Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Cardoso, Gabriel Brum |
| Orientador(a): |
Iachan, Felipe Saraiva |
| 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/10438/32352
|
Resumo: |
Este trabalho busca investigar se os modelos de machine learning, Least Absolute Shrinkage and Selection Operator (LASSO) e Principal Component Regression (PCR) sao capazes de contribuir para a explicação do cross section de retornos para o mercado brasileiro. Para o estudo foram coletados dados da bolsa de valores oficial do Brasil, a B3, de maio de 2012 até maio de 2021, selecionando 16 fatores e características, documentados na literatura como variáveis explicativas para retornos mensais de portfolios. O desempenho de cada modelo foi avaliado por meio do coeficiente de determinação R², dentro e fora da amostra. Os resultados obtidos sugerem que os modelos utilizados apresentaram elevado poder de explicação para os portfolios avaliados. |
