Pair Trading con Machine Learning en el Mercado Brasileño: una Comparación con el Enfoque Clásico de Cointegración

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

doi:10.22167/2675-6528-202602302

Artículo

16 de septiembre de 2026

Pair Trading con Machine Learning en el Mercado Brasileño: una Comparación con el Enfoque Clásico de Cointegración

Pablo Diego de Albuquerque Pereira; Diego Pedroso dos Santos

DOI: 10.22167/2675-6528-202602302

Artículo derivado de Trabajo de Fin de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.

Resumen

El arbitraje estadístico a través de Pairs Trading es una estrategia consolidada en la gestión cuantitativa de carteras. Se investigó la aplicación de Machine Learning no supervisado para la selección de pares de activos, comparando su rendimiento con el enfoque clásico de Cointegración en el mercado financiero brasileño. Se recopilaron y procesaron datos históricos de B3, de 2004 a 2025, mediante validación walk-forward. La metodología de Machine Learning combinó Análisis de Componentes Principales (PCA) y el algoritmo DBSCAN para identificar clusters de activos, mientras que el enfoque Baseline utilizó la Cointegración Clásica sectorial. Se aplicaron pruebas T de Welch y de Levene para inferencia estadística. Los resultados indicaron que, aunque la diferencia en los retornos medios diarios no fue estadísticamente significativa (p = 0,656), la estrategia de Machine Learning alcanzó un retorno acumulado superior (202,48% vs. 157,24%) y una menor volatilidad anualizada (4,29% vs. 4,62%) en comparación con la Baseline. La prueba de Levene sugirió una tendencia de reducción de riesgo (p = 0,066) por el enfoque de Machine Learning. Se concluyó que el pipeline de Machine Learning mejoró la calidad de los pares seleccionados, resultando en una cartera con menor volatilidad y mayor retorno acumulado en horizontes largos, sin predecir necesariamente retornos superiores en términos estadísticos diarios.

Palabras clave: Algoritmos de Agrupamiento; Análisis de Componentes Principales; B3; Cointegración; Finanzas Cuantitativas.

1. Introducción

La evolución de los mercados financieros en las últimas décadas ha consolidado la adopción de estrategias cuantitativas como herramienta central para la gestión de carteras institucionales. Entre las diversas modalidades de operaciones sistemáticas, la arbitraje estadístico destaca por explorar desviaciones temporales de fijación de precios entre activos históricamente correlacionados, fundamentándose en la premisa de reversión a la media. Dicho enfoque, conocido como “Pairs Trading”, fue popularizado en la década de 1980 por analistas de Morgan Stanley y, desde entonces, se ha convertido en una de las estrategias de “hedge funds” más estudiadas en la literatura académica (Gatev; Goetzmann; Rouwenhorst, 2006).

El principio operativo del “Pairs Trading” es relativamente intuitivo: se identifica un par de activos cuyos precios presenten una trayectoria común a largo plazo, y se operan las divergencias de corto plazo, comprando el activo relativamente depreciado y vendiendo en corto aquel relativamente sobrevalorado. Cuando los precios convergen a su equilibrio histórico, ambas posiciones se cierran con beneficio. Esta dinámica configura una estrategia “market neutral”, dado que la exposición direccional al mercado se neutraliza teóricamente por la combinación de posiciones largas y cortas, característica particularmente valorada en escenarios de elevada incertidumbre macroeconómica.

Históricamente, la selección de pares se ha basado en criterios fundamentalistas, especialmente en la clasificación sectorial. Se presume que empresas del mismo segmento económico están sujetas a riesgos sistémicos similares y, por lo tanto, presentan una mayor probabilidad de cointegración. Sin embargo, tal heurística enfrenta limitaciones estructurales evidentes en el mercado brasileño. B3, la principal bolsa de valores del país, se caracteriza por una elevada concentración sectorial, con los segmentos de materias primas y financiero respondiendo por una parte sustancial de la capitalización total y del volumen negociado. Esta asimetría dificulta la construcción de carteras diversificadas basándose exclusivamente en el criterio sectorial, reduciendo el universo de pares viables y pudiendo inducir a la formación de portafolios subóptimos. Adicionalmente, la clasificación sectorial es estática y no siempre captura las dinámicas latentes de precios, lo que puede comprometer la premisa de co-movimiento, especialmente en períodos de estrés (Caldeira, 2013).

En el contexto de la creciente disponibilidad de datos y poder computacional, las técnicas de Machine Learning no supervisado emergen como una alternativa prometedora. En lugar de recurrir exclusivamente a categorizaciones a priori rígidas, algoritmos como DBSCAN (“Density-Based Spatial Clustering of Applications with Noise”), combinados con el Análisis de Componentes Principales (PCA), permiten la construcción de un modelo híbrido. En esta arquitectura, la similitud empírica basada en la dinámica latente de precios, extraída matemáticamente vía PCA, actúa rompiendo la barrera sectorial, permitiendo la identificación de co-movimientos atípicos y pares de alta cointegración intersectoriales. La precedencia de la combinación entre PCA y DBSCAN fue demostrada por Sohail et al. (2020), obteniendo amplia ventaja sobre enfoques puramente categóricos.

La literatura sobre “Pairs Trading” en el mercado brasileño sigue siendo relativamente escasa en comparación con la producción internacional, especialmente en lo que respecta a la aplicación de técnicas de Machine Learning. Este estudio llena parcialmente este vacío, reportando evidencia empírica de veintiún años de datos históricos, y valida la generalización del marco de Sohail et al. (2020) en un mercado emergente distinto. La identificación de pares robustos atiende el interés directo de los gestores cuantitativos que buscan alfa descorrelacionado, ya que, durante crisis sistémicas severas, la modelización híbrida de Machine Learning se destaca por su adaptabilidad al encontrar co-movimientos empíricamente validados cruzando las convenciones sectoriales. Así, el objetivo general de este trabajo es desarrollar y evaluar un modelo de Machine Learning no supervisado para la selección de activos en estrategias de “Pairs Trading”, comparando su desempeño con el enfoque tradicional de Cointegración Clásica en el mercado financiero brasileño, en el período de 2004 a 2025.

2. Material y Métodos

En relación con los aspectos éticos, el estudio se enmarca en las excepciones previstas por el Manual de Normas de la institución (ítem 5.2) y por la Resolución CNS nº 510, de 2016, Art. 1º, Párrafo Único, Incisos II y III. Esto ocurre porque utiliza solo información de acceso público y de dominio público del mercado financiero, no involucrando la participación directa o indirecta de seres humanos ni el manejo de datos sensibles, estando, por lo tanto, dispensado de apreciación por el Comité de Ética en Investigación (CEP).

Este estudio se limitó al mercado de acciones brasileño (B3), utilizando el universo de activos que integran o han integrado históricamente el Índice Bovespa (IBOV) en el período de 2004 a 2025. No se consideraron otras clases de activos (derivados, ETFs, fondos inmobiliarios) ni mercados internacionales. El modelo de simulación no incorporó costos de transacción (comisión, aranceles y costo de alquiler de acciones – BTC), adoptando como premisa la ejecución a precios de cierre sin impacto de mercado. El flujo metodológico y la estructura lógica del estudio se presentan en la Figura 1.

Figura 1. Flujo Metodológico y Estructura Lógica del Estudio.

Fuente: Datos originales de la investigación.

Los datos se recolectaron a través de la biblioteca no oficial tvDatafeed (v2.0+) en Python, que accede a datos históricos de la plataforma TradingView para la bolsa BMFBOVESPA (B3). El universo de estudio comprendió aproximadamente 100 activos del IBOV a lo largo del período analizado. Para cada activo, se obtuvieron series de precios de cierre diarios (close), totalizando alrededor de 5.000 barras por activo. Los archivos se guardaron en formato CSV y posteriormente se consolidaron en un único archivo “Parquet” a través de un pipeline de preprocesamiento. El índice IBOV, utilizado como “benchmark” externo en el análisis comparativo, se recolectó por separado a través de la API pública de yfinance.

Los siguientes criterios de elegibilidad se aplicaron al universo inicial para garantizar la liquidez y la calidad de los datos, como se expone en la Tabla 1.

Tabla 1. Parámetros operacionales

Criterio	Parámetro
Volumen mínimo diario	Promedio > R$ 1 millón en el período de formación
Disponibilidad de datos	Mínimo de 252 pregones continuos de historial
Continuidad	Ausencia de “gaps” superiores a 5 pregones consecutivos
Calidad	Ausencia de valores negativos o outliers de precio (>3σ)

Fuente: Fuente original

Los activos que no cumplieron dichos criterios fueron excluidos del universo de selección en cada ventana de formación del “walk-forward”.

Los datos brutos se sometieron a un pipeline de procesamiento estandarizado, que incluyó: 1. Limpieza: Eliminación de cotizaciones con datos faltantes (NaN) y tratamiento de “splits” no ajustados a la API; 2. Retornos logarítmicos: Los precios de cierre se convirtieron en log-returns, según la Ecuación (6):

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

3. Normalización Z-Score: La matriz de retornos fue normalizada (media cero, desviación estándar unitaria) por variable (activo) antes de la aplicación del PCA; 4. Consolidación: Los datos procesados se guardaron en formato “Parquet”.

Se reconoce la existencia de sesgo de supervivencia (“survivorship bias”), dado que el universo de activos se basa en la composición histórica del IBOV según está disponible en la fuente de datos. Dicha limitación es común a estudios académicos de “backtesting” y se mitiga parcialmente por el enfoque en activos de alta liquidez.

La implementación se desarrolló íntegramente en Python 3.10, estructurada en tres “notebooks” Jupyter secuenciales. El ecosistema computacional se basó en las bibliotecas pandas, numpy, scikit-learn, statsmodels, scipy, duckdb, tvdatafeed y yfinance.

Para simular la operación en un entorno real y garantizar el rigor metodológico, se adoptó el protocolo de validación “Walk-Forward”, con ventanas de formación (“training”) de 12 meses y ventanas de operación (“testing”) de 6 meses, avanzando con pasos semestrales a lo largo de todo el horizonte histórico (enero de 2004 a diciembre de 2025). Los parámetros ɛ y min_samples del DBSCAN se establecieron de forma fija en 0.30 y 3, respectivamente, sin calibración iterativa vía Heurística de la Distancia, debido al coste computacional y la inestabilidad entre ventanas.

Se compararon dos enfoques de selección de pares. En el enfoque Baseline (Cointegración Clásica), los pares se formaron exclusivamente entre activos del mismo sector económico (según se enumera en el sitio web de B3). Para cada par candidato, se probó la hipótesis de cointegración mediante el procedimiento de dos pasos de Engle-Granger. Los pares con p-valor ≤ 0.05 se consideraron elegibles para operar en la siguiente ventana.

El enfoque propuesto (Machine Learning – ML) se basó en el “framework” de Sohail et al. (2020), adaptado al mercado brasileño y operativizado en un pipeline integrado por ventana “walk-forward”. La matriz de retornos logarítmicos fue normalizada vía Z-Score por activo, seguida de la aplicación de Análisis de Componentes Principales (PCA) para la retención de los cuatro componentes de mayor expresividad. Los scores resultantes fueron concatenados a variables binarias (“dummies”) representativas de los sectores económicos de la B3. Sobre esta representación híbrida, se aplicó el algoritmo DBSCAN (eps = 0.30; min_samples = 3), permitiendo la identificación de “clusters” basados en similitud empírica y el descarte automático de activos ruidosos. Por último, los pares formados dentro de cada agrupamiento fueron validados estadísticamente por la Prueba de Cointegración de Engle-Granger, limitando la selección final a relaciones con p-valor ≤ 0.05, conforme se ilustra en la Figura 2.

Figura 2. Identificación Híbrida de “Clusters” en el Espacio PCA-Dummies.

Fuente: Datos originales de la investigación.

Para ambos los enfoques, la estrategia de “Pairs Trading” implementada siguió el modelo clásico de reversión a la media, operando el “spread” normalizado (Z-Score) entre los activos del par. El “spread” (7) se definió como el residuo de la regresión OLS entre los precios de los activos:

Diferencial_t = P_dep,t – β. P_ind,t (7)

donde β (ratio de cobertura) fue estimado vía OLS en el período de formación. El Z-Score (8) del “spread” fue calculado en ventana móvil de 60 pregones:

Z_t = (Spread_t – μ₆₀) / σ₆₀ (8)

Los parámetros operacionales de las operaciones se presentan en la Tabla 2.

Tabla 2. Parámetros de entrada y salida

Acontecimiento	Condición	Acción
Apertura “Larga”	Z < -2,0	Compra activo dependiente, vende activo independiente
Entrada “Corta”	Z > +2,0	Vende activo dependiente, compra activo independiente
Salida Natural	Z ≥ 0,0 (“Largo”) ou Z ≤ 0,0 (“Corto”)	Cierre de la posición con beneficio/pérdida
Salida Forzada	Fin de la ventana de operación	Posición cerrada al precio de la última subasta de la ventana

Fuente: Datos originales de la investigación.

El umbral de salida adoptado fue Z = 0,0 (retorno al equilibrio), sin zona de amortiguación. Las posiciones no cerradas hasta el final de la ventana de operación fueron liquidadas obligatoriamente en la fecha de cierre de la ventana.

La simulación de cartera se desarrolló de forma cronológica y consolidada (todos los pares en una única serie temporal), con los parámetros demostrados en la Tabla 3.

Tabla 3. Parámetros financieros

Parámetro	Valía
Capital de arranque	R$ 100.000,00
Asignación por trade	10% del capital disponible
Apalancamiento máximo	1:1 (sin apalancamiento)
Máx. posiciones simultáneas por activo	2
Costos de transacción	No modelados (limitación documentada)

Fuente: Datos originales de la investigación.

En cada subasta, el valor de la cartera se actualizó sumando los P&L (“profit and loss”) de todas las posiciones abiertas. El rendimiento diario (9) de la cartera es:

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

donde V_t representa el valor total de la cartera en el día de negociación t.

Las estrategias fueron comparadas por las siguientes métricas, listadas en la Tabla 4, calculadas sobre la curva de capital resultante.

Tabla 4. Métricas e Indicadores

Medida	Definición
Rendimiento Total	(Vfinal – Vinicial)/Vinicial
Rendimiento Anualizado	(1 + Rtotal)^(1/n) – 1, donde n = años
Volatilidad Anualizada	σdiaria × √252
Índice de Sharpe	rdiaria / σdiaria × √252
Alpha vs. IBOV	Retorno Total Estrategia – Retorno Total IBOV

Fuente: Fuente original

Para verificar si las diferencias de rendimiento observadas son estadísticamente robustas, se aplicaron dos pruebas: la Prueba T de Welch, que evalúa la significancia de la diferencia entre las medias de los retornos diarios de las dos estrategias (hipótesis nula: las medias son iguales), y la Prueba de Levene, que evalúa si las varianzas (y riesgos) de las estrategias difieren significativamente (hipótesis nula: las varianzas son iguales). Ambas se aplicaron con un nivel de significancia del 5% (α = 0,05).

3. Resultados y Discusión

Esta sección presenta los resultados de la comparación entre las estrategias de Pairs Trading — Baseline (Cointegración Clásica) y Machine Learning (PCA + DBSCAN) — para el período de 2004 a 2025. Los hallazgos se organizan en rendimiento comparativo, inferencia estadística y comparación con el benchmark de mercado (IBOV), discutiendo sus implicaciones y limitaciones.

Rendimiento Comparativo

La Tabla 5 resume las métricas de rendimiento de ambas estrategias.

Tabla 5. Comparativa de rendimiento: ML vs. Baseline. Período: 2004–2025.

Medida	Línea base	ML	Δ
Rendimiento Total	157,24%	202,48%	+45,24 p.p.
Rendimiento Anualizado	3,14%	3,65%	+0,51 p.p.
Volatilidad Anualizada	4,62%	4,29%	-0,33 p.p.
Máximo Drawdown	-10,01%	-8,18%	+1,83 p.p.
Índice de Sharpe	0,68	0,85	+0,17
Índice de Sortino	0,10	0,14	+0,04
Retorno Medio Diario	0,0125%	0,0145%	+0,0020 p.p.

Fuente: Resultados originales de la investigación.

Los resultados indicaron un rendimiento superior de la estrategia ML en todas las métricas evaluadas. El retorno acumulado de ML fue del 202,48% (anualizado de 3,65%), superando al Baseline (157,24%, anualizado de 3,14%) en 45,24 puntos porcentuales a lo largo de 21 años. En términos de riesgo, la estrategia ML presentó una volatilidad anualizada reducida (4,29% vs. 4,62%) y un Drawdown máximo mitigado (-8,18% vs. -10,01%). Estas mejoras resultaron en una ganancia en las métricas de retorno ajustado al riesgo, con el Índice Sharpe de 0,85 (vs. 0,68) y el Índice Sortino de 0,14 (vs. 0,10), sugiriendo que la selección vía clustering generó un portafolio con un spread más estable y menor exposición al riesgo de cola del mercado.

Curva de Equidad (“Equity Curve”)

Las curvas de capital de ambas estrategias evidenciaron un crecimiento consistente. La trayectoria de la estrategia ML presentó una inclinación ligeramente superior, con una diferencia que se acumuló progresivamente, consistente con la diferencia del 0,002% en el retorno medio diario. Ambas curvas confirmaron el carácter market neutral de las estrategias, sin drawdowns expresivos durante períodos de crisis sistémica (Subprime 2008, Recesión Brasileña 2015-2016, Pandemia 2020), a diferencia de las estrategias direccionales, según la Figura 3.

Figura 3. Evolución de la Curva de Capital: Baseline vs. “Machine Learning”.

Fuente: Resultados originales de la investigación.

Perfil de Riesgo

La volatilidad anualizada del 4,62% (Baseline) y 4,29% (ML), y los drawdowns máximos limitados (-10,01% y -8,18%, respectivamente), fueron drásticamente inferiores a la volatilidad histórica del IBOV (~25% anual). Este perfil de riesgo es una característica central de las estrategias long/short. En el universo de estrategias market neutral, volatilidades por debajo del 5% anual son compatibles con productos de renta fija a largo plazo, indicando el CDI como benchmark de referencia más adecuado que el IBOV. Ambas estrategias demostraron capacidad de generar alfa sobre el costo de capital de bajo riesgo, con el enfoque ML optimizando el perfil riesgo-retorno a través del filtro de Machine Learning (PCA y DBSCAN).

Inferencia Estadística

Para verificar la robustez estadística de las diferencias de rendimiento, se aplicaron pruebas independientes sobre las series de retornos diarios de la cartera consolidada.

Prueba T de Welch — Comparación de Retornos Medios

La prueba T de Welch evaluó la hipótesis nula de que la diferencia entre los rendimientos diarios medios de las dos estrategias es cero. La Tabla 6 presenta los resultados.

Tabla 6. Resultados de retorno promedio ML x Baseline

Estadística	Valía
Retorno medio diario — ML	0,0145%
Retorno medio diario — Baseline	0,0125%
Estadístico T	0,4448
Valor-p	0,6565
Conclusión	No rechazar Ho

Fuente: Resultados originales de la investigación.

Con un p-valor de 0,6565, superior al nivel de significancia del 5%, no hubo evidencia estadística suficiente para afirmar que los retornos medios difieren. La diferencia del 0,002% en el retorno medio diario puede atribuirse a la variación aleatoria del mercado, y no a una superioridad estructural del algoritmo.

Prueba de Levene — Comparación de Volatilidades

La prueba de Levene evaluó si las varianzas de las dos estrategias difieren significativamente. Los resultados se presentan en la Tabla 7.

Tabla 7. Resultados de volatilidad ML x Baseline

Estadística	Valía
Volatilidad anualizada — ML	4,29%
Volatilidad anualizada — Baseline	4,62%
Estadística de Levene
Valor-p	0,0659

Fuente: Resultados originales de la investigación.

El valor p de 0,0659, marginalmente superior a 0,05, sugiere una tendencia a la reducción del riesgo por el enfoque ML, consistente con la menor volatilidad observada numéricamente. En estudios financieros con series largas, los valores p entre 0,05 y 0,10 se consideran frecuentemente marginalmente significativos (FIELD, 2018), lo que requiere cautela en la interpretación.

Comparación con el Benchmark de Mercado (IBOV)

El IBOV acumuló un retorno del 509,78% en el período de 2004 a 2025. Sin embargo, la comparación directa con el IBOV es metodológicamente inadecuada, ya que las estrategias direccionales como el IBOV poseen una beta cercana a 1, mientras que las estrategias long/short de este estudio operan con una beta cercana a cero, eliminando la exposición direccional. La comparación más relevante sería el Alpha generado sobre el costo de oportunidad de bajo riesgo (CDI), lo que extrapola el alcance de este estudio. El Alpha nominal calculado para la Baseline fue de -352,54% y para la ML fue de -307,30%, lo que refleja el costo de la neutralidad del mercado: la renuncia al retorno direccional del mercado a cambio de un riesgo significativamente menor y una correlación casi nula con el índice, como se ilustra en la Figura 4.

Figura 4. Rendimiento Acumulado: “Pair Trading” vs. IBOV (Base 100).

Fuente: Resultados originales de la investigación.

Análisis Sintético de Punto de Equilibrio Transaccional

Aunque el backtest se parametrizó de forma óptima (sin fricción), la robustez del diferencial de beneficio (+45,24 p.p.) de la estrategia ML exigió la modelización de costes de fricción. El cálculo del spread break-even, considerando el saldo bruto final de la cartera ML en relación con el exceso neto generado por encima del Baseline, indicó que el punto de equilibrio transversal requiere costes transaccionales consolidados superiores al 0,47% mensual por par operado. Este techo paramétrico de 0,47% a.m. acomoda la tarifación institucional media brasileña (Corretaje flat + Tasas de la B3 ≈ 0,03% de entrada/salida) y las primas moderadas de alquiler de acciones (tasa BTC media histórica en el rango del 2% al 4% anual, o ~0,15% a 0,30% mensual). Este diferencial de margen demuestra la viabilidad operativa de la lógica DBSCAN en hedge funds, indicando que la superioridad observada no se ve comprometida por slippages triviales del mercado local.

Análisis de Sensibilidad de los Parámetros

Impacto del Número de Componentes PCA

La retención de 4 componentes principales, que explican aproximadamente el 74,5% de la varianza, fue la configuración que mejor equilibró la riqueza de representación y la eficiencia computacional. Las pruebas con 2 componentes (alrededor del 61% de la varianza) resultaron en una menor calidad de clustering, con mayor entropía intracluster, como lo demuestra la reducción del Índice de Silueta.

Sensibilidad al Time Stop

El parámetro Time Stop, definido en 20 pregones, se calibró empíricamente con los datos de entrenamiento. Las posiciones que no convergen dentro de este período tienden a ser pares en tendencia, es decir, pares cuya cointegración se ha roto. El cierre forzoso es una regla de gestión de riesgos esencial para evitar pérdidas ilimitadas en posiciones sin reversión a la media.

Limitaciones de los Resultados

Las siguientes limitaciones deben ser consideradas en la interpretación de los resultados:

Ausencia de costos de transacción: El modelo no incluyó corretaje, tarifas de B3 ni costo de alquiler de acciones (BTC) para operaciones cortas. En condiciones reales, los rendimientos serían inferiores, pudiendo impactar la comparación relativa entre las estrategias.

Sesgo de supervivencia: El universo de activos, basado en composiciones históricas disponibles vía API, puede introducir un sesgo optimista al no incluir activos deslistados o incorporados.

Deslizamiento e impacto de mercado: La premisa de ejecución a precios de cierre ignora la profundidad del libro y el impacto de órdenes de mayor magnitud.

Retrospectiva del Walk-Forward: Si bien el protocolo walk-forward elimina el sesgo de anticipación, la ventana de 12 meses para la formación puede ser insuficiente para capturar regímenes de mercado estructurales de mayor duración.

En resumen, este estudio demostró que la aplicación de Machine Learning no supervisado para la selección de pares en Pairs Trading representa una alternativa viable a la Cointegración Clásica en el mercado brasileño. La combinación de PCA y DBSCAN, operacionalizada a través del protocolo walk-forward, identificó grupos de activos con dinámicas de precios relacionadas que trascienden las fronteras sectoriales. El principal hallazgo fue la superioridad en retorno acumulado (+45,24 p.p.) de la estrategia ML, sin compromiso del perfil de riesgo y con tendencia a la reducción de volatilidad. Esto posiciona el enfoque ML como una evolución metodológica en relación con la heurística sectorial, incluso sin significancia estadística formal en la comparación de retornos medios diarios. Esta diferencia, real y económicamente relevante, se atribuye a la mejora en la calidad de la selección de pares, y no a la predicción de retornos, lo que es consistente con la teoría de mercados eficientes.

4. Conclusión

Este estudio buscó desarrollar y evaluar un modelo de Machine Learning no supervisado para la selección de activos en estrategias de Pairs Trading, comparando su desempeño con el enfoque tradicional de Cointegración Clásica en el mercado financiero brasileño, en el período de 2004 a 2025. Se verificó que la estrategia basada en Machine Learning, que combinó Análisis de Componentes Principales (PCA) y el algoritmo DBSCAN, generó un retorno acumulado superior de 202,48% en comparación con 157,24% del enfoque Baseline. Se observó también una reducción en la volatilidad anualizada a 4,29% contra 4,62% de la Baseline, y un drawdown máximo mitigado. Aunque la Prueba T de Welch no indicó diferencia estadísticamente significativa en los retornos medios diarios (p = 0,656), la Prueba de Levene sugirió una tendencia a la reducción de riesgo (p = 0,066) por el enfoque de Machine Learning. Ambas estrategias demostraron un carácter market neutral, con volatilidades anuales significativamente inferiores a las del IBOV. La principal contribución práctica reside en la mejora de la calidad de los pares seleccionados, lo que se tradujo en un portafolio con perfil de riesgo-retorno superior, entregando mayor retorno con menor volatilidad a lo largo de horizontes largos, sin necesariamente predecir retornos superiores en términos estadísticos diarios. Este hallazgo refuerza la aplicabilidad del framework en un mercado emergente como el brasileño.

Sin embargo, la interpretación de los resultados debe considerar algunas limitaciones, como la ausencia de costos de transacción en el modelo, el sesgo de supervivencia de los activos y la premisa de ejecución sin slippage o impacto de mercado. Adicionalmente, la ventana de lookback del protocolo walk-forward puede ser insuficiente para capturar regímenes de mercado de mayor duración, y el modelo no incorporó mecanismos de cambio de régimen. Para estudios futuros, se sugiere la incorporación de costos reales de BTC, la aplicación de técnicas de Deep Learning para modelar no-linealidades y quiebres de cointegración, el uso de Aprendizaje por Refuerzo para calibración dinámica de órdenes, la evaluación de la estrategia con datos intradía y la integración de filtros fundamentalistas en un enfoque quantamental.

Referencias 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.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy

Más recientes

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

También te puede interesar

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

La gestión financiera personal representa un desafío creciente, influenciada por sesgos cognitivos que afectan la toma de decisiones, incluso en individuos con alto conocimiento. El presente estudio analizó la relación entre el nivel de educación financiera y la ocurrencia de sesgos conductuales en la toma de decisiones financieras de adultos residentes en Brasil. Se realizó un levantamiento de campo de naturaleza aplicada, cuantitativa y descriptivo-correlacional, mediante la aplicación de un cuestionario estructurado a 163 encuestados. El instrumento contempló variables sociodemográficas, conocimiento y hábitos financieros, y situaciones hipotéticas para identificar sesgos cognitivos. Los resultados indicaron que niveles más elevados de educación financiera se asociaron con mejores prácticas de control financiero, ahorro e inversión, con correlaciones significativas con ingresos y escolaridad. Sin embargo, la presencia de sesgos conductuales (anclaje, aversión a la pérdida, escasez, optimismo/pesimismo, sesgo del presente, status quo, exceso de confianza y contabilidad mental) persistió incluso entre individuos con mayor escolaridad e ingresos, sin asociación estadísticamente significativa con las variables sociodemográficas analizadas. Se concluyó que la educación financiera, aunque esencial para la organización y el control financiero, no fue suficiente para neutralizar la influencia de sesgos cognitivos. Se sugiere la incorporación de enfoques conductuales a los programas de educación financiera.

Palabras clave: Comportamiento financiero; Economía conductual; Finanzas personales; Heurísticas cognitivas; Sesgos cognitivos.

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

La inserción de niños con Trastorno del Espectro Autista (TEA) en la Educación Infantil presenta desafíos significativos, dada la dificultad de adaptación a nuevos entornos y la intensidad de estímulos. El objetivo fue analizar la actuación docente en la Educación Infantil en el proceso de escolarización inicial de niños con TEA. Se realizó un estudio de caso, utilizando la entrevista narrativa como técnica de producción de datos. Los resultados revelaron que la actuación docente se caracterizó por prácticas de mediación y afecto, con la flexibilización de la rutina y el uso de recursos lúdicos como estrategias esenciales para el desarrollo y la organización sensorial del niño. También se destacó la importancia del profesional de apoyo escolar para el éxito del trabajo pedagógico. El desarrollo integral del niño fue promovido por medio de acciones docentes intencionales que priorizaron la adaptación ambiental, el fortalecimiento de vínculos y la atención a las necesidades específicas del TEA. Como contribución, se elaboró una guía de estrategias pedagógicas orientada a la acogida de niños con TEA en guarderías públicas.

Palabras clave: Educación Infantil; Inclusión Escolar; Narrativas Docentes; Prácticas Pedagógicas Inclusivas; Trastorno del Espectro Autista.

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

La expansión del comercio electrónico y la transformación tecnológica impulsaron la necesidad de comprender el comportamiento del consumidor de infoproductos, cuya experiencia percibida se ha vuelto crucial para el desarrollo profesional. El estudio tuvo como objetivo analizar los factores que influyeron en la decisión de compra de infoproductos en el entorno digital, considerando las etapas del viaje del consumidor. Se realizó una investigación aplicada, cuantitativa y descriptiva, a través de un estudio de campo con 100 consumidores de la Serra Gaúcha. La recopilación de datos se realizó mediante un cuestionario estructurado, utilizando muestreo no probabilístico. Los resultados revelaron un público cualificado y con un fuerte comportamiento “mobile-first”. Se constató que la disponibilidad de información detallada y la aprobación social fueron los principales desencadenantes de atracción en la fase de precompra. En las etapas transaccionales y posteriores, la minimización de fricciones operativas, la agilidad del acceso inmediato y la seguridad sistémica demostraron ser cruciales para la conversión y la satisfacción, aunque se identificaron lagunas en la eficiencia del soporte humano. La retención se fundamentó en la confianza generada por experiencias anteriores positivas, superando el factor precio. Se concluyó que el viaje del consumidor de infoproductos opera como un sistema integrado, exigiendo alineación entre infraestructura tecnológica, curaduría de contenido y humanización del soporte para asegurar el compromiso.

Palabras clave: Comercio electrónico; Comportamiento del consumidor; Experiencia del consumidor; Fidelización; Negocios virtuales.

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

La salud mental en el entorno laboral es un tema de creciente relevancia, que impacta el desarrollo profesional y el bienestar de los colaboradores. Se realizó un estudio para identificar aspectos y situaciones que pueden influir en los niveles de absentismo en una institución bancaria. La investigación involucró a 108 participantes y utilizó un cuestionario estructurado, basado en la versión corta del COPSOQ II de Gonçalves (2021), que contenía 45 preguntas cerradas en escala Likert y dos preguntas abiertas. Los datos se recopilaron a través de una plataforma en línea y se analizaron con un enfoque descriptivo y cuantitativo. Los resultados revelaron un escenario que indicó la necesidad de ajustes en la distribución de las actividades y en la percepción de los gerentes sobre comportamientos y señales de trastornos. Se identificaron evidencias importantes en las respuestas abiertas de los participantes. Se concluyó que el estudio contribuyó a la promoción de la percepción de un ambiente seguro para la salud mental en la organización.

Palabras clave: Ausencias por trastornos; Desarrollo profesional; Liderazgo operativo; Licencia médica; Salud mental.

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

El estado de Amazonas ha enfrentado desafíos históricos en la consolidación del Sistema Único de Salud (SUS), derivados de barreras geográficas, desigualdades socioeconómicas y limitaciones estructurales. En este estudio se describió el desarrollo e implementación de un geoportal de información en salud, concebido para apoyar el monitoreo, la evaluación y la planificación en el contexto amazónico. Se adoptó un enfoque de estudio de caso descriptivo, basado en análisis documental y datos secundarios, abarcando el mapeo de funcionalidades, la infraestructura técnica y las etapas de validación de la herramienta. El Portal fue desarrollado con tecnologías abiertas e integró múltiples bases de datos nacionales, ofreciendo dashboards interactivos, mapas temáticos y repositorio digital de documentos. Entre los resultados, destacaron la visualización georreferenciada de indicadores clave, la posibilidad de análisis comparativos temporales y la utilización de la plataforma en la revisión de planes de salud y en el redireccionamiento de acciones estratégicas. El portal puede representar un avance en la gobernanza digital y en la gestión basada en evidencia, con potencial de replicabilidad para otros territorios de alta complejidad, siempre que vaya acompañado de inversiones en infraestructura tecnológica, capacitación profesional y articulación interinstitucional.

Palabras clave: Amazonía; Evaluación en Salud; Salud Digital; Sistemas de Información en Salud.

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

El impacto del aprendizaje continuo y la gestión del conocimiento en el crecimiento de las organizaciones fue estudiado en un escenario de globalización y constantes cambios. El objetivo del estudio fue analizar la percepción de los colaboradores sobre la cultura de aprendizaje y su importancia para el desarrollo personal y profesional. Los datos se obtuvieron a través de una encuesta anónima, de enfoque cuantitativo, utilizando un formulario con preguntas tipo “survey” aplicado a 87 profesionales de los sectores de tecnología, salud, educación, comercio y servicios. Los resultados indicaron que los colaboradores tenían una percepción positiva sobre la contribución del aprendizaje continuo al crecimiento personal y organizacional, reconociendo sus beneficios para el desarrollo de nuevas habilidades, la innovación y la competitividad. Sin embargo, se observó que el incentivo al intercambio de conocimiento interno y la oferta de capacitaciones prácticas aún presentaban medias moderadas de acuerdo. Se concluyó que el aprendizaje continuo contribuye significativamente al desarrollo individual y organizacional, sugiriendo que las empresas deben desarrollar políticas estratégicas de aprendizaje dirigido a nuevas habilidades, buscando una mayor ventaja competitiva y la innovación.

Palabras clave: Aprendizaje continuo; Autodesarrollo; Crecimiento organizacional; Gestión del Conocimiento; Innovación.

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

Se propuso un modelo de regresión estadística múltiple para estimar el rendimiento operativo de la microrred CampusGrid de la UNICAMP, basándose en magnitudes eléctricas internas. La microrred integra generación fotovoltaica, baterías y un generador de gas. Se recopilaron datos del sistema de gestión de energía en intervalos de cinco minutos durante un mes. El Índice de Confiabilidad Operacional, definido como la razón entre energía atendida y demandada, se estableció como variable dependiente. El modelo se ajustó al modo de operación aislado, evaluando el impacto de la demanda, el estado de carga, la generación solar y la energía suministrada. Los resultados revelaron un elevado poder explicativo, indicando que la confiabilidad operativa depende de la interacción entre el suministro y la demanda. Se observó que el período nocturno concentró la mayor tasa de atención parcial, atribuida a la reducción de la generación solar. Se concluyó que la regresión múltiple ofrece una estructura interpretable y útil para el monitoreo de microrredes y el apoyo a estrategias de control.

Palabras clave: Almacenamiento en baterías; Generación fotovoltaica; Índice de Confiabilidad; Operación aislada; Sistema de Gestión de Energía.

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

La morosidad agregada en el sistema financiero brasileño es un indicador crucial de riesgo crediticio, cuya previsión está regulada por las Resoluciones CMN n.° 4.557/2017 y 4.966/2021 para la medición prospectiva de pérdidas esperadas. Se modeló y predijo la morosidad agregada mediante el modelo SARIMAX, proyectando su trayectoria hasta diciembre de 2026 bajo escenarios optimista, base y pesimista. Se utilizaron 164 observaciones mensuales (julio/2012 a febrero/2026) y variables macroeconómicas como desempleo, Selic, IPCA, IBC-Br y endeudamiento de las familias. La especificación con variables contemporáneas fue seleccionada con base en criterios de información y estabilidad de los coeficientes, y el diagnóstico de los residuos confirmó adecuación estadística, con MAPE de 3,12%. La morosidad histórica varió entre 4,33% y 7,64%. La estimación identificó el desempleo (β = 0,2534; p < 0,001) y la Selic (β = 0,2128; p < 0,001) como principales determinantes positivos, con fuerte persistencia temporal (AR(1) = 0,8965). La Selic exhibió correlación creciente con la morosidad (r = 0,62 en el rezago 12), mientras que el desempleo demostró efecto contemporáneo (r = 0,33). Las proyecciones indicaron morosidad entre 6,30% y 7,98% en diciembre de 2026, con una amplitud de 1,68 punto porcentual, evidenciando implicaciones directas para el dimensionamiento de provisiones en las instituciones financieras.

Palabras clave: Desempleo; Modelado predictivo; Política monetaria; Provisión de pérdidas; Series temporales.

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

Este estudio describió los factores críticos percibidos para la participación de las partes interesadas en la transferencia internacional de tecnología en un hospital público, con foco en la planificación. El objetivo fue describir estos factores condicionantes, según la percepción de los profesionales. Se realizó un estudio de caso único, aplicando un cuestionario a 25 profesionales y utilizando análisis de contenido, complementado por tabulaciones descriptivas. Los principales obstáculos identificados fueron resistencia al cambio (72%), financiación (64%), falta de comunicación (60%) y burocracia (40%). Solo el 28% de los encuestados reconoció la existencia de herramientas adecuadas para la gestión de stakeholders, mientras que el 48% negó y el 24% no supo informar. Cruzamientos exploratorios indicaron variaciones en la evaluación de influencia según el tiempo de actuación, pero no establecieron relaciones causales. La falta de participación se asoció con retrasos, baja adhesión, desperdicio de recursos, fallas de comunicación, compromiso de la absorción de conocimiento y riesgos para la seguridad del paciente. Las conclusiones se restringieron a las percepciones del grupo investigado y fundamentaron recomendaciones preliminares para la comunicación y coordinación intersectorial.

Palabras clave: Estudio de caso; Gestión de proyectos; Innovación en salud; Partes interesadas; Sector público.

Economia

19 de octubre de 2026

¿Fin de la escala 6×1: qué permiten concluir los números?

Tras la promulgación del fin de la escala 6×1, el debate sobre la jornada menor pasa a la implementación y exige distinguir beneficios sociales de costos económicos El fin de la escala 6×1 pasó de la discusión legislativa a un cambio constitucional en Brasil. El 16 de octubre de 2026, el Congreso Nacional promulgó la enmienda constitucional nº 141/2026, originada de la Propuesta […]

Inteligencia Artificial

16 de octubre de 2026

¿Por qué estudiar si existe la IA?

Cuando las respuestas se vuelven fáciles, aprender pasa a significar más que alcanzarlas. ¿Por qué necesito aprender esto si puedo preguntarle a una inteligencia artificial? Este tipo de pregunta ha acompañado a la educación durante décadas. ¿Por qué aprender una operación si existe una calculadora? ¿Por qué memorizar una información si se puede encontrar […]

Gestión Tributaria

15 de octubre de 2026

Impuesto rosa y el género del precio

Cómo los diferentes tratamientos de marketing para hombres y mujeres son incorporados por la tributación del consumo Imagine un estante en el que dos maquinillas de afeitar de la misma marca y destinadas al mismo propósito están expuestas una al lado de la otra: una tiene un empaque oscuro y promete fuerza, precisión y eficiencia; la otra viene en tonos de rosa o […]

Salud

13 de octubre de 2026

El eslabón perdido de la transformación de la salud

¿Por qué la innovación no es suficiente para generar cambios en las organizaciones y en los sistemas de salud La transformación digital se ha consolidado como una prioridad estratégica para los sistemas de salud en todo el mundo. Historias clínicas electrónicas, inteligencia artificial, telemedicina, monitorización remota y análisis de datos han pasado a formar parte de la agenda estratégica de gobiernos y organizaciones sanitarias. Paradójicamente, […]

Marketing

09 de octubre de 2026

Bitcoin o mascotas: lo que la Inteligencia Artificial no vería

Un caso real de consumer intelligence muestra lo que queda fuera del briefing Hace algunos años, una aseguradora estadounidense contrató a una empresa especializada en consumer intelligence para responder a tres preguntas: La aseguradora también evaluaba lanzar seguros pagados en bitcoin. En ese momento, el proceso de trabajo de la consultoría funcionaba así: el analista creaba una query […]

Gestión Escolar

06 de octubre de 2026

La escuela no es un casino: cuando las figuritas se convierten en moneda en el patio

¿Por qué, para determinados estudiantes, la escuela logra ofrecer tan pocas experiencias de éxito? La Copa del Mundo ha terminado. Brasil ha quedado fuera de la competición, llegaron las vacaciones escolares, se disputó la final y el calendario del fútbol siguió adelante. Sería razonable imaginar que, con el fin del torneo y el regreso a clases, también comenzara […]

Transición Energética

30 de septiembre de 2026

Energías renovables: la ventaja brasileña

Brasil necesita invertir en la capacidad de transformar recursos naturales en innovación, productividad y desarrollo Hablar de energía es hablar de desarrollo. Detrás de la industria, el transporte, los servicios, las ciudades y, cada vez más, la inteligencia artificial, existe una infraestructura energética que sustenta la economía. Comprender la matriz energética de un país es comprender […]

Análisis De Datos

30 de septiembre de 2026

¿Cuando cambian los datos, ha cambiado la realidad?

Análisis de casi 20 millones de vínculos-año docentes entre 2020 y 2025 muestra cómo cambios en la composición de la población y en la producción de los registros pueden alterar la interpretación de series históricas Entre 2020 y 2025, el número de vínculos formales de trabajo docente identificados en la RAIS (Relación Anual de Información Social), del Ministerio de Trabajo, […]

Inteligencia Artificial

28 de septiembre de 2026

Inteligencia artificial y las tendencias

¿Por qué tanta gente se une a los juegos con ChatGPT? Nunca fui una persona de tendencias. Sigo sin serlo. Algunas pasan por mi línea de tiempo, las veo, me parecen interesantes pero no al punto de experimentar. Fue así, inclusive, con algunas ondas recientes de imágenes hechas por inteligencia artificial, como la tendencia de los años 80, aquella que nos […]

Gestión Tributaria

01 de septiembre de 2026

Reforma tributaria y planificación patrimonial en el campo

La eficiencia para gestionar los impuestos facilita la gobernanza y permite organizar la sucesión familiar. La organización patrimonial rural se ha convertido en una medida estratégica ante la reforma tributaria en Brasil, que entró en vigor este año. La planificación de las actividades y de la gestión del patrimonio rural, a través de herramientas como la transición de la Persona Física a […]

Renata de Gaspari Valdejão Almeida

Inteligencia Artificial

05 de agosto de 2026

Dentro de la empresa y fuera del radar: los riesgos de la IA Sombra

Según Microsoft, el 75% de los profesionales ya utilizan inteligencia artificial en el trabajo sin la aprobación de la empresa El uso de la inteligencia artificial generativa ya forma parte de la rutina corporativa. Herramientas como ChatGPT, Copilot y otras plataformas ayudan a los profesionales a producir textos, analizar datos, crear presentaciones y acelerar tareas en prácticamente todos los sectores. Pero este avance […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julio de 2026

El futuro como competencia

El interés académico refuerza la proyección de escenarios como herramienta esencial para la toma de decisiones. Mientras algunas empresas aún intentan acertar el próximo paso, otras ya trabajan con múltiples futuros posibles — y se preparan para todos ellos. Pero, ¿qué significa “pensar el futuro”? ¿Es tendencia, es estrategia o una nueva competencia que […]

Renata de Gaspari Valdejão Almeida

Innovación

Tecnología

21 de mayo de 2026

Corredor Agro SP: innovación, articulación institucional y futuro

Pecege comanda a 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 […]

Educación

27 de abril de 2026

Cómo transformar un TCC en negocio

Nueva gestión del Parque Tecnológico de Piracicaba ofrece consultoría a egresados de MBAs El nuevo director de proyectos del Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, suele decir que una de las mayores recompensas que ha tenido en la vida ha sido ver a sus orientandos del MBA USP/Esalq estructurar empresas a partir de sus trabajos de conclusión de […]

Tecnología

20 de marzo de 2026

El repertorio humano en la era de la IA

El pensamiento crítico y la creatividad son insustituibles en el trabajo del profesional de marketing La Inteligencia Artificial (IA) es capaz de hazañas increíbles, pero aún no posee la capacidad de juicio, empatía, intuición y creatividad estratégica necesarias para hacer el trabajo de un buen profesional de marketing. En esta área, es importante saber usar la herramienta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

23 de febrero de 2026

ESG como estrategia de crecimiento en una cooperativa del RS

Santa Clara equilibra responsabilidad social y ambiental con innovación Fundada en 1911 por inmigrantes italianos en Carlos Barbosa, en la sierra gaúcha, la Cooperativa Santa Clara es un ejemplo de que es posible equilibrar el crecimiento económico con la responsabilidad social y ambiental. De una pequeña empresa de producción de quesos, la organización evolucionó a un […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

22 de enero de 2026

¿Brasil libre de fiebre aftosa: qué cambia para la carne brasileña?

Con un rebaño de más de 200 millones de cabezas de ganado, el país es actualmente el líder en exportaciones Brasil recibió recientemente, por primera vez, la certificación de país libre de fiebre aftosa sin vacunación, otorgada por la Organización Mundial de Sanidad Animal (OMSA). El sello fortalece la posición del país como proveedor de carne confiable para el […]

Renata de Gaspari Valdejão Almeida

Innovación

09 de diciembre de 2025

Innovación: el nuevo ciclo del Parque Tecnológico de Piracicaba

El Instituto Pecege asume la gestión apostando en la creación de nuevos negocios A partir de 2026, el Instituto Pecege asumirá la gestión del Parque Tecnológico de Piracicaba (PTP). Entre sus responsabilidades estarán la administración, operación, mantenimiento y expansión del parque, además del fomento de actividades de innovación, emprendimiento y ciencia y tecnología. La elección fue realizada […]

Renata de Gaspari Valdejão Almeida

06 de julio de 2026

Arquitectura a Gran Escala: Gestión de Cambios DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumen elaborado por la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. La arquitectura y el urbanismo se configuran como bases imprescindibles en un espacio urbano cada vez más complejo y desafiante, donde la intrínseca conexión entre cuestiones sociales, ambientales y tecnológicas […]