Robôs de investimento a partir de dados de redes sociais

Abstract

Com a difusão das opções de investimentos e a busca por experiência diferenciada ao cliente, muitos bancos e corretoras começaram a desenvolver consultores automatizados de investimento (mais conhecidos como Robo-Advisors) para fornecer ao cliente um portfólio personalizado sem a interação de um agente humano. Contudo, sua difusão se mostrou um desafio em vários aspectos, em especial pelas limitações dos modelos tradicionais de mediavariância, prejudicando seu uso ao ponto de muitos bancos e corretoras abortarem seus projetos. O objetivo desse trabalho é sugerir uma abordagem alternativa de construção de carteira personalizada a partir de dados de redes sociais em conjunto com técnicas difundidas na indústria de investimentos. Para tal, usam-se métodos de aprendizado de máquina a fim de prover elementos em tempo real para maximizar o retorno das carteiras.

Considering the recent spread of investment products and the constant search for a differentiated customer experience, many banks and brokers are developing automated investment advisors (also called Robo-Advisors) which aims to provide a personalized portfolio without a direct human interaction. Although Robot-Advisors diffusion proves to be a challenge in several aspects, especially due to the limitations of traditional models of meanvariance, hampering its use to the point that many banks and brokers have aborted such projects. The scope of this paper is suggesting an alternative approach to building a personalized portfolio from social network data as resource for most used allocation theories. For this, machine learning methods are used in order to provide elements in real time to maximize the return of the portfolios.