Aplicação de machine learning na pré-seleção de ativos para portfólios de investimento
Este trabalho buscou avaliar o impacto de técnicas de Machine Learning junto a estratégias de momento na pré-seleção de ativos financeiros para portfólios de investimentos no mercado brasileiro. Foram utilizados modelos de Random Forest para ranquear os ativos presentes no IBOVESPA e aplicar esta pr...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2021 |
| País: | Brasil |
| Institución: | Fundação Getulio Vargas (FGV) |
| Repositorio: | Repositório Institucional do FGV (FGV Repositório Digital) |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.fgv.br:10438/31361 |
| Acceso en línea: | https://hdl.handle.net/10438/31361 |
| Access Level: | acceso abierto |
| Palabra clave: | Machine learning Pré-selection of assets Momentum Investment portfolio Brazilian market Pré-seleção de ativos Momento Portfólio de investimentos Mercado brasileiro Economia Engenharia financeira Aprendizado do computador Investimentos - Análise Mercado de opções |
| Sumario: | Este trabalho buscou avaliar o impacto de técnicas de Machine Learning junto a estratégias de momento na pré-seleção de ativos financeiros para portfólios de investimentos no mercado brasileiro. Foram utilizados modelos de Random Forest para ranquear os ativos presentes no IBOVESPA e aplicar esta pré-seleção em portfólios otimizados pelo método da médiavariância. Observou-se uma significante vantagem na utilização desta implementação nos retornos acumulados a longo prazo, como esperado de estratégias baseadas em momento. O portfólio construído a partir ativos pré-selecionados apresentou melhor retorno acumulado e menor sensibilidade à drawndowns sistêmicos, o que indica uma maior eficiência uma vez que o custo de seu gerenciamento é consequentemente reduzido. |
|---|