[pt] A presente dissertação tem por objetivo desenvolver um modelo inteligente
que permita, por uma análise quantitativa e probabilística, gerar uma carteira
otimizada composta de um ativo financeiro e opções sobre este ativo. Procurou-se
estudar inicialmente as características da distribuição de retornos e da volatilidade
das ações mais líquidas da Bolsa de Valores de São Paulo, no período de Jan/2005
a Jul/2010, através de regressões polinomiais univariadas e bivariadas. Observouse
características como a de reversão a média da volatilidade, correlação da
volatilidade futura com um período histórico mais longo e outro mais curto e uma
relação possivelmente quadrática entre a volatilidade histórica e a volatilidade
futura. Desenvolveu-se então, satisfatoriamente, uma rede neural para prever a
volatilidade futura das ações, por este ser o fator mais crítico para se determinar o
preço de uma opção. Utilizando-se da precificação das opções, avaliou-se o
desempenho de algoritmos genéticos na otimização de carteiras estruturadas com
esses derivativos, com três funções de avaliação diferentes, a fim de aumentar o
potencial retorno de um investimento, minimizando seus riscos. O sistema
evolucionário implementado demonstrou ser satisfatório quando comparado a
carteira otimizada com diversas outras estratégias comuns de mercado,
demonstrando ser uma alternativa de apoio a decisão para investidores e gestores
de carteiras. / [en] This dissertation develops an intelligent, quantitative and probabilistic
model to determine an optimal composition of a portfolio consisting of a financial
asset and options over this asset. Initially we studied the characteristics of the
historical distribution of returns and volatility of the most liquid stocks from the
BOVESPA Stock Exchange, from January 2005 to July 2010, through a
univariate and a bivariate polynomial regression. Characteristics such as mean
reversion of volatility, strong correlation of historical and future volatility and a
quadratic polynomial relationship between them were observed. A neural network
was then developed to predict the future volatility of these stocks, since that is the
most critical variable in determining an option´s price. Using the option pricing,
we evaluated the performance of genetic algorithms in optimizing portfolios,
structured with these derivatives, with three different evaluation functions in order
to increase the potential return of investments while minimizing downside risks.
The developed evolutionary system showed satisfactory results when the optimal
portfolio was compared with several other market option strategies, demonstrating
to be a relevant decision support system for investors and portfolio managers.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:19894 |
| Date | 18 July 2012 |
| Creators | MICHEL CARDONSKY CASPARY |
| Contributors | MARLEY MARIA BERNARDES REBUZZI VELLASCO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0015 seconds