Bernardes, D. G., Costa, O.L.V. 
Resumo: Este artigo apresenta um sistema autônomo de gestão de carteiras. Sistemas autônomos de investimento consistem de regras para compra e venda de ativos no mercado financeiro que podem ser executadas por máquinas, com o objetivo de maximizar o retorno do investidor. O sistema utiliza Redes Neurais Artificiais para monitoramento do mercado e o modelo de Black-Litterman para otimização da alocação de patrimônio. O sistema analisa as dez ações mais negociadas do índice Bovespa, com redes neurais dedicadas a cada ação, e prevê estimativas de variações de preços para um dia no futuro a partir de indicadores da análise técnica. As estimativas das redes são então inseridas em um otimizador de carteiras, que utiliza o modelo de Black-Litterman, baseado em inferência Bayesiana, para compor carteiras diárias que empregam a estratégia Long and Short. Os resultados obtidos são comparados a um segundo sistema de trading autônomo, denominado Benchmark, sem o emprego da otimização de carteiras. Foram observados resultados com ótimo índice de Sharpe do modelo proposto em comparação ao Benchmark. Tais resultados sugerem que a utilização de modelos de inferência bayesiana combinados com redes neurais podem ser uma boa alternativa na gestão de carteiras.
Palavras-chave: Otimização de Carteiras, Modelo de Black Litterman, Inferência Bayesiana, Redes Neurais Artificiais, Perceptron Multi Camadas, Hedge.
Abstract: This paper presents an autonomous portfolio management system. Autonomous investment systems consists of a serie of buy and sell rules on financial markets, which can be executed by machines, oriented to maximizing investor gains. The system uses a Neural Network approach for monitoring the market and the Black-Litterman model for portfolio composition. The ten most traded assets from the Bovespa Index are analyzed, with dedicated neural networks, which suggests future return estimates using technical indicators as input. Those estimates are inserted in the Black-Litterman model which proposes daily portfolio composition using long and short positions. The results are compared to a second autonomous trading system without the Black-Litterman approach, referred to as Benchmark. The numerical results show a great performance compared to the Benchmark, specially the risk-return ratio, captured by the Sharpe Index. Such results suggest that the use of Bayesian inference models combined with neural networks may be a good alternative in portfolio management.
Keywords: Portfolio Optimization, Black-Litterman Model, Bayesian Inference, Artificial Neural Networks, MultiLayer Perceptron, Hedging strategies.
DOI code: 10.21528/lnlm-vol18-no1-art5
PDF file: vol18-no1-art5.pdf
BibTex file: vol18-no1-art5.bib