Dados Gerais
- Aluno: José Corsini Filho
- Professor Orientador: Renato Vicente
- Tema: Clusterização e Análise de Desempenho de Fundos
Arquivos para download:
Resumo
Clusterização e Análise de Desempenho de Fundos
Um fundo de investimento é uma ferramenta financeira de aplicação que reúne recursos de um conjunto de investidores, visando a obtenção de ganhos
financeiros a partir de uma carteira de investimentos. Os ativos que compõem esta carteira são selecionados após a definição de uma estratégia de
atuação do fundo, baseada em análises quantitativas e qualitativas. A diversidade de ativos utilizados como aplicação nesta carteira é muito grande:
ações, títulos públicos, fundos, dentre outros. A estratégia e o segmento em que um fundo atua podem ser representados pelas classificações
(categorias) divulgadas por diversas fontes que atuam no mercado financeiro, como a CVM e
a ANBIMA.
Dispomos de alguns indicadores financeiros que nos permitem realizar análises individuais (rentabilidade, volatilidade etc), performance em
relação a um benchmark (Instrumento utilizado como meta a ser atingida), comparação entre dois ou mais fundos, e assim por
diante. Unindo a criatividade e o conhecimento por parte do investidor, podemos ter uma análise mais concreta sobre o comportamento
dos fundos.
Para os investidores ou até mesmo para o gestor de um fundo, é interessante ter a possibilidade de compará-lo aos demais fundos que possuem estratégias
semelhantes ou que se enquadrem em uma mesma categoria. Além das fontes citadas anteriormente, pode ser ainda mais interessante que estas
categorias sejam definidas com base em análises parametrizadas de acordo com o objetivo de classificação.
O objetivo deste trabalho é realizar a implementação de uma ferramenta que colete dados históricos dos fundos de investimento do mercado e
realize o processo de classificação (clusterização), disponibilizando algumas estratégias estatísticas já conhecidas, como
o método k-means, por exemplo, o qual foi implementado. Outro objetivo é disponibilizar recursos para a remoção de outliers de um grupo
de fundos, através de um algoritmo que utiliza a Distância de Mahalanobis.
Uma das grandes preocupações na realização deste trabalho foi tornar esta ferramenta extremamente flexível e passível à inclusões de algoritmos
e novas funcionalidades. Vale ressaltar que um dos grandes desafios encontrados foi a manipulação do grande volume de dados de mercado e como utilizá-los
de forma eficiente, evitando o reprocessamento de algumas informações.