Previsão através de técnicas de machine learning de períodos risk-off no Brasil
Carregando...
Orientador
Co-orientadores
Citações na Scopus
Tipo de documento
Dissertação
Data
2022
Título da Revista
ISSN da Revista
Título do Volume
Resumo
Este artigo utiliza técnicas de machine learning como K-médias e clusters hierárquicos e o comovimento dos principais ativos financeiros brasileiros ligados aos mercados de juros, câmbio e renda variável para identificar períodos popularmente conhecidos como risk-on e risk-off no Brasil.
Após identificar os períodos, busco prevê-los com o uso de diversas variáveis macroeconômicas em defasagens de três, seis e doze meses com relação aos períodos encontrados e Random Forests. Aqui temos a contribuição relevante de variáveis não frequentemente utilizadas para previsões como dados de emprego e índices de preços.
Por fim, realizo simulações de carteiras com os ativos brasileiros e as previsões obtidas, buscando mostrar uma aplicação possível para os períodos risk-off encontrados e as previsões das Random Forests, nessas simulações temos ganho de rentabilidade independente da defasagem em relação ao portfólio 60/40 e ganho de rentabilidade das defasagens 6 e 12 meses em relação ao CDI
Palavras-chave
Titulo de periódico
URL da fonte
Título de Livro
URL na Scopus
Idioma
Português
URL permanente
Notas
Membros da banca
Takada, Hellinton Hatsuo
Área do Conhecimento CNPQ
Ciências Exatas e da Terra