Otimização de portfólio financeiro utilizando aprendizado por reforço

• Autor(a) principal: Araújo, Thiago da Silva
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/271947
• topic: Aprendizado por reforço; Portfólio; Mercado de ações; Algoritmos; Portfolio Optimization; Concurrency; Parallel

Portfólio financeiro pode ser definido como o conjunto de ativos que um investidor detém. Estes ativos podem ser tanto investimentos em renda fixa como em renda variável. Otimização de portfólio financeiro é uma área que visa maximizar os resultados de uma carteira de investimento. Essa campo tem tido muita relevância recentemente, gerando diversos modelos matemáticos para melhorar os resultados dos portfólios. Porém, devido a sua complexidade, muitos dos modelos não conseguem se aproximar o suficiente da realidade a ponto de se adaptar a cenários mais extremos. Por exemplo, dentre eles a queda acentuada que a bolsa de valores sofreu com a pandemia da Covid-19. Em busca de solucionar o problema de adaptação, esse trabalho aplica 5 algoritmos de Aprendizado por Reforço para otimizar os pesos de carteiras de ações em diferentes mercados e obter o maior retorno possível. Além disso, foram exploradas combinações de execução dos algoritmos de forma concorrente, com o objetivo de reduzir o tempo global de treinamento e tornar o processo de melhora dos modelos mais rápido. O retorno final obtido no mercado Brasileiro foi de 1,91 e no Americano foi de 1,86. O tempo global de treinamento dos algoritmos reduziu em 33% e o consumo energético em 15%. Dessa forma, foi possível realizar adaptações nos modelos de forma mais rápida e personalizada para cada mercado financeiro.