Navegando por Autor "Hanaoka, Gustavo Peixoto"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Sistema de tomada de decisão autônomo de compra e venda de ações baseado em máquinas de vetores suporte e otimização de portfólios
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2019-05-23) Hanaoka, Gustavo Peixoto; Cardoso, Rodrigo Tomás Nogueira; Paiva, Felipe Dias; http://lattes.cnpq.br/1422795875369677; http://lattes.cnpq.br/5174842920583671; http://lattes.cnpq.br/4941896019083181; Cardoso, Rodrigo Tomás Nogueira; Paiva, Felipe Dias; Castro, Paulo André Lima de; Dalip, Daniel Hasan; Sá, Elisângela Martins de; Pereira, Adriano César Machado
    O presente trabalho propõe um sistema de tomada de decisão autônomo de compra e venda diária de ações que utiliza o método de máquinas de vetores suporte (SVM - Support Vector Machines), otimização de portfólios e uma estratégia de venda. Por meio da votação majoritária de um comitê de classificadores SVM, é feita a identificação dos ativos capazes de atingirem rendimentos específicos ao longo do dia, considerando os retornos alvos de ganho de 1%, 2% e 3%. Os classificadores que compõem o comitê são definidos a partir de diferentes funções kernel, bem como diferentes valores dos hiperparâmetros da SVM. De posse dos ativos capazes de atingirem o retorno alvo estipulado, um modelo de otimização linear inteira mista, que busca minimizar o risco, representado pelo valor em risco condicional (CVaR - Conditional Value-at-Risk), ao mesmo tempo que estipula um limite mínimo para o retorno esperado, realiza a alocação ótima de recursos levando em consideração apenas os ativos indicados pela classificação. O modelo de otimização realiza a alocação de recursos a partir de um portfólio inicial, permitindo assim o rebalanceamento, além de estipular um valor mínimo e máximo de proporção de investimento em cada ativo presente no portfólio, levando em consideração os custos de transação incorridos nas operações de compra e venda. Os ativos utilizados nesta pesquisa consistem nos ativos presentes no portfólio teórico do índice Bovespa (Ibovespa) do ano de 2005 a 2016. Para testar a eficácia do sistema proposto como um todo, é realizada uma etapa in-sample, compreendendo o período de 2005 a 2006, com o intuito de decidir qual o retorno alvo de ganho mais ideal, de acordo com a precisão da classificação, definir o número de dados a ser utilizado no conjunto de treinamento dos classificadores, definir o número de dados a ser utilizado como entrada do modelo de alocação de recursos e verificar a otimalidade das soluções encontradas. Em sequência, é realizada uma etapa out-of-sample, compreendendo o período de 2007 a 2016, em que o sistema integrado proposto é comparado com sistemas baseados nos métodos individuais que o compõem, em que se compara os rendimentos financeiros obtidos por cada sistema. Os resultados alcançados mostram a superioridade do sistema integrado proposto, quando comparado com a utilização dos sistemas baseados nos métodos individuais e do rendimento do Ibovespa.