A Hipótese da Eficiência de Mercados (HEM) postula que os preços dos ativos nos mercados financeiros devem refletir toda a informação disponível: como consequência, os preços devem ser consistentes com seus fundamentos. Esta tese examina a evidência empírica da HEM usando a abordagem das redes neurais. Muitos estudos têm mostrado que redes neurais artificiais têm a capacidade de aprender a mecânica dos mercados acionários. A tese está dividida em três ensaios. O primeiro ensaio aplica os modelos de redes neurais para prever os três principais mercados acionários latino-americanos (Brasil, Argentina e México). O ensaio dois, foca o papel da análise técnica na sinalização dos pontos de entrada e saída do mercado. O ensaio três, extende os ensaios um e dois e aplica as redes recorrentes e de saltos de conexão. Os três ensaios concluem que as redes neurais são uma boa ferramenta para o market timing da alocação de ativos

The Efficient Market Hypothesis (EMH) states that asset prices in financial markets should reflect all available Information: as consequence, price should always be consistent with "fundamentals". In this dissertation, we examine the empirical evidence of EMH using a neural network approach. Many studies have shown that the artificial neural networks have the capability to learn the underlying mechanics of stock markets. The dissertation is divided in three essays. First essay applies neural network models to predict the three main stock markets in Latin America (Brazil, Argentina and México) Essay two focuses on the role of technical analysis in signaling the timing of stock market entry and exit. Essay three extends essays one and two and applies both recurrent and jump connections networks. The three essays conclude that neural networks are a good tool to market timing asset allocation