dc.creator | Oliveira, Alexandre Silva de | |
dc.date.accessioned | 2024-04-22T12:15:21Z | |
dc.date.available | 2024-04-22T12:15:21Z | |
dc.date.issued | 2024-03-04 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/31806 | |
dc.description.abstract | In this experimental study, artificial neural networks (ANNs) and long-tail Probability Ranking
are used to construct investment portfolios. The objective is to investigate whether portfolio
formation can be seen as a classification problem, leveraging the inherent abilities of ANNs to
capture complex relationships, allowing for more informed decisions about portfolio
composition. The experiment was conducted using information from 70 randomly chosen
assets, from the Brazilian and American markets, and a validation sample composed of all
companies belonging to the S&P500 index. The study covers different periods from 2018 to
2023, with more than 585,650 asset observations per day. The technique was compared with
other alternative techniques and market portfolios: Minimum Variance Portfolio, Maximum
Sharpe Portfolio, Multifractal Trend Fluctuation Analysis (MF-DFA) Portfolio, Berkshire
Hathaway Portfolio and S&P500 Index Portfolio. The results indicate that the proposed
classification method using the asymmetric probabilities of the Student´s 𝑡���� distribution
performs better than market portfolios and traditional portfolios. Furthermore, the results
indicate that the combined approach of ANN and security classification based on their
asymmetric leptokurtic probabilities demonstrates superiority over portfolios that only use
signal classification. As contributions, a new way of forming an investment portfolio is
presented, a new efficient market frontier and an R software package called ANNt. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | por |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Rede neural artificial | por |
dc.subject | Gerenciamento de portfólio | por |
dc.subject | Classificação por probabilidade | por |
dc.subject | Artificial Neural Networks | eng |
dc.subject | Portfolio management | eng |
dc.subject | Probability ranking | eng |
dc.title | Formação de portfólios com o uso de redes neurais artificiais e distribuição de probabilidade com caudas longas | por |
dc.title.alternative | Formation of portfolios with the use of artificial neural networks and probability distribution with long tails | eng |
dc.type | Tese | por |
dc.description.resumo | Neste estudo experimental é utilizada redes neurais artificiais (RNAs) e Ranking de Probabilidade
de cauda longa na construção de carteiras de investimentos. O objetivo é investigar se a
formação de portfólio pode ser vista como um problema de classificação, aproveitando as
habilidades inerentes das RNAs para capturar relacionamentos complexos, permitindo decisões
mais informadas sobre a composição do portfólio. Conduziu-se o experimento utilizando
informações de 70 ativos aleatoriamente escolhidos, do mercado brasileiro e americano, e uma
amostra de validação composta por todas as empresas pertencentes ao índice S&P500. O estudo
abrange diferentes períodos de 2018 a 2023, com mais de 585.650 observações de ativos por
dia. A técnica foi comparada com outras técnicas alternativas e com carteiras de mercado:
Carteira de mínima variância, carteira de máximo Sharpe, carteira de análise de flutuação com
tendência multifractal (MF-DFA), carteira da Berkshire Hathaway e carteira do índice S&P500.
Os resultados indicam que o método de classificação proposto utilizando as probabilidades
assimétricas da distribuição 𝑡 de Student apresenta desempenho superior ao das carteiras de
mercado e das carteiras tradicionais. Além disso, os resultados indicam que a abordagem
combinada de RNA e classificação de títulos baseada em suas probabilidades leptocúrticas
assimétricas demonstra superioridade sobre carteiras que utilizam apenas classificação por
sinais. Como contribuições apresenta-se uma nova forma de formação de portfolio de
investimentos, uma nova fronteira eficiente de mercado e um pacote em software R denominado
ANNt. | por |
dc.contributor.advisor1 | Ceretta, Paulo Sergio | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/3049029014914257 | por |
dc.contributor.referee1 | Savoia, José Roberto Ferreira | |
dc.contributor.referee2 | Ferraz, Rafael Camargo | |
dc.contributor.referee3 | Von Ende, Marta | |
dc.contributor.referee4 | Lopes, Luis Felipe Dias | |
dc.creator.Lattes | http://lattes.cnpq.br/4920816501807863 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Administração | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Administração | por |
dc.subject.cnpq | CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO | por |
dc.publisher.unidade | Centro de Ciências Sociais e Humanas | por |