Aprendizado de máquina para classificação de liquidez e suas aplicações à seleção de carteiras

Autor: Eder Oliveira Abensur

Instituição: UFABC

Referência: Brazilian Review of Finance, vol 22, n.2, 2024

Link para a publicação original 

Palavras-chave: aprendizagem supervisionada; liquidez; mercado de ações; naive bayes; otimização de portfólio

Resumo: Liquidez se refere à facilidade de conversão de um ativo em dinheiro, desempenhando um papel crucial nas decisões de investimento para alcançar retornos ótimos. Este estudo propõe um novo método de classificação de liquidez de ações utilizando algoritmos de aprendizado de máquina, treinados e testados em dez anos de dados do mercado de ações brasileiro (B3). Alcançando uma precisão de 99,2%, o classificador, quando integrado com o modelo de otimização de carteira de média-variância, reduz a incerteza da carteira, evitando uma média de 11,5% de vendas de ativos ilíquidos.