Please use this identifier to cite or link to this item: https://repositorio.insper.edu.br/handle/11224/6030
Type: Dissertação
Title: Previsão através de técnicas de machine learning de períodos risk-off no Brasil
Author: Fernandes, Carlos Vinícius Cotrim
Examination board: Silva, Miguel Maria Charters de Oliveira Bandeira da
Takada, Hellinton Hatsuo
Advisor: Guillen, Diogo Abry
Academic degree: Mestrado
Publication Date: 2022
Original Abstract: 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
Keywords in original language : Risk-on
Risk-off
K-médias
Cluster Hierárquico
Random Forest
Machine learning
portfólio 60/40
Abstract: This article uses machine learning techniques such as K-means and hierarchical clusters and the movement of the main Brazilian financial assets to identify periods popularly known as risk-on and risk-off in Brazil. After identifying the periods, I seek to predict them using several macroeconomic variables in lags of three, six and twelve months in relation to the periods found above and Random Forests. Here we have the relevant contribution of variables not frequently used for forecasts such as employment data and price indices. Finally, I carry out portfolio simulations with Brazilian assets and the forecasts obtained, seeking to show one possible application for the risk-off periods found and the predictions of Random Forests, in these simulations we have a gain in profitability regardless of the lag in relation to the portfolio 60/ 40 and profitability gain from lags of six and twelve months in relation to the CDI.
Keywords (english terms): Risk-on
Risk-off
K-means
Hierarchical Cluster
Random Forest
Machine learning
60/40 portfolio
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 
Carlos_Vinicius_Cotrim_Fernandes - Dissertação.pdfCarlos_Vinicius_Cotrim_Fernandes - Dissertação627.87 kBAdobe PDFThumbnail
View/Open

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