Mercados financeiros são sistemas complexos com estrutura e comportamento extremamente dependentes das interrelações entre os seus componentes. Em particular, a teoria de redes tem contribuído para caracterizar e compreender o comportamento e as interdependências entre vários componentes do mercado financeiro, em especial, o mercado de ações. Pesquisas nessa área indicam que a estrutura de rede gerada do mercado pode conter informações úteis para um melhor entendimento do mercado como um todo e até mesmo prever a ocorrência de eventos extremos, como, por exemplo, uma crise financeira. Em geral, os estudos consideram apenas dependências lineares entre os objetos da rede baseados no coeficiente de correlação linear de Pearson, e nesse sentido, a proposta deste projeto é a aplicação de conceitos e métodos de teoria de redes e de teoria da informação para caracterizar e explorar o efeito de dependências não lineares na estrutura de rede do mercado brasileiro de ações. Para tal, a informação mútua foi usada como medida de dependência não linear para gerar a estrutura de redes que foi comparada com a obtida a partir da correlação linear de Pearson. Por fim, investigou-se como a estrutura da rede e suas métricas poderiam ajudar a caracterizar e a entender o comportamento dos mercados financeiros, analisando-se dois períodos, o primeiro sob gestão da Presidente Dilma Rousseff, com um retorno do índice de ações de -42%, e o segundo sob gestão do Presidente Michel Temer, com um retorno deste índice de 50%. Para tal fim, foram utilizados dados de alta frequência, sendo uma cotação a cada 15 minutos. Em suma, concluiu-se que os retornos dos ativos no segundo período parecem ter maior dependência não-linear quando comparados aos retornos do período anterior. A rede para este período é a que se mostra mais arriscada em termos de estrutura de 'transmissão de volatilidades', tanto pela análise do coeficiente de robustez da rede, quanto pela estimativa do parâmetro da lei de potência. Encontrou-se evidência da relação entre estrutura das redes e desempenho das ações. Além disso, vimos a grande importância do setor financeiro nas redes. Finalmente, tecemos comentários quanto a aplicação destas redes para diversos fins.

This paper has the purpose to apply concepts and methods from network and information theory to characterize and to explore the role of nonlinear dependencies over the Brazilian network stock market structure. In particular, the minimum spanning tree network structure generated from the mutual information as a measure of nonlinear dependence was compared with the one obtained by Pearson's correlation coefficient. We analyzed two periods, the first under the management of President Dilma Rousseff, with an index return of -42%, and the second one, under the management of President Michel Temer, with an index return of 50%. For this purpose, high frequency data of fifteen minutes interval was used. Our analysis suggest that the assets returns of Temer's presidential term seem to have greater nonlinear dependence when compared to the returns of the previous period. Also, the network's robustness coefficient and power law parameter suggests that the network for the second period is the most risky in terms of volatility transmission structure. Also, we find evidence of network structure and stock performance relationship. Finally, we have also seen the great importance of financial sector within Brazilian's stock network