Utilizando Algoritmos Genéticos em Conjunção com Modelos de Avaliação de Ações Baseados em ANN para Melhorar a Otimização das Decisões de Investimento em Ações

Navegar pela imprevisibilidade do mercado de ações e reduzir a vulnerabilidade à sua volatilidade requer decisões bem informadas sobre seleção de ações, alocação de capital e timing de transações. Embora a seleção de ações possa ser realizada por meio de análise fundamental, os extensos dados envolvidos muitas vezes apresentam desafios em discernir informações pertinentes. O timing, tipicamente gerenciado através de análise técnica, pode sofrer atrasos, levando a oportunidades perdidas para transações de ações. A alocação de capital, um dilema de otimização de recursos essencial, necessita de planejamento meticuloso para resolução. Consequentemente, esta tese aproveita os atributos de otimização dos algoritmos genéticos, em conjunção com a análise fundamental e o conceito de otimização de combinação com repetição, para identificar estratégias apropriadas de seleção de ações e alocação de capital. Em relação ao timing, emprega aprendizado profundo juntamente com o modelo de Ohlson para avaliação de ações, a fim de determinar o valor intrínseco das ações. Isso estabelece a base para transações que geram retornos favoráveis. Em termos de experimentação, este estudo compara a abordagem analítica integrada desta tese com a estratégia de alocação de capital igual, TAIEX e o índice Taiwan 50. Os resultados confirmam que, independentemente das tendências de alta ou baixa do mercado de ações de Taiwan, o método proposto neste estudo de fato facilita aos investidores a tomada de decisões de investimento astutas e a obtenção de lucros substanciais.