Existem diferentes fatores externos relatados na mídia que podem impactar uma série temporal financeira. Tais fatores, como transições de governo, crises econômicas ou escândalos de corrupção, podem estar relacionados a eventos que aumentam a incerteza na série temporal. Em particular, esses fatores externos podem aumentar o risco percebido em uma série temporal financeira por meio de eventos como anomalias ou pontos de mudança. Um estudo baseado nas diferentes características que compõem um evento pode determinar previsões, além de ajudar a minimizar o risco em investimentos. A influência desses fatores pode ter diferentes ciclos de flutuação, afetando uma série temporal ao longo de meses ou anos. Portanto, descobrir esses eventos na série temporal financeira é uma tarefa desafiadora. Essa dissertação apresenta o Multi-Scale Event Detect (MSED), uma técnica para detecção de eventos em séries temporais não estacionárias e não lineares. Somado a isso, este trabalho faz um estudo associativo dos eventos encontrados pelos métodos de detecção nos componentes de Intrinsic Mode Function (IMF) com as marcações de eventos externos obtidos através da Economic Policy Uncertainty (EPU). O objetivo é identificar que tipo de evento é refletido por um determinado fator de incerteza externo em uma série financeira, utilizando essa abordagem, é possível determinar a natureza mais predominante dos eventos com base nas variações de incerteza apresentadas na série de EPU. Essas informações permitem especificar um conjunto de séries temporais onde a influência da incerteza gera eventos aceitáveis para um determinado perfil de investimento, mitigando assim, o risco a que se pretende estar exposto.