Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Freitas, Washington Burkart, 1978-
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: [s.n.]
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Redes complexas
Investimentos
Análise preditiva
Complex networks
Investments
Predictive analytics
Link de acesso: https://hdl.handle.net/20.500.12733/2971
Resumo: Orientador: João Roberto Bertini Junior
id UNICAMP-30_e87fce76c4ee74ea49240456014536ab
oai_identifier_str oai::1236695
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticasTactical asset allocation through random walk on stock network and predictive analyticsRedes complexasInvestimentosAnálise preditivaComplex networksInvestmentsPredictive analyticsOrientador: João Roberto Bertini JuniorDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de TecnologiaResumo: A alocação tática de ativos é um importante instrumento para obtenção de lucros em uma carteira para um dado período. Duas técnicas comumente utilizadas pelos analistas para formação de uma carteira tática de ativos são: a análise técnica, para o curto prazo, e a análise fundamentalista, para o longo prazo. Ambas as abordagens, no entanto, são subjetivas, uma vez que dependem do conhecimento e das interpretações do analista. Analistas humanos tendem a focar em um grupo pré-definido de ativos, limitando as escolhas e, consequentemente, a possibilidade de melhores resultados. Este trabalho propõe o algoritmo RAAC (Redes de Ativos para Alocação de Carteira) para recomendação automática de um portfólio de ações, visando maximizar o lucro e minimizar o risco. O método proposto considera um conjunto possivelmente grande de ativos representados como uma rede complexa, na qual os nós representam ativos e as arestas entre eles são estabelecidas de acordo com a correlação entre seus retornos. A escolha dos ativos é realizada por meio de uma caminhada aleatória na rede, selecionando, ao final, os ativos mais visitados. São propostas quatro vertentes do algoritmo: 1) algoritmo baseado no histórico de retornos (RAACr); 2) algoritmo baseado no histórico de retornos com número de ativos (q) pré-definido (RAACrq); 3) algoritmo híbrido baseado na projeção dos retornos (RAACh) que utiliza a análise preditiva do algoritmo XGBoost - (Extreme Gradient Boosting) como probabilidade de transição; 4) algoritmo híbrido baseado na projeção dos retornos com número de ativos (q) pré-definido (RAAChq). As quatro vertentes do algoritmo proposto foram comparadas com quatro benchmarks: o portfólio clássico da média-variância de Markowitz (MV); portfólio Mean Absolute Deviation (MAD); portfólio Conditional Value-at-Risk (CVaR) e portfólio Hierarchical Risk Parity (HRP). Todos os portfólios gerados pelo algoritmo e pelos benchmarks foram avaliados utilizando as métricas de performance: o Índice Sharpe (IS), o máximo drawdown (MDD) e o retorno acumulado (RA). O algoritmo proposto e os benchmarks foram aplicados sobre três conjuntos de dados do período de janeiro à dezembro de 2020: BRB3, ações do mercado brasileiro; SP500, ações que compõem o índice S&P 500 (Standard & Poor’s 500); e EQ200, contendo ações do índice Russel Top 200. Os resultados demonstraram que a performance do algoritmo proposto foi predominante em todos os três conjunto de dados. Especificamente, o algoritmo baseado no histórico de retornos (RAACr), demonstrou RA de 106%, 273,6% e 104,1%, no período de doze meses, para os conjuntos de dados BRB3, EQ200 e SP500, respectivamente. Além desses valores, que são expressivos para o período, o algoritmo obteve os melhores valores para todas as métricas de performance avaliadasAbstract: Tactical asset allocation is an important tool for obtaining profits in a portfolio for a given period. Two techniques commonly used by analysts to build a tactical asset portfolio are: technical analysis, for the short term, and fundamental analysis, for the long term. Both approaches, however, are subjective, as they depend on the analyst's knowledge and interpretations. Human analysts tend to focus on a predefined group of assets, limiting choices and, consequently, the possibility of better results. This work proposes the RAAC (Redes de Ativos para Alocação de Carteira) algorithm for automatic recommendation of a stock portfolio, aiming to maximize profit and minimize risk. The proposed method considers a possibly large set of assets represented as a complex network, in which nodes represent assets and the edges between them are established according to the correlation between their returns. The choice of assets is carried out through a random walk through the network, selecting, at the end, the most visited assets. Four aspects of the algorithm are proposed: 1) algorithm based on the history of returns (RAACr); 2) algorithm based on the return history with pre-defined number of assets (q) (RAACrq); 3) hybrid algorithm based on the projection of returns (RAACh) that uses the predictive analysis of the XGBoost (Extreme Gradient Boosting) algorithm as transition probability; 4) hybrid algorithm based on the projection of returns with predefined number of assets (q) (RAAChq). The four strands of the proposed algorithm were compared with four benchmarks: the classic Markowitz mean-variance (MV) portfolio; portfolio Mean Absolute Deviation (MAD); portfolio Conditional Value-at-Risk (CVaR) and portfolio Hierarchical Risk Parity (HRP). All portfolios generated by the algorithm and by the benchmarks were evaluated using the performance metrics: the Sharpe Ratio (IS), the maximum drawdown (MDD) and the accumulated return (RA). The proposed algorithm and the benchmarks were applied to three datasets from January to December 2020: BRB3, Brazilian market stocks; SP500, stocks that make up the S&P 500 (Standard & Poor's 500) index; and EQ200, containing stocks from the Russell Top 200 index. The results showed that the performance of the proposed algorithm was predominant in all three datasets. Specifically, the algorithm based on the history of returns (RAACr), demonstrated RA of 106%, 273.6% and 104.1%, in a twelve-month period, for the datasets BRB3, EQ200 and SP500 , respectively. In addition to these values, which are expressive for the period, the algorithm obtained the best values for all performance metrics evaluatedMestradoSistemas de Informação e ComunicaçãoMestre em TecnologiaCAPES001[s.n.]Bertini Junior, João Roberto, 1981-Breve, Fabricio AparecidoLiang, ZhaoUniversidade Estadual de Campinas. Faculdade de TecnologiaPrograma de Pós-Graduação em TecnologiaUNIVERSIDADE ESTADUAL DE CAMPINASFreitas, Washington Burkart, 1978-20212021-11-10T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (89 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/2971FREITAS, Washington Burkart. Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas. 2021. 1 recurso online (89 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia, Limeira, SP. Disponível em: https://hdl.handle.net/20.500.12733/2971. Acesso em: 26 abr. 2024.https://repositorio.unicamp.br/acervo/detalhe/1236695Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-02-25T15:47:25Zoai::1236695Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-02-25T15:47:25Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas
Tactical asset allocation through random walk on stock network and predictive analytics
title Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas
spellingShingle Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas
Freitas, Washington Burkart, 1978-
Redes complexas
Investimentos
Análise preditiva
Complex networks
Investments
Predictive analytics
title_short Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas
title_full Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas
title_fullStr Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas
title_full_unstemmed Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas
title_sort Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas
author Freitas, Washington Burkart, 1978-
author_facet Freitas, Washington Burkart, 1978-
author_role author
dc.contributor.none.fl_str_mv Bertini Junior, João Roberto, 1981-
Breve, Fabricio Aparecido
Liang, Zhao
Universidade Estadual de Campinas. Faculdade de Tecnologia
Programa de Pós-Graduação em Tecnologia
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Freitas, Washington Burkart, 1978-
dc.subject.por.fl_str_mv Redes complexas
Investimentos
Análise preditiva
Complex networks
Investments
Predictive analytics
topic Redes complexas
Investimentos
Análise preditiva
Complex networks
Investments
Predictive analytics
description Orientador: João Roberto Bertini Junior
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-11-10T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/2971
FREITAS, Washington Burkart. Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas. 2021. 1 recurso online (89 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia, Limeira, SP. Disponível em: https://hdl.handle.net/20.500.12733/2971. Acesso em: 26 abr. 2024.
url https://hdl.handle.net/20.500.12733/2971
identifier_str_mv FREITAS, Washington Burkart. Caminhada aleatória em redes de ações e análise preditiva para a formação de carteiras táticas. 2021. 1 recurso online (89 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia, Limeira, SP. Disponível em: https://hdl.handle.net/20.500.12733/2971. Acesso em: 26 abr. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1236695
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (89 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1797405540855316480

Registros relacionados