Análise de estratégias e métodos para predição de fundos de investimentos imobiliários

• Ano de defesa: 2024
• Autor(a) principal: Diniz, Henrique Penna Barbosa
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Ciência da Computação
• Palavras-chave em Português: Aprendizado do computador; Investimentos imobiliários - Processamento de dados; Análise de séries temporais; CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
• Link de acesso: https://locus.ufv.br/handle/123456789/32583; https://doi.org/10.47328/ufvbbt.2024.201

Este trabalho aborda a previsão da variação do preço das cotas de Fundos de Investi- mento Imobiliário (FIIs), uma questão de relevância crescente para investidores e gestores de portfólio. Diante da complexidade desse desafio e da necessidade de tomar decisões informadas no mercado imobiliário, esta pesquisa explora estratégias inovadoras de mo- delagem, contrastando métodos tradicionais de séries temporais com abordagens de apren- dizado de máquina. Um aspecto inovador foi o enriquecimento dos dados com informações adicionais sobre os imóveis subjacentes aos FIIs, buscando entender como características específicas influenciam sua valorização. Os resultados demonstraram que, em muitos ca- sos, os modelos de aprendizado de máquina superaram as técnicas tradicionais de análise de séries temporais, especialmente na previsão de tendências de médio prazo. Além disso, este estudo investigou a viabilidade de utilizar um classificador para determinar a estraté- gia mais eficiente na predição, considerando os resultados obtidos com os modelos ARIMA e XGBoost. A análise revelou que diferentes fundos exibem comportamentos distintos ao longo do tempo, e a escolha do algoritmo adequado pode variar conforme as características individuais de cada fundo. Palavras-chave: Fundo de Investimento Imobiliário, Aprendizado de Máquina, Séries Temporais