O objetivo desta dissertação foi o desenvolvimento de um modelo de arbitragem estatística, com o intuito de explorar a propriedade de reversão à média, contida em certas combinações lineares de séries de preços de ações que compõem o índice Bovespa. Para isso, fez-se necessário apresentar alguns conceitos relevantes, como o de Cointegração, ferramenta utilizada para verificar a presença de possíveis relações de equilíbrio entre séries não-estacionárias. Outros temas abordados referiram-se à questão da instabilidade de parâmetros de regressões lineares, incluindo-se aí tópicos como a Regressão Stepwise e o Filtro de Kalman. O primeiro busca reduzir a multicolinearidade, que surge com a presença de correlações cruzadas em problemas com diversos regressores em potencial, ao passo que o último procura, através de um método recursivo, conferir um grau de adaptabilidade, com o passar do tempo, aos coeficientes das regressões. Todos esses conceitos foram essenciais para a elaboração do modelo de arbitragem estatística proposto, cujo desempenho esteve associado a uma série de regras discutidas no decorrer do trabalho. Dentre estas, foi possível inferir que o caso em que os coeficientes da regressão de Cointegração variam gradativamente conforme o método recursivo do Filtro de Kalman, têm condições de produzir resultados superiores, no que tange a certos parâmetros, como o retorno médio por operação e o índice Sharpe, em relação ao modelo em que os mesmos coeficientes são definidos pelo Método dos Mínimos Quadrados, embora este último procedimento tenha apresentado, em termos absolutos, um desempenho bem satisfatório no que diz respeito a tais quesitos. Como recomendação para trabalhos futuros, foram sugeridos métodos complementares para a modelagem do desvio da relação de equilíbrio de Cointegração, como modelos auto-regressivos e de média móvel - ARMA, e modelos auto-regressivos generalizados com heteroscedasticidade condicional GARCH.

The objective of this dissertation was the development of a statistics arbitrage model, which explores the mean reversion property contained in certain linearly combined series of stock prices that makes up the Ibovespa index. For that, it was necessary to present some relevant concepts, like Cointegration, which is a tool generally used to detect equilibrium relationships in a set of nonstationary time series. Besides that, it was described other techniques, which deal with lhe question of parameters instability such as Stepwise Regression and Kalman Filter. Important to say is that the former is an attempt to reduce the multicolinearity that exists when lhe number of potential regressors is large, whereas the latter is an approach that allows regression coefficients to evolve with time. All these concepts were used on the development of the stat arb model proposed, whose performance was associated to a couple of rules discussed during this document. Among these, it was possible to conclude that the case in which the regression are time varying may produce better results in terms of some parameters, such as average return per operation and Sharpe ratio, compared to the model in which regression coefficients were estimated by Ordinary Least Squares. Meanwhile, it needs to be emphasized that, in absolute terms, OLS had also produced good results regarding these measures. As a recommendation for future works, it was suggested complementary methods for modeling statistical mispricings from Cointegration equilibrium relationship, like autoregressive methods with moving average (ARMA) and generalized autoregressive conditionally heteroscedastic models.