[pt] Esta dissertação tem por objetivo comparar o desempenho de
modelos não
lineares de previsão de retornos em 10 ativos do mercado
acionário brasileiro. Entre os modelos escolhidos, pode-se
citar o STAR-Tree, que combina
conceitos da metodologia STAR (Smooth Transition
AutoRegression) e do
algoritmo CART (Classification And Regression Trees),
tendo como resultado final uma regressão com transição
suave entre múltiplos regimes. A
especificação do modelo é feita através de testes de
hipótese do tipo Multiplicador de Lagrange que indicam o
nó a ser dividido e a variável explicativa
correspondente. A estimação dos parâmetros é feita pelo
método de Mínimos
Quadrados Não Lineares para determinar o valor dos
parâmetros lineares
e não lineares. Redes Neurais, modelos ARMAX (estes
lineares) e ainda o
método Naive também foram incluídos na análise. Os
resultados das previsões foram avaliados a partir de
medidas estatísticas e financeiras e se
basearam em um negociador automático que informa o
instante correto de
assumir uma posição comprada ou vendida em cada ativo. Os
melhores desempenhos foram alcançados pelas Redes Neurais,
pelos modelos ARMAX
e pela forma de previsão ARC (Adaptative Regime
Combination) derivada
da metodologia STAR-Tree, sendo ambos ainda superiores ao
retorno das
ações durante o período de teste / [en] The goal of this dissertation is to compare the
performance of non linear
models to forecast return on 10 equities in the Brazilian
Stock Market.
Among the chosen ones, it can be cited the STAR-Tree,
which matches
concepts from the STAR (Smooth Transition AutoRegression)
methodology
and the CART (Classification And Regression Trees)
algorithm, having
as the resultant structure a regression with smooth
transition among
multiple regimes. The model specification is done by
Lagrange Multiplier
hypothesis tests that indicate the node to be splitted and
the corresponding
explanatory variable. The parameter estimation is done by
the Non Linear
Least Squares method that determine the linear and non
linear parameters.
Neural Netwoks, ARMAX models (these ones linear) and the
Naive method
were also included in the analysis. The forecasting
results were calculated
using statistical and financial measures and were based on
an automatic
negociator that signaled the right instant to take a short
or a long position in
each stock. The best results were reached by the Neural
Networks, ARMAX
models and ARC (Adaptative Regime Combination )
forecasting method
derived from STAR-Tree, with all of them performing better
then the equity
return during the test period.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:9141 |
| Date | 16 October 2006 |
| Creators | THIAGO REZENDE PINTO |
| Contributors | ALVARO DE LIMA VEIGA FILHO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0017 seconds