Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Abreu, André Fidelis Figueiredo de |
| Orientador(a): |
Mastumoto, Élia Yathie |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Link de acesso: |
https://hdl.handle.net/10438/31361
|
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. |
