Selection of Sustainable Dividend Stocks Combining XGBoost with Genetic Algorithm EVALUATED

Detalhes: Esta tese introduz uma abordagem que combina XGBoost com o Algoritmo Genético num sistema com o objectivo de selecionar ações geradoras de dividendos do índice S&P500, identificando aquelas com maior sustentabilidade no crescimento dos dividendos regulares e evitando aquelas cujos pagamentos podem ser interrompidos a curto prazo. A implementação proposta define anualmente janelas de treino-teste, em que o algoritmo XGBoost é utilizado para aprender e classificar se empresas na amostra irão manter o aumento dos dividendos no ano seguinte, com base em observações financeiras trimestrais. Em cada janela, o algoritmo usa o modelo para classificar um ano de observações, usando as probabilidades geradas para ordenar as empresas em termos de sustentabilidade. O Algoritmo Genético é usado em cada período como método de optimização dos parâmetros do XGBoost, de acordo com a performance num período de validação, com base nas métricas ROC e PR AUC. Os rankings gerados são atualizados anualmente gerando novos modelos e combinando as probabilidades geradas com as anteriores. Os resultados foram avaliados analisando a performance das ações escolhidas no ano seguinte aos rankings serem gerados, usando um ou múltiplos modelos para ordenar e selecionar ações. Para os períodos de teste, os melhores resultados mostram que o sistema é capaz de escolher até metade das ações de dividendos listadas, evitando acima de 80% daquelas com dividendos insustentáveis. Adicionalmente, as ações mais pontuadas geraram consistentemente retornos totais superiores aos do indíce S&P500.

Discussão: janeiro 15, 2021, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Francisco José Couto da Silva (ist186298)

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar