Uma análise preliminar da dinâmica volatilidade-retorno de ações das grandes empresas utilizando técnicas de aprendizado não-supervisionado
Palavras-chave:
Análise de Componentes Principais, Volatilidade, Retorno, Clusters, InvestimentosResumo
O estudo aplica a Análise de Componentes Principais (PCA) aos históricos de preços de abertura e fechamento das 500 maiores empresas listadas na bolsa, considerando dados de D = 1032 dias. A escolha do PCA se justifica pela capacidade da técnica de reduzir a dimensionalidade, destacando os principais padrões de variância. O conjunto de dados aplicado no PCA contém o retorno diário das empresas, e na matriz reduzida, de 1032 para 5 colunas, foi adicionado o vetor de volatilidade, calculado com o desvio padrão do retorno diário. O objetivo é identificar padrões que permitam agrupar as empresas em clusters de acordo com categorias de risco: conservador, moderado e arrojado.
Downloads
Referências
H. Abdi e L. J. Williams. “Principal component analysis”. Em: WIREs Computational Statistics 13.2 (2021), e1519. url: https://onlinelibrary.wiley.com/doi/abs/10.1002/wics.1519.
S. Charts. S&P 500 - Standard and Poor’s 500. https://www.slickcharts.com/sp500.
C. E. Mendes, J. P. Silva e M. A. Barbosa. “Análise de Cluster em Dados de Volatilidade de Mercados: Uma Aplicação em Índices Setoriais”. Em: Anais do Congresso Nacional de Matemática Aplicada e Computacional (CNMAC). 2020, pp. 999–1010. url: http://www.sbmac.org.br/anais/2020/999.pdf.
M. S. Torres, A. F. Brito e P. A. Nogueira. “Análise de Componentes Principais em Dados Financeiros: Uma Aplicação para Ações de Empresas Brasileiras”. Em: Anais do Congresso Nacional de Matemática Aplicada e Computacional (CNMAC). 2019, pp. 1234–1245. url: http://www.sbmac.org.br/anais/2019/1234.pdf.
