Aplicação de machine learning na pré-seleção de ativos para portfólios de investimento

• Autor(a) principal: Abreu, André Fidelis Figueiredo de
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
• Texto Completo: https://hdl.handle.net/10438/31361
• topic: Machine learning; Pré-selection of assets; Momentum; Investment portfolio; Brazilian market; Pré-seleção de ativos; Momento; Portfólio de investimentos; Mercado brasileiro; Economia; Engenharia financeira; Aprendizado do computador; Investimentos - Análise; Mercado de opções

Este trabalho buscou avaliar o impacto de técnicas de Machine Learning junto a estratégias de momento na pré-seleção de ativos financeiros para portfólios de investimentos no mercado brasileiro. Foram utilizados modelos de Random Forest para ranquear os ativos presentes no IBOVESPA e aplicar esta pré-seleção em portfólios otimizados pelo método da médiavariância. Observou-se uma significante vantagem na utilização desta implementação nos retornos acumulados a longo prazo, como esperado de estratégias baseadas em momento. O portfólio construído a partir ativos pré-selecionados apresentou melhor retorno acumulado e menor sensibilidade à drawndowns sistêmicos, o que indica uma maior eficiência uma vez que o custo de seu gerenciamento é consequentemente reduzido.