Aplicação de machine learning na pré-seleção de ativos para portfólios de investimento
Abreu, André Fidelis Figueiredo de
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
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.
Ficha do documento
- Tipo
- Dissertação
- Ano
- 2021
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.fgv.br:10438/31361
- Temas
- Economia
Conteúdos relacionados
- DissertaçãoSeleção de fundos multimercadoFundação Getulio Vargas · 2025
- DissertaçãoParametrização de estratégia de covered calls no mercado de dólar futuro utilizando simulaçãoFundação Getulio Vargas · 2022
- DissertaçãoPainting the black box whiteFundação Getulio Vargas · 2020
- DissertaçãoDerivação de modelos de trading de alta frequência em juros utilizando aprendizado por reforçoFundação Getulio Vargas · 2017
