Dissertação
Applying Data-Mining and Clustering Techniques to Portfolio Composition EVALUATED
Esta tese envolve a pesquisa e desenvolvimento realizados no âmbito da construção de um fundo de investimento (ou portfólio). Várias abordagens de última geração para otimização de portfólio são analisadas dando a cabo os seus méritos e deficiências. É tomada a decisão de utilizar novas técnicas no campo de Data-Mining para a construção do portfólio. Deste modo, o foco é expandir uma framework de Data-Mining para geração de portfólios que se encontra na literatura existente, o "DISPLAN", com o principal foco na diversificação e no balanço do retorno-risco do portfólio. O DISPLAN alcança a diversificação por meio de opiniões de especialistas sobre como as acções devem ser divididas em setores (ou seja, uma Taxonomia), em oposição a uma abordagem numérica e técnica. Para isso, o popular algoritmo de clutering K-Means é empregado na determinação de uma taxonomia, com o objetivo de aumentar a diversificação e o risco-recompensa. De forma a atingir esse objetivo, focamos-nos nos retornos das ações e as suas variâncias. Tudo isto culmina em várias experiências realizadas com dados reais de mercado, em várias condições de mercado e prazos diferentes. Na marioria dos cénarios testados, os resultados são superiores aqueles dos indíces de mercado, e também aos resultados obtidos por trabalhos anteriores.
novembro 22, 2022, 17:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado