Seleção de ativos e otimização de portfólios de investimentos com métodos de inteligência artificial: uma revisão sistemática e bibliométrica da literatura
inteligência artificial
seleção e otimização de portfólio
revisão bibliométrica e sistemática
Área
Finanças
Tema
Apreçamento de Ativos
Autores
Nome
1 - NATAN FELIPE SILVA INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS (IFMG) - Formiga
2 - Bruno César de Melo Moreira INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS (IFMG) - Campus Formiga
3 - Lélis Pedro de Andrade INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS (IFMG) - Campus Formiga
4 - Washington Santos Silva INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS (IFMG) - Campus Formiga
5 - Maísa Kely de Melo INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS (IFMG) - Formiga
Reumo
Na década de 50, Markowitz (1952) propôs a teoria moderna de portfólio que, por meio da diversificação de ativos e da análise de risco, retorno e correlação, buscou minimizar o risco do portfólio a partir de um determinado retorno desejado. No entanto, a partir do modelo tradicional de Markowitz, foram desenvolvidas outras abordagens de seleção de portfólios que levam em conta métodos da inteligência artificial.
Devido a aplicação de diferentes métodos advindos da inteligência artificial na área de seleção e otimização de portfolio de investimento, esta pesquisa emerge com o seguinte objetivo: realizar uma análise sistemática da literatura relacionada aos métodos de inteligência artificial aplicados na seleção de ativos e na otimização de portfólio de investimentos. A pesquisa considerou o período de 1989 a 2022 e a busca principal retornou um total de 402 artigos na Web of Science e 455 artigos na base Scopus, tendo contemplado todo o período de busca disponível em ambas as bases.
Os modelos provenientes da inteligência artificial como Machine Learning (aprendizado de máquina) e Deep Learning (aprendizado profundo), têm recebido destaque na área de seleção de ativos e otimização de portfólios de investimento para aumentar a eficiência do desempenho do portfólio (CHEN, 2021; MA; HAN; WANG, 2021), o que tem contribuído com a literatura a partir de Markowitz (1952).
Inicialmente, foi realizado o levantamento do número de publicações ao longo dos anos, o que indica um crescimento considerado expressivo da área, especialmente a partir de 2009. Também foi feito o levantamento dos periódicos mais relevantes na área, considerando os índices H, G e M, além do número de citações e publicações. Por fim, foi feita uma análise de palavras-chaves e tendências da área, a partir da qual, especificamente, notou-se uma crescente aplicação de métodos utilizando de deep learning e deep refoircening learning.
O estudo traz as seguintes conclusões: i) o campo de estudo está em pleno crescimento nos últimos anos; ii) o número de pesquisas utilizando métodos advindos da inteligência artificial como machine learning e deep learning tem aumentado consideravelmente, tanto para seleção de ativos quanto para otimização de portfólios; iii ) O modelo média –variância de Markowitz (1952) ainda é muito utilizado, porém, há um grande número de pesquisas que combina o modelo tradicional com outros métodos advindos da inteligência artificial, seja para pré-seleção de ativos
MA, Y.; HAN, R.; WANG, W. Portfolio optimization with return prediction using deep learning and machine learning. Expert Systems with Applications, v. 165, 2021. MARKOWITZ, H. Portfolio selection. The Journal of Finance, v. 7, n. 1, p. 77–91, 1952. MATÍAS, J. M.; REBOREDO, J. C. Forecasting performance of nonlinear models for intraday stock returns. Journal of Forecasting, v. 31, n. 2, p. 172–188, 2012. CHEN, W. et al. Mean–variance portfolio optimization using machine learning-based stock price prediction. Applied Soft Computing, v. 100, p. 106943, mar. 2021.