Dissertação

Portfolio Optimization using a Big Data framework - A passive Management, Spark and Genetic Agorithm approach EVALUATED

Este trabalho analisa a literatura relativa à gestão de portfólios financeiros e propõe realizar esta tarefa automaticamente. Um modelo de gestão de portfólios – baseado no trabalho seminal de Markowitz–, uma metaheurística para otimização matemática – algoritmo genético – e uma framework de Big Data – Spark – são usados neste sistema para guiar a escolha de ativos. O principal objetivo é desenhar um sistema de gestão de portfólios capaz de usar um algoritmo genético para resolver problemas de otimização de portfólio. Simultaneamente, o sistema é capaz de persistir e processar grandes quantidades de dados. O objetivo secundário é providenciar uma base para testes adicionais de frameworks de Big Data no domínio da gestão de portfólios. A validação da performance computacional foi feita através da análise do impacto de concurrência, processamento iterativo e configurações de memória do Spark no tempo de execução. Esta validação mostrou que o sistema consegue reduzir o tempo de execução através de concurrência, alcançando um speedup superior a 90% entre 1 e 4 cores. Este facto permite concluir que é viável avançar com estudos adicionais em relação à escabilidade em clusters. O sistema também obteve uma performance financeira adequada durante as primeiras duas semanas depois da otimização, tendo melhores resultados que o exchange traded fund SPY que mede o Standard & Poor’s 500, consistentemente, com algumas configurações. Estes ganhos chegam a ser de 2% superiores ao SPY, em termos de return on investment nas primeiras duas semanas após a otimização.
Markowitz, Big Data, Spark, Algoritmo Genético, Análise Média-Variância

Dezembro 3, 2018, 15:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Nuno Cavaco Gomes Horta

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar