Redes Neurais LSTM e otimização de portfólio para auxílio a tomada de decisão na Bolsa de valores

• Autor(a) principal: Vinícius Teodoro de Castro Pires
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/48518
• topic: Redes Neurais; LSTM; Otimização de portfólio; Markowitz; Bolsa de Valores; Computação – Teses; Redes neurais (Computação) – Teses; Teoria do portfólio – Teses; Modelo de Markowitz – Teses; Bolsa de valores - Modelos econométricos – Teses

Em um cenário econômico onde a rentabilidade de investimentos tradicionais é, geralmente, menor que a inflação do mesmo período, investir na bolsa de valores tem se tornado uma opção atraente. O foco deste projeto de pesquisa realizado foi construir estratégias de investimento que se apoiam em algoritmos já conhecidos de otimização de portfólio, redes neurais e de trata- mento de dados, combinando-os em busca de uma estratégia arrojada. A rede neural recorrente Long Short-Term Memory foi utilizada para construir modelagens capazes de realizar a pre- dição do retorno esperado e de avaliar ações para operações diárias. Os resultados e análises construídos trouxeram combinações de diferentes objetivos de otimização, como maximização do Sharpe, maximização da utilidade quadrática, e minimização da variância com diferentes formas de construir o parâmetro de retorno esperado dos otimizadores. Além disso, foram avaliadas as performances de operações de compra e venda diárias baseadas no valor predito pela modelagem para os ativos dentro dos portfólios otimizados de cada uma das estratégias. Para avaliação comparativa da performance das modelagens montadas foram escolhidos o IBO- VESPA e o IPCA, que no período de avaliação entre janeiro de 2021 a abril de 2022 tiveram como resultado -9% e 14.78%, respectivamente. As estratégias com os melhores resultados do projeto foram em portfólios otimizados que utilizaram o retorno esperado predito pela LSTM como entrada, onde a otimização usando Sharpe Ratio teve um retorno 35.79% e Utilidade qua- drática, 66.93%. Apesar do melhor resultado, o portfólio que otimiza a utilidade quadrática tem baixa diversidade e o portfólio que maximiza Sharpe tem maior diversidade e pode ser mais indicado para investidores que não desejam alto grau de risco. Pensando em diversidade de ações na composição do portfólio, a minimização da variância é uma proposta interessante, pois teve um retorno de 11.33%, mas apresentou resultados menos voláteis e maior número de diferentes ativos em carteira por mês. As operações em portfólios ótimos não obtiveram bons resultados devido à mudança de composição do portfólio em cada operação, o que não garante um portfólio otimizado.