Identifying Winning Companies using Financial Indicators with an Ensemble Classifier and a Risk-Off Filter EVALUATED

Detalhes: Este trabalho propõe uma estratégia de investimento baseada em análise fundamental, aplicada ao mercado de ações de grande capitalização ao bolsista dos Estados Unidos da América. Usando um conjunto de métodos de aprendizagem automática, classificam-se empresas em duas classes, como ”Outperformers” ou ”Underperformers” em relação a um benchmark, o S&P 500, num horizonte temporal de investimento de dois anos. São utilizados dados das demonstrações financeiras de todos os componentes do S&P 500, entre 2010 e 2020, bem como dados de preços dessas mesmas empresas e de futuros, a fim de construir um filtro Risk-Off. O classificador Random Forest e o modelo de k-Nearest Neighbors superam o conjunto em precisão na classificação. Ao usar uma janela móvel para simular uma estratégia de investimento real, os resultados não têm uma grande variação em termos de precisão de ano para ano. Para todos os testes, os resultados tendem a ser melhores quando utilizando um conjunto com mais ”features”. Embora não supere todos os modelos individuais em termos de classificação, o conjunto supera todos os seus modelos componentes, bem como o benchmark, em retornos ajustados ao risco. O modelo final tem um retorno anual de 22.83% e um Sharpe ratio de 1.30 contra o S&P 500 que retorna 13.31% ao ano com um Sharpe de 0.78. O filtro Risk-Off tem um ótimo desempenho na redução de quedas e na melhoria dos retornos ajustados ao risco. O modelo final usando o filtro retorna 18.28% com índice de Sharpe mensal de 1.63, contra 0.80 do benchmark.

Discussão: novembro 15, 2022, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Manuel de Quintanilha Mantas Moura (ist175756)

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar