142
Brochura
0.295 kg
1ª edição
9788561209933
Sinopse
Este trabalho apresenta um novo modelo de seleção de carteiras baseado em erros de predição que captura oportunidades de investimento no curto prazo. Nós utilizamos preditores neurais auto-regressivos com referência móvel para predizer os retornos futuros das ações, e uma medida de risco baseada nos seus erros de predição foi derivada de forma a manter a mesma fundamentação estatística do modelo média-variância. Os efeitos da diversificação eficiente se aplicam através da seleção de preditores com perfis de erros de predição baixos e complementares. Um grande conjunto de experimentos com dados reais do mercado de ações brasileiro foi conduzido para avaliar o modelo de seleção de carteiras baseado em erros de predição, o qual contou com o exame da Normalidade dos erros de predição. Nossos resultados principais mostraram que é possível obter erros de predição Normais a partir de séries de retornos não Normais e que o modelo de seleção de carteiras baseado em erros de predição capturou corretamente oportunidades de curto prazo, desempenhando melhor que o modelo média-variância e superando o índice de mercado.
Fábio Daros De Freitas
Possui Bacharelado em Engenharia de Telecomunicações pela Universidade Federal Fluminense (1991), Mestrado em Informática (1997) e Doutorado em Engenharia Elétrica (2008), ambos pela Universidade Federal do Espírito Santo. Atualmente é Analista Tributário da Receita Federal do Brasil. Tem experiência na área de Ciência da Computação, com ênfase em Sistemas de Computação. Suas principais áreas de interesse são predição de séries históricas e otimização de carteiras, com foco nas aplicações de redes neurais artificiais e inteligência computacional em finanças computacionais e finanças públicas.
Saiba maisSumário
1 - Introdução
1.1. Motivações
1.2. Objetivos
1.3. Contribuições
1.4. Organização desta Tese
2 - Trabalhos Correlatos
2.1. Predição de Ações e Trading Systems
2.2. Predição de Ações na Formação de Carteiras
3 - Noções Fundamentais
3.1. Mercado de Ações
3.2. Retorno de Investimentos.
3.3. Predição de Retornos de Ações com Redes Neurais.
3.3.1. Redes Neurais Artificiais
3.3.2. Rede Neural Auto-regressiva
3.4. O Problema da Seleção de Carteiras
3.4.1. O Modelo Média-Variância para Seleção de Carteiras
3.4.2. A Fronteira Eficiente
3.4.3. Diversificação Eficiente e Número de Ações
4 - Seleção de Carteiras com Predição de Retornos
4.1. Rede Neural Auto-regressiva com Referência Móvel
4.2. Retorno Predito e Risco das Ações
4.3. Retorno Predito e Risco da Carteira
4.4. Modelo de Otimização
4.5. O Modelo Média-Variância como um Caso Particular do Modelo de Seleção
de Carteiras Baseado em Erros de Predição
5 - Métodos
5.1. Estratégia de Investimento
5.2. Dados
5.3. Arcabouço Computacional
5.3.1. Ambiente de Seleção de Carteiras e Simulação de Investimento
5.3.2. Preditores Neurais Auto-regressivos com Referência Móvel
5.4. Métricas
5.4.1. Medidas de Desempenho dos Preditores
5.4.2. Medidas de Desempenho dos Modelos de Seleção de Carteiras
5.4.3. Sentido da Melhoria das Métricas Utilizadas
6 - Experimentos
6.1. Investimento com Dados Artificiais
6.2. Investimento com Dados Reais
6.2.1. Predição de Retornos
6.2.2. Fronteiras Eficientes
6.2.3. Simulação de Investimento de Baixo Risco
6.2.4. Simulação de Investimento de Risco Moderado
6.2.5. Simulação de Investimento de Alto Risco
6.3. Sumário dos Experimentos
7 - Discussão
7.1. Previsibilidade dos Mercados
7.2. Fricções do Mercado
7.2.1. Custos Operacionais
7.2.2. Indivisibilidade dos Lotes-padrão das Ações
7.2..3 Modelo Estendido
7.3. Análise Crítica deste Trabalho de Pesquisa
8 - Conclusão
8.1. Sumário
8.2. Conclusões
8.3. Trabalhos Futuros
Referências Bibliográficas
Detalhes do livro
- Tipo: Livro Impresso
- ISBN: 9788561209933
- Acabamento: Brochura
- Total de Páginas: 142 páginas
- Ano da Edição: 2010
- Peso: 0.295 kg