Modelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia

Detalhes bibliográficos
Autor(a) principal: Ferreira, Rafael
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
por
Título da fonte: Repositório Institucional da UCS
Texto Completo: https://repositorio.ucs.br/11338/11488
Resumo: As expectativas sobre o resultado futuro dos mercados e das empresas são grandes responsáveis pelas suas cotações. A forma de variação dos dados envolvidos pode ser considerada como complexa, uma vez que vários métodos são desenvolvidos de forma a tentar realizar previsões e, ao mesmo tempo, gerar maiores retornos em investimentos como a renda variável, assunto que nos últimos anos tem despertado o interesse de uma parcela cada vez maior da população. No mercado financeiro, a possibilidade de obtenção de taxas de retorno acima das taxas obtidas em renda fixa é um dos principais fatores que levam a migração de recursos da renda fixa para a renda variável. Esse retorno maior está atrelado a um maior risco assumido pelo investidor, e utilizar de conhecimentos matemáticos para nortear a tomada de decisão é altamente recomendado. Esse trabalho visou o estudo e aplicação das Redes Neurais Artificiais (RNA) e do modelo autorregressivo integrado de médias móveis (ARIMA), assim como o modelo de Média-Variância de Markowitz no mercado de capitais brasileiro, com o objetivo de maximizar a criação de valor ao investidor por meio do controle de risco da carteira e da predição da cotação dos seus ativos. Para isso, utilizou-se critérios de seleção de ativos, para em seguida, prever a cotação das empresas listadas e posteriormente aplicar o modelo de Média-Variância para o cálculo dos percentuais de participação de cada ativo, montando assim a Carteira Otimizada. Para essa prognose, foi realizada uma comparação dos modelos de previsão de séries temporais em 243 dias de negociações da bolsa de valores brasileira (B3) no ano de 2021, com o uso de RNA e ARIMA. Resultados prévios mostram que a metodologia é capaz de gerar retornos financeiros, podendo ser aplicada a casos similares. [resumo fornecido pelo autor]
id UCS_b28e5c5cc5d058f4fe73fb549575ff3e
oai_identifier_str oai:repositorio.ucs.br:11338/11488
network_acronym_str UCS
network_name_str Repositório Institucional da UCS
repository_id_str
spelling Ferreira, RafaelLuciano, Marcos AlexandreSpindola, Marilda MachadoSuarez, Oscar Alfredo Garcia deCorso, Leandro Luís2023-01-24T14:30:34Z2023-01-24T14:30:34Z2023-01-242022-09-28https://repositorio.ucs.br/11338/11488As expectativas sobre o resultado futuro dos mercados e das empresas são grandes responsáveis pelas suas cotações. A forma de variação dos dados envolvidos pode ser considerada como complexa, uma vez que vários métodos são desenvolvidos de forma a tentar realizar previsões e, ao mesmo tempo, gerar maiores retornos em investimentos como a renda variável, assunto que nos últimos anos tem despertado o interesse de uma parcela cada vez maior da população. No mercado financeiro, a possibilidade de obtenção de taxas de retorno acima das taxas obtidas em renda fixa é um dos principais fatores que levam a migração de recursos da renda fixa para a renda variável. Esse retorno maior está atrelado a um maior risco assumido pelo investidor, e utilizar de conhecimentos matemáticos para nortear a tomada de decisão é altamente recomendado. Esse trabalho visou o estudo e aplicação das Redes Neurais Artificiais (RNA) e do modelo autorregressivo integrado de médias móveis (ARIMA), assim como o modelo de Média-Variância de Markowitz no mercado de capitais brasileiro, com o objetivo de maximizar a criação de valor ao investidor por meio do controle de risco da carteira e da predição da cotação dos seus ativos. Para isso, utilizou-se critérios de seleção de ativos, para em seguida, prever a cotação das empresas listadas e posteriormente aplicar o modelo de Média-Variância para o cálculo dos percentuais de participação de cada ativo, montando assim a Carteira Otimizada. Para essa prognose, foi realizada uma comparação dos modelos de previsão de séries temporais em 243 dias de negociações da bolsa de valores brasileira (B3) no ano de 2021, com o uso de RNA e ARIMA. Resultados prévios mostram que a metodologia é capaz de gerar retornos financeiros, podendo ser aplicada a casos similares. [resumo fornecido pelo autor]Expectations about the future outcome of markets and companies are largely responsible for their quotations. The form of variation of the data involved can be considered complex, since several methods are developed in order to try to make predictions and, at the same time, generate greater returns in investments such as variable income, a subject that in recent years has awakened the interest of an increasing portion of the population. In the financial market, the possibility of obtaining rates of return above the rates obtained in fixed income is one of the main factors that lead to the migration of resources from fixed income to variable income. This greater return is linked to a greater risk assumed by the investor, and using mathematical knowledge to guide decision-making is highly recommended. This work aimed at the study and application of Artificial Neural Networks (ANN) and the integrated autoregressive moving averages model (ARIMA), as well as the Markowitz Mean-Variance model in the Brazilian capital market, with the objective of maximizing the creation of value to the investor by controlling the risk of the portfolio and predicting the price of its assets. For this, asset selection criteria were used, to then predict the quotation of listed companies and later apply the Mean-Variance model to calculate the participation percentages of each asset, thus creating the Optimized Portfolio. For this prognosis, a comparison of time series forecasting models was carried out in 243 trading days of the Brazilian stock exchange (B3) in the year 2021, using RNA and ARIMA. Previous results show that the methodology is capable of generating financial returns and can be applied to similar cases. [resumo fornecido pelo autor]engporPesquisa operacionalRedes neurais (Computação)InvestimentosInteligência artificialOperations researchNeural networks (Computer science)InvestmentsArtificial intelligenceModelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenhariainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UCSinstname:Universidade de Caxias do Sul (UCS)instacron:UCSinfo:eu-repo/semantics/openAccessUniversidade de Caxias do Sulhttps://lattes.cnpq.br/3668582496852619FERREIRA, R.Mestrado Profissional em Engenharia MecânicaCampus Universitário de Caxias do Sul2023-12-01TEXTDissertação Rafael Ferreira.pdf.txtDissertação Rafael Ferreira.pdf.txtExtracted texttext/plain137906https://repositorio.ucs.br/xmlui/bitstream/11338/11488/3/Disserta%c3%a7%c3%a3o%20Rafael%20Ferreira.pdf.txt7f727b3f1b43bd0811bcae31150f5be3MD53THUMBNAILDissertação Rafael Ferreira.pdf.jpgDissertação Rafael Ferreira.pdf.jpgGenerated Thumbnailimage/jpeg1209https://repositorio.ucs.br/xmlui/bitstream/11338/11488/4/Disserta%c3%a7%c3%a3o%20Rafael%20Ferreira.pdf.jpg64ea72454661e2cc5a94d698cec560cdMD54ORIGINALDissertação Rafael Ferreira.pdfDissertação Rafael Ferreira.pdfapplication/pdf1184570https://repositorio.ucs.br/xmlui/bitstream/11338/11488/1/Disserta%c3%a7%c3%a3o%20Rafael%20Ferreira.pdf46b69f56a4162497c96f17f7b196f283MD51Dissertação Rafael Ferreira.pdfDissertação Rafael Ferreira.pdfapplication/pdf277290https://repositorio.ucs.br/xmlui/bitstream/11338/11488/2/Disserta%c3%a7%c3%a3o%20Rafael%20Ferreira.pdfb156ba02784ffaf873101f92d2aaa24eMD5211338/114882023-03-16 17:04:24.155oai:repositorio.ucs.br:11338/11488Repositório de Publicaçõeshttp://repositorio.ucs.br/oai/requestopendoar:2023-03-16T17:04:24Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)false
dc.title.pt_BR.fl_str_mv Modelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia
title Modelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia
spellingShingle Modelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia
Ferreira, Rafael
Pesquisa operacional
Redes neurais (Computação)
Investimentos
Inteligência artificial
Operations research
Neural networks (Computer science)
Investments
Artificial intelligence
title_short Modelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia
title_full Modelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia
title_fullStr Modelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia
title_full_unstemmed Modelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia
title_sort Modelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia
author Ferreira, Rafael
author_facet Ferreira, Rafael
author_role author
dc.contributor.other.none.fl_str_mv Luciano, Marcos Alexandre
Spindola, Marilda Machado
Suarez, Oscar Alfredo Garcia de
dc.contributor.author.fl_str_mv Ferreira, Rafael
dc.contributor.advisor1.fl_str_mv Corso, Leandro Luís
contributor_str_mv Corso, Leandro Luís
dc.subject.por.fl_str_mv Pesquisa operacional
Redes neurais (Computação)
Investimentos
Inteligência artificial
topic Pesquisa operacional
Redes neurais (Computação)
Investimentos
Inteligência artificial
Operations research
Neural networks (Computer science)
Investments
Artificial intelligence
dc.subject.eng.fl_str_mv Operations research
Neural networks (Computer science)
Investments
Artificial intelligence
description As expectativas sobre o resultado futuro dos mercados e das empresas são grandes responsáveis pelas suas cotações. A forma de variação dos dados envolvidos pode ser considerada como complexa, uma vez que vários métodos são desenvolvidos de forma a tentar realizar previsões e, ao mesmo tempo, gerar maiores retornos em investimentos como a renda variável, assunto que nos últimos anos tem despertado o interesse de uma parcela cada vez maior da população. No mercado financeiro, a possibilidade de obtenção de taxas de retorno acima das taxas obtidas em renda fixa é um dos principais fatores que levam a migração de recursos da renda fixa para a renda variável. Esse retorno maior está atrelado a um maior risco assumido pelo investidor, e utilizar de conhecimentos matemáticos para nortear a tomada de decisão é altamente recomendado. Esse trabalho visou o estudo e aplicação das Redes Neurais Artificiais (RNA) e do modelo autorregressivo integrado de médias móveis (ARIMA), assim como o modelo de Média-Variância de Markowitz no mercado de capitais brasileiro, com o objetivo de maximizar a criação de valor ao investidor por meio do controle de risco da carteira e da predição da cotação dos seus ativos. Para isso, utilizou-se critérios de seleção de ativos, para em seguida, prever a cotação das empresas listadas e posteriormente aplicar o modelo de Média-Variância para o cálculo dos percentuais de participação de cada ativo, montando assim a Carteira Otimizada. Para essa prognose, foi realizada uma comparação dos modelos de previsão de séries temporais em 243 dias de negociações da bolsa de valores brasileira (B3) no ano de 2021, com o uso de RNA e ARIMA. Resultados prévios mostram que a metodologia é capaz de gerar retornos financeiros, podendo ser aplicada a casos similares. [resumo fornecido pelo autor]
publishDate 2022
dc.date.submitted.none.fl_str_mv 2022-09-28
dc.date.accessioned.fl_str_mv 2023-01-24T14:30:34Z
dc.date.available.fl_str_mv 2023-01-24T14:30:34Z
dc.date.issued.fl_str_mv 2023-01-24
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 https://repositorio.ucs.br/11338/11488
url https://repositorio.ucs.br/11338/11488
dc.language.iso.fl_str_mv eng
por
language eng
por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UCS
instname:Universidade de Caxias do Sul (UCS)
instacron:UCS
instname_str Universidade de Caxias do Sul (UCS)
instacron_str UCS
institution UCS
reponame_str Repositório Institucional da UCS
collection Repositório Institucional da UCS
bitstream.url.fl_str_mv https://repositorio.ucs.br/xmlui/bitstream/11338/11488/3/Disserta%c3%a7%c3%a3o%20Rafael%20Ferreira.pdf.txt
https://repositorio.ucs.br/xmlui/bitstream/11338/11488/4/Disserta%c3%a7%c3%a3o%20Rafael%20Ferreira.pdf.jpg
https://repositorio.ucs.br/xmlui/bitstream/11338/11488/1/Disserta%c3%a7%c3%a3o%20Rafael%20Ferreira.pdf
https://repositorio.ucs.br/xmlui/bitstream/11338/11488/2/Disserta%c3%a7%c3%a3o%20Rafael%20Ferreira.pdf
bitstream.checksum.fl_str_mv 7f727b3f1b43bd0811bcae31150f5be3
64ea72454661e2cc5a94d698cec560cd
46b69f56a4162497c96f17f7b196f283
b156ba02784ffaf873101f92d2aaa24e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)
repository.mail.fl_str_mv
_version_ 1798308885882208256