Autores

7382
3211,2489,3210
7383
3211,2489,3210
7384
3211,2489,3210

Informações:

Publicações do PESC

Título
Capitalizando nas Não Linearidades das Características das Firmas em Portfólios Paramétricos
Linha de pesquisa
Inteligência Artificial
Tipo de publicação
Dissertação de Mestrado
Número de registro
Data da defesa
19/7/2023
Resumo

A otimização de portfólios de ativos financeiros é um problema complexo, que possui uma variedade de métodos que podem ser explorados. Entre esses métodos, é possível destacar o método de otimização utilizando as características financeiras das empresas a fim de construir o portfólio com maior retorno possível. Essa abordagem foi proposta pelos pesquisadores Brandt, Santa-Clara e Valkanov em seu estudo Parametric Portfolio Policies: Exploiting Characteristics in the Cross-Section of Equity Returns, no qual utilizaram uma modelagem linear para a composição dessas características. Entretanto, diversos outros estudos, inclusive a pesquisa dos autores previamente mencionados, concluem que essas características na realidade possuem relações não lineares entre si. Por conta dessa hipótese, este trabalho focou em explorar e comparar os portfólios construídos com os mapeamentos linear e não linear, utilizando restrições financeiras para que os resultados possam ser os mais próximos possíveis da realidade. Além disso, utilizou-se redes neurais para realizar o mapeamento das características, visto que estas redes são bons algoritmos para generalizar funções não lineares. Por fim, os resultados obtidos com as redes neurais foram promissores, principalmente se comparados à contraparte linear. As restrições financeiras ainda permitem que o retorno seja expressivo e conclui-se que, para modelos mais complexos de redes neurais, é necessário um conjunto maior de dados para possibilitar seu treinamento. 

Abstract

The optimization of financial asset portfolios is a complex problem, which has a variety of methods that can be explored. Among these methods, it is possible to highlight the optimization method using the financial characteristics of companies in order to build the portfolio with the highest possible return. This approach was proposed by researchers Brandt, Santa-Clara and Valkanov in their study “Parametric Portfolio Policies: Exploiting Characteristics in the Cross-Section of Equity Returns”, where they used linear modeling for the composition of these characteristics. However, in several other studies, including the study of the aforementioned researchers, it is mentioned that these characteristics actually have nonlinear relationships with each other. Because of this hypothesis, this work focused on exploring and comparing portfolios constructed with linear and nonlinear mapping, using financial constraints so that the results can be as close to reality as possible. In addition, neural networks were used to perform this mapping of characteristics since these networks are a good algorithm for generalizing nonlinear functions. Finally, the results achieved with neural networks were promising, even more so compared to the linear counterpart, financial constraints still allow for a significant return, and for more complex neural network models, a larger dataset is necessary for training. 

Arquivo
Topo