<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">
ATENÇÃO: O depósito de novas publicações está temporariamente suspenso.

Métodos de seleção de variáveis com aprendizado de máquina para estratégias de arbitragem estatística configuradas como predição de séries temporais

dc.contributor.advisorCosenza, Carlos Alberto Nunes
dc.contributor.advisorLatteshttp://lattes.cnpq.br/8408511964332556pt_BR
dc.contributor.referee1Neves, Cesar das
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6717419701963272pt_BR
dc.contributor.referee2Grecco, Claudio Henrique dos Santos
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7937368027614414pt_BR
dc.contributor.referee3Lima Filho, Roberto Ivo da Rocha
dc.contributor.referee3Latteshttp://lattes.cnpq.br/5453509814341147pt_BR
dc.creatorRichers, Nicholas Barbosa
dc.creator.Latteshttp://lattes.cnpq.br/3111194817303082pt_BR
dc.date.accessioned2025-07-01T13:00:24Z
dc.date.available2026-05-16T03:00:16Z
dc.date.issued2022-02
dc.description.abstractApplied research in quantitative finance has high entry-barrier due the lack of high-quality data, which leads to false positive strategies. In present work the data is provided by a tournament, organized by a market-neutral hedge fund who configured a statistical arbitrage challenge as forecasting problem. In this context, there is a substantial amount of features and based on the feature selection literature the task is to develop strategies to consistently outperform a given benchmark. Initially, the predictions created by a tree-based estimator were decomposed into linear and non-linear portions to estimate the source of volatility excess. Next, a method which accounts for all trials in order to ensure positive returns were introduced. Several feature selection methods to attenuate the multicollinearity were implemented and a small extension to a feature clustering algorithm was proposed to decrease the risk of overestimating unimportant variables. To enhance better results we denoised the correlation matrix and proposed a codependency measure robust to nonlinear relationships. Then, was made an attempt to map regimes that describe market behavior over time, but it was not possible to accurately predict regime change. Despite reasonable results when the assumption is true. This research is limited to feature selection literature, but within this scope we were not able to state that the benchmark can be consistently overcomed, despite having done so most of the time. So we rely on the parity risk algorithms literature to present a workaround solution for the problem.en
dc.description.resumoA pesquisa aplicada em finanças é dificultada pelo acesso a dados de boa qualidade, o que acarreta no desenvolvimento de estratégias falso positivas. Neste trabalho os dados serão fornecidos por um torneio, organizado por fundo de risco neutro que configurou um problema de arbitragem estatística como um problema de predição de séries temporais. Nesse contexto, dispomos de uma quantidade substancial de variáveis e nos apoiamos na literatura de seleção de variáveis a fim de desenvolver estratégias capazes de superar um dado referencial com consistência. Inicialmente as predições geradas por um estimador serão decompostas a fim de observar a origem do excesso de volatilidade. A seguir, será exposto um método de avaliação que contabiliza todas as tentativas a fim de garantir retornos positivos. Implementou-se diversos métodos de seleção de variáveis para atenuar a multicolinearidade e foi proposta uma pequena extensão para um algoritmo de agrupamento de atributos para minimizar o risco de superestimar variáveis sem importância. Para atingir melhores resultados, removeu-se o ruído da matriz de correlação e utilizou-se uma medida de codependência robusta a relações não lineares. Em seguida, foi desenvolvido um mapeamento de regimes que descrevem o comportamento dos dados ao longo do tempo, porém não foi possível prever com precisão a mudança de regime. Apesar de resultados muito bons quando a suposição é verdadeira. Esta pesquisa é limitada à literatura de seleção de variáveis. Contudo, dentro deste escopo não é possível afirmar que o referencial foi superado com consistência, apesar de o ter feito na maior parte das observações. Por essa razão algoritmos de paridade de risco foram desenvolvidos como uma solução de contorno.pt_BR
dc.embargo.termsabertopt_BR
dc.identifier.citationRICHERS, Nicholas Barbosa. Métodos de seleção de variáveis com aprendizado de máquina para estratégias de arbitragem estatística configuradas como predição de séries temporais. 2022. 169 f. Dissertação (Mestrado em Engenharia de Produção) - Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2022.pt_BR
dc.identifier.urihttp://hdl.handle.net/11422/26209
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenhariapt_BR
dc.publisher.initialsUFRJpt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia de Produçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectNegociação (Administração de empresas)pt_BR
dc.subjectAprendizado computacionalpt_BR
dc.subjectAnálise de regressãopt_BR
dc.subjectVariáveis (Matemática)pt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO::ENGENHARIA ECONOMICA::ANALISE DE CUSTOSpt_BR
dc.titleMétodos de seleção de variáveis com aprendizado de máquina para estratégias de arbitragem estatística configuradas como predição de séries temporaispt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Richers.pdf
Tamanho:
21,91 MB
Formato:
Adobe Portable Document Format

Pacote de licença

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1,81 KB
Formato:
Item-specific license agreed upon to submission
Descrição: