Please use this identifier to cite or link to this item: https://repositorio.insper.edu.br/handle/11224/5737
Type: Dissertação
Title: Análise de clustering dos retornos de Real Estate Investments Funds e sua relação com fatores econômicos
Author: Trofino, André Felipe Nunes
Examination board: Athayde, Gustavo Monteiro de
Macêdo, José Antônio Fernandes de
Advisor: Soares, Gustavo Barbosa
Academic degree: Mestrado
Publication Date: 2021
Original Abstract: Esse trabalho busca expandir o conhecimento na área de finanças quantitativas sobre os fundos de investimento imobiliário americanos (Real Estate Investment Funds - REITs), uma área que carece de estudos. Deseja-se realizar um mapeamento de quais fatores são mais responsáveis pelos retornos dos fundos imobiliários, utilizando para isso métodos de aprendizado de máquina não supervisionado e supervisionado. Foram utilizados 15 anos de dados de retornos de 183 REITs que compõem o índice BBREIT US. Os dados foram extraídos a cada mês do período analisado e utilizados em um algoritmo de clustering chamado Hierarchical Clustering, agrupando os fundos em três grupos. Esse resultado é utilizado como rótulo em conjunto com 25 fatores econômicos relativos ao mês no qual o retorno foi extraído para formar painel. O conjunto desses painéis mensais foi então utilizado em um treinamento supervisionado de Decision Tree, produzindo um modelo capaz de classificar um novo fundo em um dos três grupos encontrados, baseado apenas em seus fatores econômicos. O modelo treinado fornece a importância de cada fator na classificação, e, portanto, a importância de cada fator no retorno dos fundos. Foi possível identificar 10 fatores que correspondem a 83,12% da importância de classificação. Os cinco fatores mais importantes encontrados foram: momentum, volatilidade, capitalização de mercado, beta fixo e beta de mercado, correspondendo a 52,8% da importância. Essas informações podem ser utilizadas para realizar estratégias de investimentos, como diversificação de portfolios e spread trading.
Keywords in original language : Fundos imobiliários
Aprendizado de máquina
Finanças quantitativas
Abstract: The purpose of this work is to expand the knowledge in quantitative financial analysis focused on real estate investment funds – REITs, since it is an area with little body of work. The objective of this study is to perform a mapping of which economic factors are more responsible for the returns of REITs, making use of both unsupervised and supervised machine learning methods. A total of 15 years of returns were collected for 183 REITs that are part of the BBREIT US index. The returns were collected monthly throughout the analysis period, when were used in a Hierarchical Clustering method to group the funds in three groups. These results were used as label in combination with twenty-five economic factors to form a data panel for each month of the analyzed period. The panel dataset was then used in a Decision Tree algorithm in order train model capable of classifying new funds in one of the three group found previously given its economic factors. This model has the information of which factor was more important in the classification, and so, which factor is more important for the funds’ returns. The results found 10 factors that are responsible for 83.12% of the total classification importance. The five most important factors were momentum, volatility, market capitalization, fixed beta and market beta, corresponding to 52.8% of the total importance. These insights can be used to perform investment strategies, such as portfolio diversification and spread trading.
Keywords (english terms): Real estate investment trusts
Machine learning
Quantitative finance
Language: Português
CNPq Area: Ciências Exatas e da Terra
Copyright: TODOS OS DOCUMENTOS DESTA COLEÇÃO PODEM SER ACESSADOS, MANTENDO-SE OS DIREITOS DOS AUTORES PELA CITAÇÃO DA ORIGEM.
Appears in Collections:Mestrado Profissional em Economia

Files in This Item:
File Description SizeFormat 
Andre Felipe N Trofino - Dissertação.pdfAndre Felipe N Trofino - Dissertação1.63 MBAdobe PDFThumbnail
View/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.