Carteiras de Black-Litterman com análises baseadas em redes neurais.

• Ano de defesa: 2019
• Autor(a) principal: Bernardes, Diego Guerreiro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizagem computacional; Bayesian inference; Engenharia financeira; Financial engineering; Gestão de carteiras; Hedging (Finanças); Hedging (Finance); Inferência Bayesiana; Neural networks; Nonlinear optimization; Otimização não linear; Redes neurais
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3139/tde-17072019-104836/

Neste trabalho é apresentado um sistema autônomo de gestão de carteiras que utiliza Redes Neurais Artificiais para monitoramento do mercado e o modelo de Black-Litterman para otimização da alocação de patrimônio. O sistema analisa as dez ações mais negociadas do índice Bovespa, com redes neurais dedicadas a cada ação, e prevê estimativas de variações de preços para um dia no futuro a partir de indicadores da análise técnica. As estimativas das redes são então inseridas em um otimizador de carteiras, que utiliza o modelo de Black-Litterman, para compor carteiras diárias que empregam a estratégia Long and Short. Os resultados obtidos são comparados a um segundo sistema de trading autônomo, sem o emprego da otimização de carteiras. Foram observados resultados com ótimo índice de Sharpe em comparação ao Benchmark. Buscou-se, assim, contribuir com evidências a favor da utilização de modelos de inferência bayesiana utilizados junto à técnicas quantitativas para a gestão de patrimônio.