Esta tese é composta por três ensaios. O primeiro ensaio aborda os desafios dos dados de firmas faltantes no Brasil e suas implicações para a pesquisa em precificação de ativos e finanças corporativas. Propomos combinar informações de múltiplas fontes de dados para gerar um conjunto abrangente de características de firmas. Nossa abordagem consiste em um procedimento em duas etapas, que aproveita dependências seccionais e temporais, para imputar dados faltantes em um conjunto ampliado por informações de outro conjunto. Por meio de uma análise empírica com dados do mercado brasileiro, demonstramos a eficácia de nossa abordagem em mitigar o impacto dos dados faltantes. Os resultados destacam a importância de considerar múltiplas fontes de dados e implementar métodos robustos de imputação para aumentar a confiabilidade e precisão da pesquisa financeira no Brasil. No segundo ensaio, estudamos se a duration de ações precifica retornos no Brasil. A duration de uma ação mede o tempo dos fluxos líquidos esperados em relação ao valor de mercado. Empresas com duration mais curta retornam caixa mais cedo, enquanto empresas com maior duração adiam os fluxos. Calculamos a duration de cada ação brasileira entre 2004 e 2024, usando um VAR agrupado para prever fundamentos e uma identidade determinística para mapear fluxos em valor presente. A ordenação das firmas por duration gera um diferencial grande e robusto nos retornos esperados. Montamos então uma estratégia para explorar esse diferencial, que entrega excelente performance mesmo quando controlamos pelos fatores de mercado, tamanho, valor e momento. As exposições a risco implicam uma carteira defensiva, carregando positivamente em valor e negativamente em momento. As características das firmas corroboram essa interpretação, já que empresas de duration curta se assemelham a ações maduras de alto pagamento e empresas de duration longa se assemelham mais a ações de crescimento. No terceiro ensaio, usamos um modelo dinâmico de Nelson-Siegel com fatores macroeconômicos (FADNS) para estimar e prever a estrutura a termo dos spreads corporativos nos EUA. Em particular, usando um modelo vetor autorregressivo (VAR) para capturar a dinâmica conjunta entre os fatores da curva de spreads corporativos e de um pequeno número de fatores extraídos de um grande painel de dados macrofinanceiros. A análise empírica utiliza dados de yields corporativos em diferentes maturidades e ratings. Nosso modelo FADNS demonstra melhor ajuste dentro da amostra e desempenho superior em previsão fora da amostra em relação aos modelos de referência. Além disso, os fatores revelam padrões economicamente intuitivos, ressaltando a importância das condições macrofinanceiras na formação das curvas de yields corporativas.

This thesis consists of three essays. The first essay addresses the challenges of missing financial data for Brazilian public firms and its implications for asset pricing and corporate finance research. We propose combining information from multiple data sources, to generate a comprehensive dataset of firm characteristics. Our approach consists of using a twostep procedure, leveraging both cross-sectional and time-series dependence, to impute missing data using information from different data sets. Using Brazilian market data, we demonstrate the effectiveness of our approach in mitigating the impact of missing data. Our findings highlight the importance of considering multiple data sources and implementing robust imputation methods to enhance the reliability of financial research in Brazil. The second essay studies whether equity duration affects expected returns in Brazil. Equity duration measures the timing of expected net payouts relative to market value. Firms with shorter duration return cash sooner, while longer-duration firms defer payouts. We construct firm-level equity duration for Brazilian stocks from 2004 to 2024 using a pooled ridge VAR to forecast fundamentals and a deterministic present-value identity to map payouts to present value. Sorting firms on duration generates a large and robust spread in average returns. The resulting long–short portfolio delivers sizable excess returns and statistically significant alphas that survive controls for market, size, value, and momentum. Risk exposures reveal that the log-short portfolio has a defensive stance, loading positively on value and negatively on momentum. Firm characteristics corroborate this interpretation, with short-duration firms resembling mature, high-payout stocks and long-duration firms resembling growth stocks. In the third essay, we use a factor-augmented dynamic Nelson-Siegel (FADNS) framework to estimate and predict the term structure of US corporate bond yields. In particular, we employ a vector autoregressive (VAR) model to capture the joint dynamics between a few factors extracted from a large panel of macro-financial data and the factors that drive the term structure of corporate yields. The empirical analysis employs a cross-section of corporate yield data across multiple maturities and ratings. Our FADNS model improves both in-sample fit and out-of-sample forecasting performance relative to benchmark models. Further, the factor loadings reveal economically intuitive patterns, underscoring the importance of macro-financial conditions in shaping corporate yield curves.