Big Data: Reflexões Epistemológicas e Impactos nos Estudos de Finanças e Mercado de Capitais

  • Talieh Shaikhzadeh Vahdat Ferreira Doutoranda em Administração pela Universidade Federal da Paraíba (UFPB)
  • Francisco José da Costa Professor da Universidade Federal da Paraíba (UFPB). Doutor em Administração de Empresas pela Fundação Getúlio Vargas (FGV-SP)
Palavras-chave: Big Data, Método Abdutivo, Epistemologia, Finanças

Resumo

Objetivo e método: O acesso a séries de dados tem um papel central na área de Finanças. A crescente disponibilidade de grandes volumes de dados, em diferentes formatos e em alta frequência, combinada aos avanços tecnológicos nas ferramentas de armazenamento e processamento desses dados, têm criado um novo cenário nas pesquisas acadêmicas em geral, e em Finanças em particular, gerando novas oportunidade e desafios. Entre esses desafios emergem questões metodológicas, vastamente discutidas por pesquisadores de diferentes áreas, mas também questões epistemológicas que merecem maior espaço de discussão. Assim, o objetivo deste ensaio teórico é analisar o aspecto conceitual e epistemológico da utilização de dados intensivos e seus reflexos para a área de Finanças. Resultados e contribuições: Consideramos que o método hipotético-dedutivo de pesquisas empíricas, que é o mais recorrente, limita a construção do conhecimento na dita ‘era Big data’, uma vez que tal abordagem parte de uma teoria estabelecida e restringe as pesquisas ao teste à(s) hipótese(s) proposta(s). Defendemos aqui a apropriação de uma abordagem abdutiva, como defendida em Haig (2005), que tem convergência com as ideias da grounded theorye que parece ser a abordagem mais adequada para esse novo contexto, por possibilitar a ampliação da capacidade de se obter informações de valor dos dados.

Biografia do Autor

Talieh Shaikhzadeh Vahdat Ferreira, Doutoranda em Administração pela Universidade Federal da Paraíba (UFPB)
Doutoranda em Administração de Empresas (ênfase em Finanças) pela Universidade Federal da Paraíba. Atuou como docente no Instituto de Educação Superior da Paraíba - IESP para as disciplinas de Mat. Financeira e Análise de Risco. Tem experiência de mercado como analista de risco de crédito no HSBC e Citibank para o segmento Corporate na América Latina. Mestre em Administração de Empresas (ênfase em Finanças) pela Universidade Federal da Paraíba (2016) e especialização em "Constructing a Conceptual Framework for Social Action" pela LazosLearning Association (2013), Canadá.
Francisco José da Costa, Professor da Universidade Federal da Paraíba (UFPB). Doutor em Administração de Empresas pela Fundação Getúlio Vargas (FGV-SP)
Possui graduação em Administração (Universidade Estadual do Ceará - 2000) e em Estatística (Universidade Federal da Paraíba - 2014), com mestrado em Administração (Universidade Estadual do Ceará - 2003) e doutorado em Administração de Empresas (Fundação Getulio Vargas - SP - 2007). É professor da Universidade Federal da Paraíba, tendo atuado como docente de graduação e pós-graduação, e exercido nos últimos anos atividades administrativas diversas, como Coordenador/Diretor da Área de Ciências Sociais Aplicadas (na UNILAB - Redenção), Coordenador do Programa de Pós-Graduação em Administração (PPGA/UFPB) e como Assessor para análise de dados institucionais na Pró-reitoria de Graduação (PRG/UFPB). Publicou 50 trabalhos em periódicos especializados, dos quais 24 nos últimos 5 anos, e um livro acadêmico sobre teoria da mensuração aplicada à pesquisas em Administração. Orientou, até 2015, 16 dissertações de mestrado, uma tese de doutorado, além de dezenas de monografias de graduação ou especialização. Tem atuação com ensino e pesquisas na área de Administração, com ênfase em Marketing e Estratégia, atuando principalmente em Marketing e sociedade, Educação em Administração e Métodos quantitativos aplicados.

Referências

Aksu, M., & Kosedag, A. (2006). Transparency and disclosure scores and their determinants in the Istanbul Stock Exchange. Corporate Governance - an International Review, 14(4), pp. 277-296. DOI: https://doi.org/10.1111/j.1467-8683.2006.00507.x/abstract

Bianchi, E. M. P. G., & Ikeda, A. A. (2008). Usos e aplicações da grounded theory em admi-nistração. Revista Eletrônica de Gestão Organizacional, 6(2), pp.231-248.

Cartea, A., & Karyampas, D. (2011). Volatility and covariation of financial assets: a high-frequency analysis. Journal of Banking and Finance, 35(12), pp.3319-3334. DOI: https://doi.org/10.1016/j.jbankfin.2011.05.012

Chen, C. L. P., & Zhang, C.Y. (2014). Data-intensive applications, challenges, techniques, and technologies: a survey on Big Data. Information Science, 27(5), pp. 314-374. DOI: https://doi.org/10.1016/j.ins.2014.01.015

Chong, A., Lopez-de-Silanes, F. (2007). Investor protection and corporate governance: intra-firm evidence across Latin-America. Palo Alto: Stanford University Press.

Damodaran, A. (2012). Investment valuation: tools and techniques for determining the value of any assets. 3rd edition. New Jersey: Wiley&Sons.

Demchenko Y., Grosso, P., De Laat C., & Membrey, P. (2013). Addressing Big Data issues in scientific data infrastructure. Collaboration Technologies and Systems (CTS), International Conference on 2013.

Einav L. & Levin J. (2014). Economics in the age of big data. Science, 346 (6210), pp. 12430891–12430896. DOI: https://doi.org/10.1126/science.1243089

Ekbia, H., Mattioli, M., Kouper, I., Arave, G., Ghazinejad, A., Bowman, T., Suri, V. R., Tsou, A., Weingart, S., & Sugimoto, C. R. (2015). Big Data, bigger dillemas: a critical review. Journal of the Association for Information Science and Technology, 66(8), pp. 1523-1545.

Fan, J., Han, F., & Liu, H. (2014). Challenges of Big Data Analysis. National Science Review, 1(2), pp. 293–314. DOI: https://doi.org/10.1093/nsr/nwt032

Gigerenzer, G., & Marewski, J. N. (2015). Surrogate science: the idol of a universal method for scientific inference. Journal of Management, 41(2), pp.421-440. DOI: https://doi.org/10.1177/0149206314547522

Glaser, B, G., & Strauss, A. L. (1967). The discovery of grounded theory: strategies for quali-tative research. New York: Aldine de Gruyter.

GSAM – Goldman Sachs Asset Management (2016). Perspectives: the role of Big Data in investing. Recuperado em 26 de abril, 2017, de: https://www.gsam.com/.

Haig, B. D. (2005). An abdutive theory of scientific method. Psychological Methods, 10(4), pp. 371-388. DOI: https://doi.org/10.1037/1082-989X.10.4.371

Hey, T., Tansley, S., & Tolle K. (2009). Jim Grey on eScience: A transformed scientific method. In: Hey T, Tansley S and Tolle K (eds) The fourth paradigm: data-intensive sci-entific discovery. Redmond: Microsoft Research, pp. xvii–xxxi.

Big Data, New Epistemologies and Paradigm Shift (PDF Download Available). Recuperado em 15 de setembro, 2017, de: https://www.researchgate.net/publication/271525133_Big_Data_New_Epistemologies_and_Paradigm_Shift.

IBM, 2016. Recuperado em 08 de abril, 2107, de: https://www-01.ibm.com/software/data/bigdata/what-is-bigdata.html.

James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learn-ing. New York: springer. DOI: https://doi.org/10.1007/978-1-4614-7138-7

Kitchin, R. (2014). Big Data, new epistemologies and paradigms shift. Big Data & Society, April-June, pp. 1-12. DOI: https://doi.org/10.1177/2053951714528481

Lakatos, I., & Musgrave, A. (1979). A crítica e o desenvolvimento do conhecimento. São Pau-lo: Editora da Universidade de São Paulo. DOI: http://dx.doi.org/10.11606/issn.2447-9799.cienciaefilosofi.1980.107354

Lau, R. Y.K., Zhao, J.L., Chen, G., & Guo, X. (2016). Big Data commerce. Information & Management, 53, pp. 929-933. DOI: https://doi.org/10.1016/j.im.2016.07.008

Louzis, D.P., Xanthopoulos-Sisinis, S., & Refenes, A.P., (2013). The role of high-frequency intra-daily data, daily range and implied volatility in multi-period value-at-risk forecast-ing. Journal of Forecasting, 32(6), pp. 561–576.

Martins,O. S. & Paulo E. (2014). Assimetria de informação na negociação de ações, caracte-rísticas econômico financeiras e governança corporativa no mercado acionário brasileiro. Revista Contabilidade & Finanças (Online), 25(64), pp. 33-45. jan./fev./mar./abr. 2014

Miller, H. J. (2010). The data avalanche is here. Shouldn’t we be digging? Journal of Regional Science, 50(1), pp. 181-201. DOI: https://doi.org/10.1111/j.1467-9787.2009.00641.x

Oracle (2012). Financial services data management: Big Data technology in financial services. Oracle Financial Services, An Oracle White paper.

Seth, T., & Chaudhary, V. (2015). “Big Data in Finance”. In: Li, K.; Jiang, H.; Yang, L. T.; Cuzzorea, A. (Eds) “Big Data: algorithms, analytics and applications”. Chapman and Hall/ CRC, pp. 329-356.

Spens, K. M., & Kovács, G. (2006). A content analysis of research approaches in logistics research, International Journal of Physical Distribution & Logistics Management, 36(5), pp. 374-390. DOI: https://doi.org/10.1108/09600030610676259

Ye, G. (2010). High frequency trading models. NJ: John Wiley & Sons Inc.

Zervoudakis, F., Lawrence, D., Gontikas, G., & Al Merey, M. (2017). Perspectives on high-frequency trading. Recuperado em 30 de março, 2017, de: http://www0.cs.ucl.ac.uk/staff/f.zervoudakis/docs/hft.pdf.

Publicado
2017-12-06
Como Citar
Ferreira, T., & Costa, F. J. (2017). Big Data: Reflexões Epistemológicas e Impactos nos Estudos de Finanças e Mercado de Capitais. Revista De Educação E Pesquisa Em Contabilidade (REPeC), 11(4). https://doi.org/10.17524/repec.v11i4.1634
Seção
Artigos