Neves, Maria Elisabete DuarteGouveia, Maria do Castelo BaptistaFerreira, Bárbara Domingues2024-08-052024-08-052024http://hdl.handle.net/10400.26/51485Esta dissertação tem como objetivo avaliar o desempenho dos Exchange-Traded Funds (ETFs) de inteligência artificial (IA). A fim de atingir o objetivo proposto, foi analisada uma amostra de 22 ETFs de IA cotados em bolsa de valores, no período de 1 ano (2022), 3 anos (2020 a 2022) e 5 anos (2018 a 2022), recorrendo à metodologia Value-Based DEA (Data Envelopment Analysis) desenvolvida por Gouveia et al. (2008). O método Value-Based DEA é uma abordagem que combina técnicas da DEA com princípios da Análise de Decisão Multicritério (Multiple Criteria Decision Analysis - MCDA). Neste método, os inputs (recursos) e outputs (produtos) de cada unidade de decisão (Decision Making Unit – DMU) são convertidos em funções de valor, que representam as preferências do tomador de decisão em relação aos diferentes critérios. O objetivo é encontrar uma alocação de pesos que minimize a diferença de valor em relação à melhor DMU, permitindo uma avaliação mais precisa da eficiência relativa. Esta metodologia considera as preferências individuais e as prioridades do decisor, oferecendo informações úteis para a avaliação do desempenho e subsequente tomada de decisão. Os resultados obtidos indicam que os ETFs de IA representam um produto financeiro promissor com potencial para capturar os avanços tecnológicos e inovadores. Numa perspetiva de curto prazo, as medidas de risco têm maior relevância para os fundos eficientes, isto é, os investidores adotam uma posição retraída no mercado. No médio/longo prazo, observa-se um aumento significativo nos ETFs eficientes, e as métricas de rendibilidade ajustadas ao risco revelam-se cruciais. Neste período, o investidor encontra a segurança na rendibilidade associada à inovação e ao ciclo de produtos, reconhecendo que eventualmente num período mais longo a instabilidade destes produtos poderá ressurgir acompanhada de volatilidade e risco. A longo prazo, o número de fundos eficientes volta a aumentar, o que sugere que o investidor tende a privilegiar os que replicam o mercado, mas atendendo de igual modo à sua sensibilidade às flutuações do mesmo. Esta dissertação é original e procura colmatar o gap da literatura existente sobre a eficiência deste tipo de fundos, já que se trata de um assunto do momento e ainda pouco explorado.porETFInteligência artificialDesempenhoEficiênciaValue-Based DEAmaster thesis203670973