Desenvolvimento de estratégia de investimento utilizando factor-based investing e aprendizado de máquina

Resumo

A proposta deste trabalho é desenvolver uma estratégia de seleção de ações, dentro do mercado brasileiro, com o objetivo de obter retornos superiores à média de mercado e superiores também a estratégias usuais de seleções de ações. Para isto, foram utilizados conceitos de investimento em fatores, bem como métodos estatísticos de previsão (regressão logística e rede neural Multilayered Perceptron (MLP)). A base de dados utilizada para análise consiste em informações financeiras de ações negociadas na bolsa de valores B3 S.A., no período de 1999 até 2013. Com estes dados foram calculados quatro índices financeiros, relacionados ao valor e a qualidade das empresas. Com estes índices, realizou-se a previsão de retorno do ativo para os doze meses subsequentes, classificando o mesmo em INVESTE e NÃO INVESTE. A estratégia de seleção de ações foi simulada para o período de 2013 até 2017, e os resultados foram comparados com os retornos gerados pelo índice Ibovespa. Com relação aos modelos de previsão, nos experimentos realizados, as previsões geradas pelos modelos de redes neurais MLP geraram menores retornos do que os produzidos pelas previsões dos modelos de regressão logística.

Ficha do documento

Tipo

Dissertação

Ano

2020

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/28788

Temas

EconomiaTransportesDados

Palavras-chave

Financial statementsFactor-based investmentLogistic regressionNeural network MLPDemonstrações contábeisInvestimento em fatoresRegressão logísticaRede neural MLPEconomiaRedes neurais (Computação)Finanças - Modelos matemáticosInvestimentos - Processo decisórioInvestimentos - Administração - Processamento de dados