é um exemplo de que é possível equilibrar o crescimento econômico com a responsabilidade social e ambiental. De uma pequena empresa de produção de queijos, a organização evoluiu para um […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

22 de janeiro de 2026

Brasil livre de febre aftosa: o que muda para a carne brasileira?

Com um rebanho de mais de 200 milhões de cabeças de gado, o país é atualmente o líder em exportações O Brasil recebeu recentemente, pela primeira vez, a certificação de país livre de febre aftosa sem vacinação, conferida pela Organização Mundial de Saúde Animal (OMSA). O selo fortalece a posição do país como fornecedor de carne confiável para o […]

Renata de Gaspari Valdejão Almeida

Inovação

09 de dezembro de 2025

Inovação: o novo ciclo do Parque Tecnológico de Piracicaba

Instituto Pecege assume a gestão apostando na criação de novos negócios A partir de 2026, o Instituto Pecege assumirá a gestão do Parque Tecnológico de Piracicaba (PTP). Entre suas responsabilidades estarão a administração, operação, manutenção e expansão do parque, além do fomento de atividades de inovação, empreendedorismo e ciência e tecnologia. A escolha foi feita […]

Renata de Gaspari Valdejão Almeida

06 de julho de 2026

Arquitetura de Grande Porte: Gestão de Mudanças DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação. A arquitetura e o urbanismo configuram-se como bases imprescindíveis em um espaço urbano cada vez mais complexo e desafiador, onde a intrínseca conexão entre questões sociais, ambientais e tecnológicas […]