Método de aprendizagem de máquina visando prever a direção de retornos de exchange traded funds (ETFs) com utilização de modelos de classificação e regressão

Abstract

Este artigo tem como objetivo propor e aplicar um método de aprendizagem de máquinas visando analisar a direção de retornos de Fundos Negociados em Bolsa (Exchange Traded Funds - ETFs) utilizando os dados históricos de retorno de suas componentes auxiliando na tomada de decisões de estratégias de investimento por meio de algoritmo de negociações. Em termos metodológicos foram aplicados modelos de regressão e classificação, utilizando conjuntos de dados padrão de mercados brasileiro e americano, além de métricas de erro algorítmicas. Em termos de resultados de pesquisa, foram analisados e comparados aos da previsão Naïve e aos retornos obtidos pela técnica de buy & hold no mesmo período de tempo. Em termos de risco e retorno, os modelos apresentaram desempenho superior às métricas de controle em sua maioria, com destaque ao modelo de regressão linear e aos modelos de classificação por regressão logística, máquina de vetores de suporte (utilizando o modelo LinearSVC), Gaussian Naive Bayes e K-ésimos Vizinhos Mais Próximos, onde em determinados conjuntos de dados os retornos superaram em duas vezes e o índice de Sharpe em até quatro vezes os do modelo de controle do buy & hold.