Machine Learning Aplicado à Teoria de Portefólio
Main Author: | |
---|---|
Publication Date: | 2022 |
Format: | Master thesis |
Language: | por |
Source: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Download full: | http://hdl.handle.net/10400.22/21497 |
Summary: | Ao longo da vida é normal vivenciarmos altos e baixos a nível financeiro, mas necessitamos de estar preparados para ultrapassar estas situações da forma mais estável possível. Não podemos ficar dependentes de outras pessoas ou entidades para garantirmos o nosso futuro, é fundamental que as pessoas consigam desde cedo ter um pensamento a longo prazo em todos os aspetos, incluindo a nível financeiro. A literacia financeira é cada vez mais uma temática fundamental para a sociedade em geral, é fulcral que a pessoas sejam dotada de conhecimento e capacidade de gerir os seus ativos e posteriormente potenciar a sua saúde financeira. Uma das formas de rentabilizar os ativos é efetuando investimentos, este podem ser feitos de diversas formas, contudo nesta dissertação vamos dar um especial enfoque nos investimentos no mercado financeiro, mais especificamente através de ETF’s, Commodities e Fundos de Investimento. Assim, o principal objetivo da dissertação consistiu na aplicação de Machine Learning na Teoria de Portefólio para obtenção de carteira eficiente. Para a definição desta carteira de ativos eficiente foi necessário perceber a importância da diversificação do portefólio, de forma que os investidores ficassem menos suscetíveis a variações do mercado. Deste modo, foi dada especial importância ao risco e ao lucro na forma de atributos da carteira de ativos, pois foram estes que auxiliaram na determinação de um portefólio eficiente. Numa primeira fase, foi efetuada uma análise dos diferente ativos para depois serem desenvolvidos modelos de previsão com base no histórico dos ativos e noutras variáveis que se correlacionavam com o conjunto de dados. Visto que o objetivo era maximizar os lucros e minimizar o risco, foram integrados na carteira diferentes tipos de investimentos, com diferentes riscos associados. Posteriormente, foi estudado o modelo que otimiza a determinação dos pesos dos ativos constituintes da carteira. Nesta última fase efetuou-se uma comparação entre o método AHP e o método de divisão igualitária das percentagens dos ativos na carteira de investimentos. Através da qual foi possível verificar que o método AHP se definia como o mais eficiente e flexível para a determinação da constituição da carteira de ativos, por possibilitar também aos investidores definir uma carteira mais conservadora ou mais especulativa. De uma forma geral, este projeto pode ser útil para as indústrias de fundos de pensões, bancos, fundos de investimentos e entre outros. Para o desenvolvimento deste projeto foi utilizada a metodologia CRISP-DM e a Teoria do Portefólio e foram também utilizadas como ferramentas, o Knime e o Excel. |
id |
RCAP_c2afb382dcfb8a9f1efc68a71d0725c2 |
---|---|
oai_identifier_str |
oai:recipp.ipp.pt:10400.22/21497 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Machine Learning Aplicado à Teoria de PortefólioCRISP-DMTeoria do PortefólioRentabilidadeRiscoCarteira de AtivosOtimizaçãoPortfolio theoryProfitabilityRiskAsset portfolioOptimizationAo longo da vida é normal vivenciarmos altos e baixos a nível financeiro, mas necessitamos de estar preparados para ultrapassar estas situações da forma mais estável possível. Não podemos ficar dependentes de outras pessoas ou entidades para garantirmos o nosso futuro, é fundamental que as pessoas consigam desde cedo ter um pensamento a longo prazo em todos os aspetos, incluindo a nível financeiro. A literacia financeira é cada vez mais uma temática fundamental para a sociedade em geral, é fulcral que a pessoas sejam dotada de conhecimento e capacidade de gerir os seus ativos e posteriormente potenciar a sua saúde financeira. Uma das formas de rentabilizar os ativos é efetuando investimentos, este podem ser feitos de diversas formas, contudo nesta dissertação vamos dar um especial enfoque nos investimentos no mercado financeiro, mais especificamente através de ETF’s, Commodities e Fundos de Investimento. Assim, o principal objetivo da dissertação consistiu na aplicação de Machine Learning na Teoria de Portefólio para obtenção de carteira eficiente. Para a definição desta carteira de ativos eficiente foi necessário perceber a importância da diversificação do portefólio, de forma que os investidores ficassem menos suscetíveis a variações do mercado. Deste modo, foi dada especial importância ao risco e ao lucro na forma de atributos da carteira de ativos, pois foram estes que auxiliaram na determinação de um portefólio eficiente. Numa primeira fase, foi efetuada uma análise dos diferente ativos para depois serem desenvolvidos modelos de previsão com base no histórico dos ativos e noutras variáveis que se correlacionavam com o conjunto de dados. Visto que o objetivo era maximizar os lucros e minimizar o risco, foram integrados na carteira diferentes tipos de investimentos, com diferentes riscos associados. Posteriormente, foi estudado o modelo que otimiza a determinação dos pesos dos ativos constituintes da carteira. Nesta última fase efetuou-se uma comparação entre o método AHP e o método de divisão igualitária das percentagens dos ativos na carteira de investimentos. Através da qual foi possível verificar que o método AHP se definia como o mais eficiente e flexível para a determinação da constituição da carteira de ativos, por possibilitar também aos investidores definir uma carteira mais conservadora ou mais especulativa. De uma forma geral, este projeto pode ser útil para as indústrias de fundos de pensões, bancos, fundos de investimentos e entre outros. Para o desenvolvimento deste projeto foi utilizada a metodologia CRISP-DM e a Teoria do Portefólio e foram também utilizadas como ferramentas, o Knime e o Excel.Throughout life, it is normal to experience ups and downs at a financial level, but we need to be prepared to overcome these situations in the most stable way possible. We cannot be dependent on other people or entities to ensure our future, people must be able to have long-term thinking from an early age in all aspects, including financially. Financial literacy is increasingly a key issue for society in general, people must be endowed with knowledge and ability to manage their assets and subsequently enhance their financial health. One of the ways to monetize the assets is making investments, these can be made in several ways, however, in this dissertation we will give a special focus on financial market investments, more specifically through ETFs, Commodities and Investment Funds. Thus, the main goal of the dissertation was the application of Machine Learning in the Portfolio Theory to obtain an efficient portfolio. To define this efficient portfolio of assets it was necessary to understand the importance of portfolio diversification so that investors would be less susceptible to market variations. Therefore, special importance was given to risk and profit in the form of attributes of the portfolio of assets, since these were what helped in the determination of an efficient portfolio. In the first phase, an analysis of the different assets was carried out and then forecasting models were developed based on asset history and other variables that correlated with the data set. Since the objective was to maximize profits and minimize risk, different types of investments with different associated risks were integrated into the portfolio. Subsequently, the model that optimises the determination of the weights of the assets that make up the portfolio was studied. In this last phase, a comparison was made between the AHP method and the method of equal division of asset percentages in the investment portfolio. Through this comparison, it was possible to verify that the AHP method was defined as the most efficient and flexible method to determine the constitution of the portfolio of assets since it also allows investors to define a more conservative or more speculative portfolio. In general, this project can be useful for the industries of pension funds, banks, investment funds and among others. To develop this project we used the CRISP-DM methodology and the Portfolio Theory, and we also used Knime and Excel as tools.Ferreira, Carlos Manuel Abreu GomesRepositório Científico do Instituto Politécnico do PortoSousa, Gonçalo Meneses de2023-01-13T11:32:12Z20222022-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/21497TID:203112741porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-13T13:17:20Zoai:recipp.ipp.pt:10400.22/21497Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:41:33.479770Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Machine Learning Aplicado à Teoria de Portefólio |
title |
Machine Learning Aplicado à Teoria de Portefólio |
spellingShingle |
Machine Learning Aplicado à Teoria de Portefólio Sousa, Gonçalo Meneses de CRISP-DM Teoria do Portefólio Rentabilidade Risco Carteira de Ativos Otimização Portfolio theory Profitability Risk Asset portfolio Optimization |
title_short |
Machine Learning Aplicado à Teoria de Portefólio |
title_full |
Machine Learning Aplicado à Teoria de Portefólio |
title_fullStr |
Machine Learning Aplicado à Teoria de Portefólio |
title_full_unstemmed |
Machine Learning Aplicado à Teoria de Portefólio |
title_sort |
Machine Learning Aplicado à Teoria de Portefólio |
author |
Sousa, Gonçalo Meneses de |
author_facet |
Sousa, Gonçalo Meneses de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ferreira, Carlos Manuel Abreu Gomes Repositório Científico do Instituto Politécnico do Porto |
dc.contributor.author.fl_str_mv |
Sousa, Gonçalo Meneses de |
dc.subject.por.fl_str_mv |
CRISP-DM Teoria do Portefólio Rentabilidade Risco Carteira de Ativos Otimização Portfolio theory Profitability Risk Asset portfolio Optimization |
topic |
CRISP-DM Teoria do Portefólio Rentabilidade Risco Carteira de Ativos Otimização Portfolio theory Profitability Risk Asset portfolio Optimization |
description |
Ao longo da vida é normal vivenciarmos altos e baixos a nível financeiro, mas necessitamos de estar preparados para ultrapassar estas situações da forma mais estável possível. Não podemos ficar dependentes de outras pessoas ou entidades para garantirmos o nosso futuro, é fundamental que as pessoas consigam desde cedo ter um pensamento a longo prazo em todos os aspetos, incluindo a nível financeiro. A literacia financeira é cada vez mais uma temática fundamental para a sociedade em geral, é fulcral que a pessoas sejam dotada de conhecimento e capacidade de gerir os seus ativos e posteriormente potenciar a sua saúde financeira. Uma das formas de rentabilizar os ativos é efetuando investimentos, este podem ser feitos de diversas formas, contudo nesta dissertação vamos dar um especial enfoque nos investimentos no mercado financeiro, mais especificamente através de ETF’s, Commodities e Fundos de Investimento. Assim, o principal objetivo da dissertação consistiu na aplicação de Machine Learning na Teoria de Portefólio para obtenção de carteira eficiente. Para a definição desta carteira de ativos eficiente foi necessário perceber a importância da diversificação do portefólio, de forma que os investidores ficassem menos suscetíveis a variações do mercado. Deste modo, foi dada especial importância ao risco e ao lucro na forma de atributos da carteira de ativos, pois foram estes que auxiliaram na determinação de um portefólio eficiente. Numa primeira fase, foi efetuada uma análise dos diferente ativos para depois serem desenvolvidos modelos de previsão com base no histórico dos ativos e noutras variáveis que se correlacionavam com o conjunto de dados. Visto que o objetivo era maximizar os lucros e minimizar o risco, foram integrados na carteira diferentes tipos de investimentos, com diferentes riscos associados. Posteriormente, foi estudado o modelo que otimiza a determinação dos pesos dos ativos constituintes da carteira. Nesta última fase efetuou-se uma comparação entre o método AHP e o método de divisão igualitária das percentagens dos ativos na carteira de investimentos. Através da qual foi possível verificar que o método AHP se definia como o mais eficiente e flexível para a determinação da constituição da carteira de ativos, por possibilitar também aos investidores definir uma carteira mais conservadora ou mais especulativa. De uma forma geral, este projeto pode ser útil para as indústrias de fundos de pensões, bancos, fundos de investimentos e entre outros. Para o desenvolvimento deste projeto foi utilizada a metodologia CRISP-DM e a Teoria do Portefólio e foram também utilizadas como ferramentas, o Knime e o Excel. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022 2022-01-01T00:00:00Z 2023-01-13T11:32:12Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.22/21497 TID:203112741 |
url |
http://hdl.handle.net/10400.22/21497 |
identifier_str_mv |
TID:203112741 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131503038300160 |