Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.unb.br/handle/10482/38641
Files in This Item:
File Description SizeFormat 
2019_EzerFernandesdaSilva.pdf1,35 MBAdobe PDFView/Open
Title: Alocação das reservas internacionais com base em previsão de fatores econômicos e financeiros utilizando redes neurais recorrentes e modelo Nelson-Siegel Dinâmico
Authors: Silva, Ezer Fernandes da
Orientador(es):: Silva, Gladston Luiz da
Assunto:: Banco Central do Brasil
Redes neurais
Macroeconomia
Taxa de juros
Modelo Nelson-Siegel Dinâmico
Issue Date: 1-Jul-2020
Citation: SILVA, Ezer Fernandes da. Alocação das reservas internacionais com base em previsão de fatores econômicos e financeiros utilizando redes neurais recorrentes e modelo Nelson-Siegel Dinâmico. 2019. xiii, 69 f. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2019.
Abstract: O problema da seleção de portfólio é central para a gestão de investimentos. O presente trabalho propõe um modelo que utiliza previsões sobre a curva de juros, com base em previsões do estado futuro da economia, para sugestão de mudanças na alocação de um portfólio de renda fixa. Para realizar tais previsões, em um primeiro passo, foram utilizados indicadores de antecipação para a previsão de variáveis econômicas relevantes; posteriormente, o modelo Nelson-Siegel Dinâmico foi utilizado para decompor a curva de juros em séries de fatores, que foram então previstos com base nas previsões sobre variáveis macroeconômicas, combinadas às previsões dos analistas por meio do modelo Black-Litterman. As previsões foram feitas por redes neurais recorrentes, cujo desempenho foi comparado aos de outros modelos. O modelo proposto foi aplicado às reservas internacionais do Brasil e seu desempenho foi avaliado em comparação a uma carteira de referência. As redes neurais recorrentes, do tipo LSTM e Minimal RNN, não tiveram desempenho superior a um modelo autorregressivo na previsão das variáveis macroeconômicas. Já na previsão dos fatores do modelo Nelson-Siegel Dinâmico, a rede neural do tipo LSTM teve desempenho superior ao modelo autorregressivo, porém o retorno das carteiras sugeridas pela estratégia foi similar ao retorno das carteira de referência.
Abstract: The portfolio selection problem is central for investment management processes. The present work proposes a model that uses forecasts about the yield curve, based on forecasts of the future state of the economy, to suggest changes in the allocation of a fixed-income portfolio. For such prediction, at first we used leading indicators to predict relevant economic variables; afterwards, we used the Dynamic Nelson-Siegel model to decompose the yield curve into factor series and then we predicted it using the forecasted economic variables as inputs, combined to the analysts‘ views using the Black-Litterman model. We used recurrent neural networks for forecasting, which had its performances compared to other models. The proposed model was finally applied to the brazilian international reserves and its performance was evaluated relative to a benchmark portfolio. The recurrent neural networks, with LSTM and Minimal RNN layers, did not have a superior performance at predicting macroeconomic variables when compared to an autoregressive model. However, the LSTM neural network had a performance superior to the performance of an autoregressive model at predicting the factors of the Dynamic Nelson-Siegel model. The returns of the suggested portfolios were similar to the returns of the benchmark portfolio.
Description: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019.
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Appears in Collections:MPCA - Mestrado Profissional em Computação Aplicada (Dissertações)

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/38641/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.