Ver registro no DEDALUS
Exportar registro bibliográfico

Fractais e redes neurais artificiais aplicados à previsão de retorno de ativos financeiros brasileiros (2014)

  • Authors:
  • USP affiliated authors: MENDONÇA NETO, JOÃO NUNES DE - FEA
  • USP Schools: FEA
  • Sigla do Departamento: EAC
  • Subjects: ADMINISTRAÇÃO DE INVESTIMENTOS; FRACTAIS; REDES NEURAIS; PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS)
  • Keywords: Artificial Neural Networks; Forecasting; Investment Management; Long-Term Memory
  • Language: Português
  • Abstract: Este estudo tem como problema de pesquisa a previsão de retorno de ativos financeiros. Buscou verificar a existência de relação entre memória ou dependência de longo prazo em séries temporais fractais e erro de previsão de retornos de ativos financeiros obtida por meio de Redes Neurais Artificiais (RNA). Espera-se que séries temporais fractais com maior memória de longo prazo permitam obter previsões com menor nível de erro, na medida em que a correlação entre os elementos da série favoreça a qualidade de previsão de RNA. Como medida de memória de longo prazo, foi calculado o expoente de Hurst de cada série temporal, o qual sofreu uma transformação para atuar como um índice de previsibilidade. Para medir o erro de previsão, foi utilizada a Raiz do Erro Quadrado Médio (REQM) produzida pela RNA em cada série temporal. O cálculo do expoente de Hurst foi realizado por meio do algoritmo da análise Rescaled Range (R/S). A arquitetura de RNA utilizada foi a de Rede Neural com Atraso Alimentada Adiante (TLFN), tendo como processo de aprendizagem supervisionada o modelo de retropropagação com gradiente descendente para minimização do erro. A amostra foi composta por ativos financeiros brasileiros negociados na Bolsa de Valores, Mercadorias e Futuros de São Paulo (BM&FBovespa), especificamente ações de companhias abertas e fundos de investimentos imobiliários em um período de 10 anos. Os resultados mostraram que a relação entre as variáveis foi significativa para previsões de retornos médios diários de 126 e 252 dias úteis e não significativa para previsão de retorno de 1 dia útil. Quando a análise foi realizada em somente ativos financeiros com expoentes de Hurst persistentes, a relação foi significativa para previsão de 1 dia útil e ainda mais significativa para previsão de 126 e 252 dias úteis, não sendo significativa quando realizada a análise em somente os ativos financeiros antipersistentesA amostra foi também particionada entre os ativos que participaram e os que não participaram do índice Bovespa (IBOVESPA) no terceiro quadrimestre de 2013. Quando analisados somente os ativos que participaram do IBOVESPA, não houve relação significativa entre as variáveis estudadas, havendo relação significativa somente quando analisados os ativos não participantes. A participação no IBOVESPA apresentou relação significativa com memória de longo prazo e não foi encontrada relação significativa dessa participação com o erro de previsão de RNA. Os resultados encontrados sugerem que o expoente de Hurst pode ser utilizado previamente para selecionar séries temporais de retornos de ativos financeiros que são mais viáveis de serem previstos, particularmente escolhendo aqueles ativos com retornos mais persistentes e que não participem do IBOVESPA. Um gestor que deseje imprimir uma administração mais ativa de seus investimentos poderia utilizá-lo para selecionar uma carteira de ativos com essas características e realizar previsões com qualidade superior ao utilizar RNA. Um investidor que execute uma administração passiva de investimentos deveria compô-la com ativos com expoentes de Hurst característicos de processos em passeio aleatório, a fim de que não seja prejudicado por movimentos não aleatórios do mercado contra os quais não esteja se protegendo
  • Imprenta:
  • Data da defesa: 13.08.2014
  • Acesso online ao documento

    Online access or search this record in

    Exemplares físicos disponíveis nas Bibliotecas da USP
    BibliotecaCód. de barrasNúm. de chamada
    FEA20600060646T658.152 M539f
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MENDONÇA NETO, João Nunes de; FAVERO, Luiz Paulo Lopes. Fractais e redes neurais artificiais aplicados à previsão de retorno de ativos financeiros brasileiros. 2014.Universidade de São Paulo, São Paulo, 2014. Disponível em: < http://www.teses.usp.br/teses/disponiveis/12/12136/tde-02092014-194147/ >.
    • APA

      Mendonça Neto, J. N. de, & Favero, L. P. L. (2014). Fractais e redes neurais artificiais aplicados à previsão de retorno de ativos financeiros brasileiros. Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/12/12136/tde-02092014-194147/
    • NLM

      Mendonça Neto JN de, Favero LPL. Fractais e redes neurais artificiais aplicados à previsão de retorno de ativos financeiros brasileiros [Internet]. 2014 ;Available from: http://www.teses.usp.br/teses/disponiveis/12/12136/tde-02092014-194147/
    • Vancouver

      Mendonça Neto JN de, Favero LPL. Fractais e redes neurais artificiais aplicados à previsão de retorno de ativos financeiros brasileiros [Internet]. 2014 ;Available from: http://www.teses.usp.br/teses/disponiveis/12/12136/tde-02092014-194147/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI: