Análise de previsão de preços de ações de uma carteira otimizada, utilizando análise envoltória de dados, redes neurais artificiais e modelo de box-jenkins

• Ano de defesa: 2018
• Autor(a) principal: Cechin, Rafaela Boeira
• Orientador(a): Corso, Leandro Luís
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Pesquisa operacional; Análise de envoltória de dados; Redes neurais (Computação); Previsão econômica; Bolsa de valores
• Palavras-chave em Inglês: Operations research; Data envelopment analysis; Neural networks (Computer science); Economic forecasting; Stock exchanges
• Link de acesso: https://repositorio.ucs.br/handle/11338/3660

O mercado de ações atrai cada vez mais investidores, por sua alta rentabilidade, quando comparado com outras opções de investimentos. Porém, esta comercialização de ativos possui um alto risco, sendo aconselhável utilizar conceitos matemáticos para auxiliar na tomada de decisões. Este trabalho visou estudar alguns desses conceitos aplicados na bolsa de valores, para maximizar o retorno e controlar os riscos. Primeiramente, para a seleção de carteira de ativo foi utilizada a Análise Envoltória de Dados (DEA), para em seguida, prever o preço das ações das empresas selecionadas. Para esta prognose, foi realizada uma comparação de modelos de previsão de séries temporais, com o uso das Redes Neurais Artificiais e da metodologia Box-Jenkins. Para o cálculo da DEA, foram utilizados indicadores como preço/lucro, retorno, entre outros, como variáveis de entrada e saída. Já para a previsão, foi empregado o preço diário de dia comercial para cada uma das empresas previamente selecionadas para a carteira otimizada. Para o estudo com DEA, obtevese um portfólio otimizado com retorno 15 vezes maior do que o índice Ibovespa; e para o comparativo dos métodos de previsão, concluiu-se que a metodologia BoxJenkins foi a mais indicada para prever preço de ações, por ter menores médias de erros.