Repositório Digital

A- A A+

Modelagem paramétrica e não paramétrica no mercado acionário brasileiro : uma investigação do desempenho de modelos ARIMA&GARCH e do algoritmo NN em estratégias de negociação

.

Modelagem paramétrica e não paramétrica no mercado acionário brasileiro : uma investigação do desempenho de modelos ARIMA&GARCH e do algoritmo NN em estratégias de negociação

Mostrar registro completo

Estatísticas

Título Modelagem paramétrica e não paramétrica no mercado acionário brasileiro : uma investigação do desempenho de modelos ARIMA&GARCH e do algoritmo NN em estratégias de negociação
Autor Perlin, Marcelo Scherer
Orientador Kloeckner, Gilberto de Oliveira
Data 2007
Nível Mestrado
Instituição Universidade Federal do Rio Grande do Sul. Escola de Administração. Programa de Pós-Graduação em Administração.
Assunto Administração financeira
Finanças
Mercado de ações
Mercado financeiro
Negociação
Resumo Para um administrador de carteira, a possibilidade de prever o comportamento dos ativos é algo desejável. A previsibilidade do mercado financeiro é objeto de pesquisa há inúmeras décadas. Tal hipótese de previsibilidade ou falta dela pode ser testada de diferentes maneiras, incluindo o uso direto de modelagem matemática para realizar as previsões. O principal objetivo do presente estudo é verificar a performance de dois diferentes métodos de previsão em estratégias de negociação para o mercado acionário brasileiro. A base de dados é constituída por retornos diários dos 40 ativos mais líquidos entre 2003 e 2005. O primeiro método pesquisado foi o uso do algoritmo de previsão NN (Nearest Neighbor) e o segundo corresponde aos populares modelos ARIMA&GARCH. A principal conclusão da pesquisa foi que os modelos ARIMA&GARCH, dentro da metodologia sugerida, obtiveram resultados superiores ao algoritmo NN e em relação a uma estratégia ingênua, resultado um respeitável desempenho nas estratégias de negociação, mais particularmente na estratégia de arbitragem. Tal resultado motiva o uso do método sugerido em aplicações reais no mercado financeiro Brasileiro, porém é importante salientar que a pesquisa foi baseada em algumas necessárias pressuposições, as quais podem afetar tal resultado em aplicações reais.
Abstract For a portfolio manager, the predictability of stock market behavior is a desirable characteristic for obvious reasons. The predictability of financial markets has been a research topic for a long time. Such type of study can be tested in different ways, including the use of mathematical formulations for time series forecasting. The main objective of the present study is to verify the performance of two different forecasting methods in trading strategies for the Brazilian financial market. The database for the research is based on the 40 most liquid assets with daily observations from 2003 to 2005. The first investigated method is the non parametric approach of NN (Nearest Neighbor) and the second one is the use of the popular ARIMA&GARCH models. The main conclusion of this study is that the use of ARIMA&GARCH models in the proposed methodology was able to beat the NN algorithm and the naïve approach, obtaining a respectable performance in the trading strategies, more specifically in the arbitrage strategy. Such result motivates the application of the proposed method to real trading environments in the Brazilian equity market, but it’s important to say that this study was based in some key assumptions which may affect the result for real trading applications.
Tipo Dissertação
URI http://hdl.handle.net/10183/8904
Arquivos Descrição Formato
000590661.pdf (219.4Kb) Texto completo Adobe PDF Visualizar/abrir

Este item está licenciado na Creative Commons License

Este item aparece na(s) seguinte(s) coleção(ões)


Mostrar registro completo

Percorrer



  • O autor é titular dos direitos autorais dos documentos disponíveis neste repositório e é vedada, nos termos da lei, a comercialização de qualquer espécie sem sua autorização prévia.
    Projeto gráfico elaborado pelo Caixola - Clube de Criação Fabico/UFRGS Powered by DSpace software, Version 1.8.1.