Aplicação de machine learning na pré-seleção de ativos para portfólios de investimento

Abstract

Este trabalho buscou avaliar o impacto de técnicas de Machine Learning junto a estratégias de momento na pré-seleção de ativos financeiros para portfólios de investimentos no mercado brasileiro. Foram utilizados modelos de Random Forest para ranquear os ativos presentes no IBOVESPA e aplicar esta pré-seleção em portfólios otimizados pelo método da médiavariância. Observou-se uma significante vantagem na utilização desta implementação nos retornos acumulados a longo prazo, como esperado de estratégias baseadas em momento. O portfólio construído a partir ativos pré-selecionados apresentou melhor retorno acumulado e menor sensibilidade à drawndowns sistêmicos, o que indica uma maior eficiência uma vez que o custo de seu gerenciamento é consequentemente reduzido.

This work aimed to evaluate the impact of Machine Learning techniques alongside momentum strategies in the pre-selection of financial assets for investment portfolios on the brazilian market. Random Forest models were used to rank IBOVESPA assets and apply this pre-selection on portfolios optimized by the mean-variance method. Significant advantage on the accumulated returns in the long run was found employing this implementation, as expected from momentum-based strategies. The Portfolio built with the pre-selected assets presented the best accumulated returns and a lower sensibility to sistemic drawndowns, which indicates a greater efficiency as management costs are consequently reduced.