Predição de superfície de volatilidade de ativos brasileiros utilizando Deep Learning (2022)
- Authors:
- USP affiliated author: CARDELLA, GIULIA DUÓ - EP
- School: EP
- Sigla do Departamento: PMR
- Subjects: AÇÕES; APRENDIZAGEM
- Language: Português
- Abstract: O principal objetivo desta monografia é prever a Superfície de Volatilidade Implícita (IVS) de ativos brasileiros, sendo pioneiro na aplicação de Deep Learning na análise de ações listadas na B3 (Bolsa do Brasil). Assim, foram utilizados dados históricos de cotações de opções de PETR4 para obtenção das Volatilidades Implícitas através do método de Black and Scholes Inverso. As volatilidades foram, em seguida, ajustadas em um modelo paramétrico e estocástico denominado SVI, cujos parâmetros correspondem a fatores de risco. Por fim, os parâmetros foram utilizados no treinamento com múltiplas ConvLSTM, em um modelo final capaz de capturar a correlação espaço-temporal entre strikes e tenors. Os resultados foram analisados através de métricas de erro (MAE), além da comparação com um modelo benchmark simples. O método mostrou bons resultados para opções com vencimentos de curto prazo e para predições inferiores a 10 dias, já para outros tenors e predições, os resultados podem ser afetados por fatores inerentes a conjuntura brasileira. Portanto, conclui-se que, apesar das especificidades e limitações, é possível utilizar técnicas de Inteligência Artificial para predição da IVS de ativos listados na B3.
- Imprenta:
-
ABNT
CARDELLA, Giulia Duo. Predição de superfície de volatilidade de ativos brasileiros utilizando Deep Learning. 2022. Trabalho de Conclusão de Curso (Graduação) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2022. Disponível em: https://bdta.abcd.usp.br/directbitstream/23f27aa5-eade-4083-9f19-585f35adbd16/GIULIA%20DUO%20CARDELLA%20TCC-PMR.pdf. Acesso em: 27 abr. 2024. -
APA
Cardella, G. D. (2022). Predição de superfície de volatilidade de ativos brasileiros utilizando Deep Learning (Trabalho de Conclusão de Curso (Graduação). Escola Politécnica, Universidade de São Paulo, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/23f27aa5-eade-4083-9f19-585f35adbd16/GIULIA%20DUO%20CARDELLA%20TCC-PMR.pdf -
NLM
Cardella GD. Predição de superfície de volatilidade de ativos brasileiros utilizando Deep Learning [Internet]. 2022 ;[citado 2024 abr. 27 ] Available from: https://bdta.abcd.usp.br/directbitstream/23f27aa5-eade-4083-9f19-585f35adbd16/GIULIA%20DUO%20CARDELLA%20TCC-PMR.pdf -
Vancouver
Cardella GD. Predição de superfície de volatilidade de ativos brasileiros utilizando Deep Learning [Internet]. 2022 ;[citado 2024 abr. 27 ] Available from: https://bdta.abcd.usp.br/directbitstream/23f27aa5-eade-4083-9f19-585f35adbd16/GIULIA%20DUO%20CARDELLA%20TCC-PMR.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
GIULIA DUO CARDELLA TCC-P... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
