Um framework para alocação de portifólios baseada em agrupamento particional

Página do item simplificado
dc.contributor.advisorCastro, Leandro Nunes de
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2741458816539568por
dc.contributor.authorDuarte, Flávio Gabriel
dc.creator.Latteshttp://lattes.cnpq.br/3784803385168985por
dc.date.accessioned2020-04-17T02:37:56Z
dc.date.accessioned2020-05-28T18:08:59Z
dc.date.available2020-05-28T18:08:59Z
dc.date.issued2019-08-15
dc.description.abstractEssa dissertação propõe um framework baseado em agrupamento particional para a alocação de recursos em um conjunto de ativos a partir da correlação entre eles. O objetivo do framework é fornecer uma técnica de alocação para ajudar investidores a melhorarem seu processo de investimento, sugerindo a alocação usando as informações sobre os grupos gerados a partir de um algoritmo de agrupamento. Este trabalho é diferente das abordagens já propostas na literatura, que utilizam essencialmente algoritmos de agrupamento hierárquico, pois ele está embasado em algoritmos particionais com diferentes propostas para alocação intragrupo e intergrupo. Para determinar o percentual de alocação dos ativos em cada grupo (intragrupo) foram propostas duas técnicas: o método da roleta e o método nebuloso. Para a alocação intergrupo foram utilizados um método baseado na roleta e um método equilibrado. Experimentos foram realizados utilizando dados da Bolsa de Valores Brasileira e os ativos elegíveis para entrarem na alocação foram os que faziam parte do índice Ibovespa no momento do rebalanceamento do portfólio. Os resultados foram comparados com outros métodos de alocação e com o próprio índice Ibovespa. O framework proposto ilustra o potencial das técnicas de aprendizagem de máquina na otimização do portfólio de ações.por
dc.description.sponsorshipFundação de Amparo a Pesquisa do Estado de São Paulopor
dc.description.sponsorshipFundo Mackenzie de Pesquisapor
dc.formatapplication/pdf*
dc.identifier.citationDUARTE, Flávio Gabriel. Um framework para alocação de portifólios baseada em agrupamento particional. 2019. 76 f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Presbiteriana Mackenzie, São Paulo, 2019.por
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/24509
dc.keywordsasset allocationeng
dc.keywordsstockseng
dc.keywordsportfolio selectioneng
dc.keywordsmachine learningeng
dc.keywordsquantitative financeeng
dc.keywordsframeworkeng
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.subjectalocação de ativospor
dc.subjectaçõespor
dc.subjectseleção de portfóoliospor
dc.subjectaprendizado de máquinapor
dc.subjectfinanças quantitativaspor
dc.subjectframeworkpor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApor
dc.titleUm framework para alocação de portifólios baseada em agrupamento particionalpor
dc.typeDissertaçãopor
local.contributor.board1Silveira, Ismar Frango
local.contributor.board1Latteshttp://lattes.cnpq.br/3894359521286830por
local.contributor.board2França, Fabrício Olivetti de
local.contributor.board2Latteshttp://lattes.cnpq.br/8788356220698686por
local.publisher.countryBrasilpor
local.publisher.departmentEscola de Engenharia Mackenzie (EE)por
local.publisher.initialsUPMpor
local.publisher.programEngenharia Elétricapor
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
FLAVIO GABRIEL DUARTE[1].pdf
Tamanho:
763.3 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis