Portfolio Optimization using Fundamental Analysis with a Logistic Regression Approach EVALUATED

Detalhes: Este trabalho propõe uma abordagem que combina modelos de Regressão Logística com Análise Fundamental, a fim de criar um sistema capaz de prever o crescimento a longo prazo das empresas, ao fazer uso das classificações percentuais do algoritmo. A implementação proposta retira informações financeiras das empresas integrantes do índice S\&P 500, de 2009 a 2021. Essas informações são filtradas e transformadas em rácios financeiros, capazes de quantificar o desempenho das empresas, que serão depois utilizados pelos modelos. De seguida, os modelos calculam pontuações de probabilidade que refletem o nível de confiança de que cada empresa crescerá mais do que o índice de mercado, para cada ano de teste. As empresas são então ordenadas de acordo com seus respectivos valores de probabilidade. Os retornos anuais foram avaliados calculando o Retorno ao Investimento, Max Drawdown e Sharpe ratio, para analisar os lucros gerados, a volatilidade e o risco associado aos portfolios escolhidos. Ao longo dos 8 anos de investimento, os modelos de Máquinas de Vetores de Suporte (SVM), criados como ferramenta de comparação, alcançaram retornos superiores aos modelos LR, e ao mercado, ao selecionar as 20 empresas com melhor desempenho e as empresas com pontuação acima de 60 %. No entanto, ao selecionar empresas com 75 \% de probabilidade ou mais, o modelo LR apresentou uma capacidade fantástica de escolher as empresas certas, apresentando retornos elevados e composições de portfólio mais seguras quando comparados ao algoritmo SVM e ao índice S&P 500.

Discussão: novembro 22, 2021, 15:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Francisco Marques Cruz Rodrigues (ist186993)

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar