Aplicação de estratégias quantitativas com ativos do mercado financeiro brasileiro

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSilva, Antônio Carlos Magalhães da-
Autor(es): dc.contributorAlcântara, Silvia dos Reis-
Autor(es): dc.contributorAndo, José Kimio-
Autor(es): dc.creatorMeirelles, Leandro de Oliveira-
Data de aceite: dc.date.accessioned2024-07-11T18:13:05Z-
Data de disponibilização: dc.date.available2024-07-11T18:13:05Z-
Data de envio: dc.date.issued2021-05-11-
Data de envio: dc.date.issued2021-05-11-
Data de envio: dc.date.issued2020-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/21997-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/765993-
Descrição: dc.descriptionA aplicação de técnicas quantitativas para tomada de decisões de investimentos é um assunto de constante estudo no mercado financeiro global, tanto para pesquisadores quanto para gestores profissionais. Apresentam-se, neste trabalho, um modelo de seguidor de tendências que busca uma previsão de altas e baixas no preço dos ativos para identificar um bom momento de compra ou venda. Um método de Pairs Trading que envolve a busca por arbitragens estatísticas através de distorções nos preços entre diversos ativos, de modo que, quando tais distorções são corrigidas, é possível obter lucros com risco reduzido, e aplicação de inteligência artificial através de redes neurais artificiais por meio do treinamento de rede para interpretar padrões de acordo com os dados inseridos. Este projeto tem o intuito de desenvolver as estratégias mencionadas para buscar melhores retornos de investimentos e obter uma diversificação maior nas carteiras dos investidores com a crescente demanda do mercado brasileiro por fundos de investimentos quantitativos que ainda representam uma pequena parte do mercado de fundos total no país, e menor ainda quando comparada com o mercado quantitativo offshore, evidenciando o seu potencial de crescimento. Trabalhando com os ativos do mercado de ações brasileiro e com dados de janeiro de 2010 a janeiro de 2020, foram gerados os rendimentos para a estratégia do modelo de seguidor de tendências para 17 ativos analisados, os rendimentos da estratégia de Pairs Trading de 14 pares com maiores índices de cointegração, dado todas as combinações geradas com os 17 ativos, e os relatórios das estratégias de 4 modelos de Redes Neurais Artificiais utilizadas em apenas 5 ativos. Os resultados obtidos mostram que na maioria dos casos a estratégia de Seguidor de Tendências não apresentou um retorno maior do que o do ativo durante o período analisado. A estratégia de Pairs Trading apresentou resultados mistos, visto que para casos de queda dos preços dos ativos no período a estratégia reportou ganhos, evidenciando uma boa diversificação, sendo possível obter lucros em mercados de baixa. Por fim, nos modelos de RNA observou-se qualitativamente que a estratégia depende dos dados de entrada e de outros parâmetros configurados para o treinamento da rede e que uma rede que apresenta um bom desempenho para um ativo específico não necessariamente apresenta o mesmo para outros-
Descrição: dc.descriptionThe application of quantitative techniques for making investment decisions is a subject of constant study in the global financial market, both for researchers and professional managers. In this work, is presented a trend following model that seeks to predict the highs and lows in the price of an asset to identify a good time to buy or sell, a method of Pairs Trading that involves the search for statistical arbitrage through distortions in the prices between different assets, so that, when such distortions are corrected, it is possible to obtain profits with reduced risk, and application of artificial intelligence through artificial neural networks through network training to interpret patterns according to the data entered. This project aims to develop the strategies mentioned to seek better investment returns and obtain greater diversification in investor portfolios with the growing demand of the Brazilian market for quantitative investment funds that still represent a small part of the total funds market in the country, and even smaller when compared to the quantitative offshore market, showing its growth potential. Working with the assets of the Brazilian stock market, and with data from January 2010 to January 2020, the yields for the strategy of the trend follower model for 17 analyzed assets were generated, the yields of the 14 pairs Pairs Trading strategy with higher cointegration rates given by all the combinations generated with the 17 assets, and the strategies reports of 4 models of Artificial Neural Networks used in only 5 assets. The results obtained show that in most cases, the Trend Following strategy did not present a greater return than the asset return during the analyzed period, for the Pairs Trading strategy the results were mixed, due to cases of negative returns of assets in the period, the strategy reported gains, showing a good diversification, being possible to obtain profits in bear markets, and for the RNA models we observe qualitatively that the strategy depends on the input data and other parameters configured for the training of the network, and that a network that performs well for a specific asset does not necessarily show the same performance for others-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectTécnicas quantitativas-
Palavras-chave: dc.subjectSeguidor de tendências-
Palavras-chave: dc.subjectArbitragem estatística-
Palavras-chave: dc.subjectRedes neurais artificiais-
Palavras-chave: dc.subjectDiversificação-
Palavras-chave: dc.subjectMercado financeiro-
Palavras-chave: dc.subjectRede neural artificial-
Palavras-chave: dc.subjectMercado de capital-
Palavras-chave: dc.subjectQuantitative techniques-
Palavras-chave: dc.subjectTrend following-
Palavras-chave: dc.subjectStatistical arbitration-
Palavras-chave: dc.subjectArtificial neural networks-
Palavras-chave: dc.subjectDiversification-
Título: dc.titleAplicação de estratégias quantitativas com ativos do mercado financeiro brasileiro-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.