Seleção de Portfólios Usando Redes Neurais Adversárias Generativas para a Modelagem do Processo Estocástico de Retornos

A diversificação de ativos financeiros é uma forma de reduzir a exposição ao risco mantendo uma taxa de retorno satisfatória. Os métodos de seleção de portfólios de ativos, tradicionalmente usados, exigem fortes simplificações para modelar a dinâmica de seus preços. Tais simplificações incluem desconsiderar relações não-lineares na composição dos preços dos ativos e até a suposição de que o processo estocástico que os compõem seja estacionário. Redes neurais têm a capacidade de modelar funções não lineares e são amplamente usadas para a estimação de preços de ações, mas por serem estimações determinísticas estes modelos acabam sendo de pouco uso no problema de seleção e portfólios.

Redes Generativas Adversárias são o estado da arte para a modelagem de distribuições de probabilidade complexas. Através de uma competição entre uma rede geradora e uma discriminadora é possível gerar amostras estatisticamente semelhantes a distribuição que se deseja modelar. Este artigo apresenta a aplicação de Redes Recorrentes Adversárias para modelar a distribuição conjunta de um portfólio de ações e gerar amostras para o problema de otimização de portfólio. O modelo proposto tem um retorno médio diário 34,55\% superior ao melhor dos benchmarks avaliados, em dados de um conjunto de teste.