Seleção de portfólio de ações por meio de otimização metaheurística híbrida com redes neurais LSTM

• Ano de defesa: 2020
• Autor(a) principal: Milhomem, Danilo Alcântara
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Pontifícia Universidade Católica de Goiás; Escola de Engenharia::Curso de Engenharia de Produção; Brasil; PUC Goiás; Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas
• Palavras-chave em Português: Cardinalidade, Long Short Term Memory, otimização, investimentos, problema de programação quadrática inteira mista; Cardinality, Long Short Term Memory, optimization, investments, mixed integer quadratic programming problem.; Engenharias: Engenharia de Produção
• Link de acesso: http://tede2.pucgoias.edu.br:8080/handle/tede/4512

O problema de otimização de portfólio consiste na formação de um conjunto de ativos e suas respectivas proporções de forma que o risco seja minimizado e o retorno maximizado. O trabalho tem como objetivo melhorar o modelo de otimização de portfólio, calibrando a cardinalidade e reduzindo o erro de estimativa da carteira, por meio do algoritmo de Colônia de Abelhas Artificiais (ABC) híbrido com Redes Neurais Long Short Term Memory (LSTM). Com relação a metodologia, realizou-se duas revisões sistemáticas de literatura para verificar o estado da arte sobre o tema da pesquisa. Também se fez duas aplicações: na primeira as carteiras são construídas via otimização por meio do modelo de Markowitz e na segunda usase o Modelo de Markowitz com restrição de cardinalidade. Os resultados mostram que, para os dados analisados, o aumento do número de ativos, em carteiras otimizadas, não reduz o risco desta. Além disso, chama-se a atenção para a importância do uso de simulações e da experimentação como principal abordagem a ser usada para definir a quantidade ideal de ativos em uma carteira. O algoritmo ABC híbrido com Redes Neurais Recorrentes LSTM mostraram-se como técnica potencial para redução do erro de estimativa e para otimização. As limitações foram: os filtros usados nas revisões de literatura podem ter excluído trabalhos importantes; além disso, a escolha de ativos com base em sua liquidez e período de participação na bolsa, embora justificada, pode ter evitado a análise de ativos com boas possibilidades de ganhos em termos de retorno