[pt] A dificuldade de se prever movimento de ativos financeiros é objeto
de estudo de diversos autores. A fim de se obter ganhos, se faz necessário
estimar a direção (subida ou descida) e a magnitude do retorno do ativo
no qual pretende-se comprar ou vender. A proposta desse trabalho consiste
em desenvolver um modelo de otimização matemática com variáveis
binárias capaz de prever movimentos de subidas e descidas de ativos financeiros
e utilizar um modelo de otimização de portfólio para avaliar os
resultados obtidos. O modelo de previsão será baseado no Support Vector
Machine (SVM), no qual faremos modificações na regularização do modelo
tradicional. Para o gerenciamento de portfólio será utilizada otimização robusta.
As técnicas de otimização estão sendo cada vez mais aplicadas no
gerenciamento de portfólio, pois são capazes de lidar com os problemas das
incertezas introduzidas na estimativa dos parâmetros. Vale ressaltar que o
modelo desenvolvido é data-driven, i.e, as previsões são feitas utilizando sinais
não-lineares baseados em dados de retorno/preço histórico passado sem
ter nenhum tipo de intervenção humana.
Como os preços dependem de muitos fatores é de se esperar que um
conjunto de parâmetros só consiga descrever a dinâmica dos preços dos
ativos financeiros por um pequeno intervalo de dias. Para capturar de forma
mais precisa essa mudança na dinâmica, a estimação dos parâmetros dos
modelos é feita em janela móvel.
Para testar a acurácia dos modelos e os ganhos obtidos foi feito um estudo de
caso utilizando 6 ativos financeiros das classes de moedas, renda fixa, renda
variável e commodities. Os dados abrangem o período de 01/01/2004 até
30/05/2018 totalizando um total de 3623 cotações diárias. Considerando
os custos de transações e os resultados out-of-sample obtidos no período
analisado percebe-se que a carteira de investimentos desenvolvida neste
trabalho exibe resultados superiores aos dos índices tradicionais com risco
limitado. / [en] The difficulty of predicting the movement of financial assets is the
subject of study by several authors. In order to obtain gains, it is necessary
to estimate the direction (rise or fall) and the magnitude of the return on
the asset in which it is intended to be bought or sold. The purpose of this
work is to develop a mathematical optimization model with binary variables
capable of predicting up and down movements of financial assets and using
a portfolio optimization model to evaluate the results obtained. The prediction
model will be based on the textit Support Vector Machine (SVM),
in which we will make modifications in the regularization of the traditional
model. For the portfolio management will be used robust optimization. The
robust optimization techniques are being increasingly applied in portfolio
management, since they are able to deal with the problems of the uncertainties
introduced in the estimation of the parameters. It is noteworthy that
the developed model is data-driven, i.e., the predictions are made using
nonlinear signals based on past historical price / return data without any
human intervention. As prices depend on many factors it is to be expected that a set of
parameters can only describe the dynamics of the prices of financial assets
for a small interval of days. In order to more accurately capture this change
in dynamics, the estimation of model parameters is done in a moving window
To test the accuracy of the models and the gains obtained, a case study
was made using 6 financial assets of the currencies, fixed income, variable
income and commodities classes. The data cover the period from 01/01/2004
until 05/30/2018 totaling a total of 3623 daily quotations. Considering the
transaction costs and out-of-sample results obtained in the analyzed period,
it can be seen that the investment portfolio developed in this work shows
higher results than the traditional indexes with limited risk.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:55471 |
| Date | 26 October 2021 |
| Creators | ROBERTO PEREIRA GARCIA JUNIOR |
| Contributors | ALEXANDRE STREET DE AGUIAR |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | English |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0025 seconds