Seleção de Portifolios: Uma Análise Comparativa dos Cinco Fatores de Fama e French e Redes Neurais Artificiais Outros Idiomas

ID:
49804
Resumo:
O presente artigo buscou avaliar o desempenho de uma rede neural artificial desenvolvida com o objetivo de identificar padrões e classificar títulos em carteiras de ações de empresas do mercado de capitais brasileiro, levando em consideração os pressupostos evidenciados pela Teoria das Carteiras de Markowitz (1952) de que a formação de portfólios reduz a variabilidade e possibilita a obtenção de maiores retornos ajustados ao risco. Para isto, utilizou-se variáveis em nível da firma, componentes dos cinco fatores de Fama e French (2015), os quais, inclusive, serviram para a montagem de portfólios por meio da utilização de regressão linear múltipla com dados em painel. Os resultados comparativos dos métodos de regressão com dados em painel e redes neurais artificiais apontaram que ambas as metodologias permitiram a obtenção de retornos acima da média de mercado, no entanto, que a rede neural artificial apresenta maior capacidade de evitar títulos que sejam prejudiciais ao portfolio e permite a suavização das perdas em momentos de instabilidade.
Citação ABNT:
MOREIRA, K. D. S.; PENEDO, A. S. T. Seleção de Portifolios: Uma Análise Comparativa dos Cinco Fatores de Fama e French e Redes Neurais Artificiais. Enfoque Reflexão Contábil, v. 37, n. 2, p. 141-155, 2018.
Citação APA:
Moreira, K. D. S., & Penedo, A. S. T. (2018). Seleção de Portifolios: Uma Análise Comparativa dos Cinco Fatores de Fama e French e Redes Neurais Artificiais. Enfoque Reflexão Contábil, 37(2), 141-155.
DOI:
10.4025/enfoque.v37i2.38329
Link Permanente:
http://www.spell.org.br/documentos/ver/49804/selecao-de-portifolios--uma-analise-comparativa-dos-cinco-fatores-de-fama-e-french-e-redes-neurais-artificiais/i/pt-br
Tipo de documento:
Artigo
Idioma:
Português
Referências:
ASHWOOD, A. J. Portfolio Selection Using Artificial Intelligence. 2013. f 170. Tese de Doutorado (Business Administration) - Business School - Queensland University of Technology, Queensland, Australia.

BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Principles of Corporate Finance. The McGraw-Hill/Irwin. 10ª ed. 2011.

CARHART, Mark M. On persistence in mutual fund performance. The Journal of Finance, v. 52, n. 1, p. 57-82, 1997.

CHAN, L. K. C.; LAKONISHOK, J. Are the reports of beta's death premature? The Journal of Portfolio Management, v. 19, n. 4, p. 51-62, 1993.

CORDEIRO, R. A.; MACHADO, M. A. V. Value or Growth Strategy?Empirical Evidence in Brazil. Review of Business Management, v. 15, n. 46, 2013.

FAMA, E. Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of Finance, v. 25, n. 2, 1970.

FAMA E.; FRENCH, K. A five-factor asset pricing model. Journal of Financial Economics, v. 116, p. 1-22, 2015.

FAMA, E. The cross-section of expected stock returns. Journal of Finance, v. 47, n. 2, 1992.

HAUGEN, R. A. The New Finance: the case against eficient markets. Prentice Hall: New Jersey, 1995.

HAYKIN, S. Redes Neurais, Princípios e Prática. 2 ed. Porto Alegre: Bookman, 2001.

LABOISSIERE, L. A.; FERNANDES, R. A. S.; LAGE, G. G. Maximum and minimum stock price forecasting of Brazilian power distribution companies based on artificial neural networks. Applied Soft Computing, v. 35, p. 66-74, 2015.

MANSINI, R.; OGRYCZAK, W.; SPERANZA, M. G. Twenty years of linear programming based portfolio optimization. European Journal of Operational Research, v. 234, n. 2, p. 518-535, 2014.

MARKOWITZ, Harry. Portfolio selection. The journal of Finance, v. 7, n. 1, p. 77-91, 1952.

NAZEMI, A.; TAHMASBI, N. A computational intelligence method for solving a class of portfolio optimization problems. Soft Computing, v. 18, n. 11, p. 2101-2117, 2014.

NODA, R. F.; MARTELANC, R.; KAYO, K. O Fator de Risco Lucro/Preço em Modelos de Precificação de Ativos Financeiros. Revista Contabilidade & Finanças, v. 27, n. 70, 2016.

OLIVEIRA, F. A.; NOBRE, C. N.; ZARATE, L. E. Applying Artificial Neural Networks to prediction of stock price and improvement of the directional prediction index-Case study of PETR4, Petrobrás, Brazil. Expert Systems with Applications, v. 40, n. 18, p. 7596-7606, 2013.

PALIWAL, M.; KUMAR, U. A. Neural networks and statistical techniques: A review of applications. Expert Systems with Applications, v. 36, n. 1, p. 2-17, 2009.

ROSTAGNO, L.; SOARES, R. O.; SOARES, K. T. C. Estratégias de Valor e de Crescimento em Ações na Bovespa: uma análise de sete indicadores relacionados ao risco. Revista Contabilidade & Finanças, n. 42, set/dez, 2006.

SANTOS, L. R.; MONTEZANO, R. M. S. Ações de Valor e de Crescimento no Brasil: riscos e retornos de carteiras uni e bidimensionais em diferentes estados da economia. Revista Contabilidade & Finanças, v. 22, n. 56, 2011.

SERRA, R. G.; MARTELANC, R. Hierarchical Determinants of Brazilian Stock Returns During the 2008 Financial Crisis. Emerging Markets Finance & Trade, v. 50, p. 51-67, 2014.