Modelo de seleção de ações a partir de registros contábeis e de indicadores de mercado, utilizando técnicas de análise de componentes principais, support vector machine e redes neurais no mercado brasileiro

• Ano de defesa: 2020
• Autor(a) principal: Marin, Marcelo Rivera
• Orientador(a): Rochman, Ricardo Ratner
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Seleção de melhores ações; Classificadores; Redes neurais; Análise de componentes principais
• Palavras-chave em Inglês: Support vector machine; Stocks selection; Classifiers; Neural networks; Principal component analysis
• Link de acesso: https://hdl.handle.net/10438/29284

O objetivo deste trabalho é propor um modelo de seleção de ações que superem o índice IBrX 100, com base em seus registros contábeis e indicadores de mercado, a partir da utilização das técnicas de support vector machine e redes neurais - identificadas ao longo deste estudo como classificadores. Os classificadores são treinados em parte da amostra e seguem para a verificação de suas precisões a partir dos conceitos extraídos da matriz confusão. Em seguida, é analisado o desempenho da carteira formada pelos ativos selecionados do classificador com maior acurácia em relação ao índice IBrX 100. O classificador support vector machine com kernel linear apresentou resultados superiores dentre os demais na identificação das ações vencedoras, com acurácia de 54,8%. Ao analisarmos as características da classificação desse algoritmo, nota-se que foram selecionadas as ações que apresentaram aumento de rentabilidade, redução de endividamento e maiores retornos nos períodos de 2 meses, 1 mês e 5 dias. A carteira formada pela seleção de ações a partir do classificador vencedor desempenhou 17,8% melhor que o IBrX 100, com information ratio médio de 0,30 em 2018 e 1,48 em 2019. Como possível crítica deste resultado, a amostra de teste ficou concentrada em um período de tendência de alta do índice de referência.