Dissertação

{en_GB=An Evolutionary Computing Approach to Financial Portfolio Management Based on Growth Stocks & Sector/Industry Distribution} {} EVALUATED

{pt=Este trabalho apresenta uma proposta de um sistema com base na Inteligência Artificial, com o objectivo de criar e gerir portfólios financeiros. O sistema incorpora informação financeira com algoritmos evolucionários afim de atingir melhor desempenho na escolha de ações para compor o portfólio. O principal objectivo é construir uma estratégia que captura as ações em crescimento mais promissoras do mercado. Para conseguir atingir este objectivo, o sistema desenhado incorpora a abordagem fundamental e a divisão do mercado por sectores/indústrias, usando rácios financeiros e indicadores específicos dos sectores. Várias estratégias de investimento foram testadas e posteriormente validades, utilizando como medidas de avaliação o retorno obtido, a variância e o risco extra. As simulações foram realizadas com dados do índice S\&P 500 do período compreendido entre Janeiro de 2011 e Dezembro de 2014. Restrições reais são usadas para definir um ambiente semelhante ao enfrentado por gestores de portfólios reais. Os resultados demonstraram que combinar computação evolucionária com rácios financeiros é uma boa solução para encontrar as empresas mais promissoras. A divisão do mercado em sectores também foi provado ser uma opção rentável. As simulações obtiveram retornos acima do mercado, apresentando variâncias ligeiramente inferiores. Os melhores resultados sugerem que as ações mais promissoras são as que apresentam maiores returns on equity (ROE), rates of revenue (RR) e price to earnings growth (PEG) mais elevadas, e adicionalmente, baixos debt ratios (DR)., en=In this work we propose an artificial intelligence based system to compose and manage financial portfolios. Financial knowledge and evolutionary algorithms are incorporated in the system to achieve a better performance when choosing the stocks to compose the portfolio. The main goal is to design a strategy which captures the most promising growing companies on the market. To achieve this goal, the system designed incorporate a fundamental approach and a market division by sectors/industries, using financial ratios and sector specific indicators. Several investing strategies were tested, and further validated using as measures the return, variance and extra risk. The simulations were conducted using data from the S\&P 500 index for the periods January 2011 until December 2014. Real constraints are used to define an environment similar to the ones faced by real portfolio managers. The results demonstrated that combining evolutionary computation with financial ratios is a good solution to select the most promising companies. The division of the market by sectors also proved to be profitable. Simulations obtained returns above the market with slightly lower variances. The best results suggested that the most promising stocks are the ones presenting higher returns on equity (ROE), higher rate of revenue (RR) and price to earnings growth (PEG), and additionally, low debt ratios (DR).}
{pt=Inteligência Artificial, Portfólio Financeiro, Análise Fundamental, S&P 500, Sectores de Mercado, en=Artificial Intelligence, Financial Portfolio, Fundamental Analysis, S&P 500, Market's Sectors}

Maio 24, 2016, 10:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

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 Auxiliar