Parametrização de estratégia de covered calls no mercado de dólar futuro utilizando simulação

• Ano de defesa: 2022
• Autor(a) principal: Kajiya, Wagner Akio Shimada
• Orientador(a): Maiali, André Cury
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Mercado de opções; Método de Monte Carlo; Aprendizado do computador; Árvores de decisão
• Palavras-chave em Inglês: Options; Covered call; Monte Carlo; Machine learning; Decision tree; Random forest
• Link de acesso: https://hdl.handle.net/10438/32905

Este trabalho tem como foco estudar algumas possíveis variáveis que determinaram que uma estratégia de covered call fosse vencedora . A principal idéia é utilizar algoritmos de machine learning para encontrar pontos de entrada para a execução da estratégia. Os algoritmos escolhidos foram Decision Tree e Random Forest. A maioria das informaçoes de entrada serão compostas por algumas variáveis disponíveis em plataformas de provedores de dados de mercado. Um dos dados que comporão a base que alimentará os algoritmos é o retorno esperado, estimado a partir do método de Monte Carlo onde serão geradas diferentes trajetórias de preço que obedecem o movimento browniano geométrico. Para criar as trajetórias será usada a volatilidade implícita nas opções como estimador para a volatilidade realizada futura.