Recomendação de modelos de negociação para ações com tomada de decisão interativa multicritério

Página do item simplificado
dc.contributor.advisorSilva, Alisson Marques da
dc.contributor.advisorLatteshttp://lattes.cnpq.br/3856358583630209
dc.contributor.authorSilva, Rodrigo Maicon de Assis
dc.contributor.authorLatteshttp://lattes.cnpq.br/0691284321718240
dc.contributor.refereeSilva, Alisson Marques da
dc.contributor.refereeMaciel, Leandro dos Santos
dc.contributor.refereeAraujo, Uajará Pessoa
dc.contributor.refereeMagalhães, Arthur Rodrigo Bosco de
dc.date.accessioned2026-09-24T14:04:02Z
dc.date.available2026-09-24T14:04:02Z
dc.date.issued2026-07-10
dc.description.abstractA dinâmica do mercado acionário demonstra que ativos de um mesmo setor tendem a apresentar comportamentos similares, ao passo que ações de setores distintos exibem movimentos frequentemente descorrelacionados, o que torna inadequada a adoção de um único modelo de negociação para todo o mercado. Neste trabalho, propõe-se uma abordagem de recomendação multicritério de modelos de negociação para o mercado brasileiro (B3), fundamentada no método TODIM (TOmada de Decisão Interativa Multicritério) e na Teoria do Prospecto, com avaliação em dois níveis de granularidade: setorial e individual por ação, sendo este último a principal contribuição do trabalho. O conjunto de dados compreende 239 ações organizadas em oito setores econômicos. Indicadores técnicos são extraídos como variáveis de entrada e, adicionalmente, aplica-se a seleção de atributos com base na Informação Mútua para identificar as features mais relevantes, mitigando a presença de variáveis redundantes ou irrelevantes. Doze algoritmos de aprendizado de máquina são treinados por meio de análise walk-forward para a geração de sinais de negociação, e seus desempenhos são avaliados com base em oito indicadores de backtesting. O algoritmo de recomendação resultante é avaliado em suas versões setorial e individual. Os experimentos, conduzidos no período de alta volatilidade da pandemia de COVID-19 (jan.–jun. 2020), demonstram que ambas as versões superam o Ibovespa em métricas de proteção de capital e retorno ajustado ao risco. Além disso, métricas de generalização testadas confirmam a robustez do algoritmo de recomendação. Por fim, portfólios long-short construídos com base nas recomendações demonstraram capacidade significativa de proteção contra o risco sistêmico.
dc.description.abstractotherStock market dynamics show that assets within the same sector tend to exhibit similar behavior. In contrast, stocks from different sectors frequently display uncorrelated movements, making the adoption of a single trading model for the entire market inadequate. In this work, a multicriteria recommendation approach for trading models is proposed for the Brazilian stock market (B3), grounded in the TODIM (TOmada de Decisão Interativa Multicritério) method and Prospect Theory, with evaluation at two levels of granularity: sector-level and individual stock-level, the latter being the main contribution of this work. The dataset comprises 239 stocks organized into eight economic sectors. Technical indicators are extracted as input variables, and Mutual Information-based feature selection is applied to identify the most relevant features, thereby mitigating redundancy and irrelevance. Twelve machine learning algorithms are trained via walk-forward analysis to generate trading signals, and their performance is evaluated using eight backtesting indicators. The resulting recommendation algorithm is assessed in both its sector-level and individual stock-level versions. Experiments conducted during the high-volatility period of the COVID-19 pandemic (Jan.–Jun. 2020) demonstrate that both versions outperform the Ibovespa index in capital protection and risk-adjusted return metrics. Furthermore, generalization metrics confirm the robustness of the recommendation algorithm. Finally, long-short portfolios constructed using the recommendations demonstrated a significant capacity to protect against systemic risk.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/3035
dc.language.isopt
dc.publisherCentro Federal de Educação Tecnológica de Minas Gerais
dc.publisher.countryBrasil
dc.publisher.initialsCEFET-MG
dc.publisher.programPrograma de Pós-Graduação em Modelagem Matemática e Computacional
dc.subjectAções (Finanças) – Teses
dc.subjectNegociação – Teses
dc.subjectMercado de ações – Previsão – Brasil – Teses.
dc.subjectSistemas de recomendação (filtragem de informações) – Teses
dc.subjectTomada de decisão multicritério – Teses
dc.subjectMineração de dados – Teses
dc.subjectCarteiras (Finanças) – Administração – Teses
dc.titleRecomendação de modelos de negociação para ações com tomada de decisão interativa multicritério
dc.typeDissertação

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Recomendação de modelos de negociação para ações com tomada de decisão interativa multicritério.pdf
Tamanho:
1.89 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.39 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Mestrado em Modelagem Matemática e Computacional