Optimizing Pairs Trading with Advanced Computational Intelligence and Machine Learning Techniques EVALUATED

Detalhes: Pairs trading é uma estratégia de arbitragem estatística que capitaliza a discrepância de preços entre dois instrumentos financeiros estatisticamente relacionados, alavancando o princípio da reversão à média. Esta abordagem, favorecida pelas suas características de neutralidade de mercado, envolve a compra de um título financeiro relativamente subvalorizado e da venda de um sobrevalorizado, liquidando a posições quando o equílíbrio é restabelecido. Todavia, a identificação de pares rentáveis em finanças computacionais modernas representa um desafio significativo devido à crescente complexidade dos mercados financeiros. Este estudo investiga o problema da seleção de pares através da aplicação da teoria moderna do portfólio com a integração de algoritmos genéticos para resolver o problema de otimização. Os resultados sugerem que portfólios otimizados superam estratégias convencionais, proporcionando retornos anualizados de 7%. Adicionalmente, o estudo explora a implementação de uma estratégia de investimento baseada em algoritmos de previsão, utilizando os modelos LightGBM e ARIMA. Os resultados demonstram a eficácia da incorporação desta estratégia, revelando retornos anualizados de 10.5% e 1.2 Sharpe ratio. Todos os resultados relatados são simulados usando dados de preços diários do S&P 500, abrangendo o período de janeiro de 2001 a dezembro de 2022, e ponderam custos de transação.

Discussão: junho 24, 2024, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Luís António Costa Pinto Gueifão Canas (ist194030)

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Nuno Cavaco Gomes Horta

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático