Previsão de Retornos de Ativos no Mercado Financeiro Através de Métodos de Otimização

Abstract

This aim of this dissertation is to predict asset returns in the financial market through optimization methods. The Markowitz model was one of the first models to emerge in return prediction studies, but it was found to lack the capacity to handle large historical datasets. As a result, machine learning algorithms started to emerge. After some research, it was decided to approach the Random Forest algorithm because, in the field of finance, its strong performance in both predicting the sign of returns (classification problem) and their numerical values (regression problem) is well-known.Due to its importance in the field, the concepts of this algorithm were analysed, along with its entire procedure, in order to understand the method and its significance in predicting stock prices. In the final stage of the work, a selection of assets was made based on observations of real daily data collected from the PSI index. The behaviour of these data set was then analysed using linear regression and the random forest algorithm for both classification and regression problems for each asset. Subsequently, the performance and accuracy of both methods in predicting returns were evaluated and compared.It's important to emphasize that the use of machine learning and algorithms like random forest in predicting financial asset returns is a relevant and current approach, as the financial market is highly dynamic and complex, and traditional methods often fail to capture all the patterns and information available in historical data.The experimental results showed that the random forest algorithm performed the best, especially in predicting the values of returns. Therefore, we believe that this dissertation contributes to the advancement of knowledge in the field of financial return prediction and highlights the importance of using machine learning algorithms, such as random forest, as an effective tool for analysis and decision-making in the financial market.

Esta dissertação tem como objetivo prever os retornos de ativos no mercado financeiro através demétodos de otimização. O modelo de Markowitz foi dos primeiros modelos a surgir no estudo daprevisão de retornos, mas foi-se verificando que este não tinha capacidade para tratar de um grande conjunto de dados históricos. Assim, foram surgindo os algoritmos de Machine Learning. Após alguma pesquisa, foi decidido abordar o algoritmo de Random Forest pois, na área das finanças, é notório o seu bom desempenho tanto na previsão do sinal dos retornos (problema de classificação) como dos seus valores numéricos (problema de regressão).Desta forma, foram analisados os conceitos deste algoritmo e todo o seu procedimento de maneiraa entender o método e a importância que este tem na previsão dos preços das ações. Numa fase final do trabalho é feita uma seleção de ativos a partir de observações de dados reais diários, provenientes da recolha de dados do PSI. Com isto, foi possível fazer a respetiva análise dos comportamentos destes dados com o método da regressão linear e com o algoritmo de Random Forest para problemas de classificação e de regressão para cada ativo, e posteriormente verificar o desempenho e precisão dos métodos quanto à previsão dos retornos.É importante ressalvar que a utilização de Machine Learning e de algoritmos como o RandomForest na previsão de retornos de ativos financeiros é uma abordagem relevante e atual, visto queo mercado financeiro é altamente dinâmico e complexo, e métodos tradicionais muitas vezes nãoconseguem captar todos os padrões e informações disponíveis nos dados históricos.Os resultados experimentais mostraram que o algoritmo de Random Forest foi o que obtevemelhores resultados, principalmente na previsão dos valores dos retornos.Assim, acreditamos que esta dissertação contribui para o avanço do conhecimento na área deprevisão de retornos financeiros e destaca a importância do uso de algoritmos deMachine Learning,como o Random Forest, como uma ferramenta eficaz para análise e tomada de decisões no mercadofinanceiro.