Uso de modelos de Machine Learning em Asset Pricing: Um estudo do cross section de retornos brasileiro

• Autor(a) principal: Cardoso, Gabriel Brum
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
• Texto Completo: https://hdl.handle.net/10438/32352
• topic: Asset Pricing; LASSO; Machine Learning; Principal Component; Retornos; Modelo de precificação de ativos; Aprendizado do computador; Análise de componentes principais; Mercado de ações; Estudos transversais

Este trabalho busca investigar se os modelos de machine learning, Least Absolute Shrinkage and Selection Operator (LASSO) e Principal Component Regression (PCR) sao capazes de contribuir para a explicação do cross section de retornos para o mercado brasileiro. Para o estudo foram coletados dados da bolsa de valores oficial do Brasil, a B3, de maio de 2012 até maio de 2021, selecionando 16 fatores e características, documentados na literatura como variáveis explicativas para retornos mensais de portfolios. O desempenho de cada modelo foi avaliado por meio do coeficiente de determinação R², dentro e fora da amostra. Os resultados obtidos sugerem que os modelos utilizados apresentaram elevado poder de explicação para os portfolios avaliados.