O ÍNDICE IBOVESPA E A LÓGICA FUZZY: UMA NOVA ESTRATÉGIA DE INVESTIMENTO
DOI:
https://doi.org/10.7213/rebrae.v1i1.16307Palabras clave:
Lógica fuzzy, Previsão, Índice BOVESPA.Resumen
Este trabalho apresenta uma nova aplicação da lógica fuzzy: a previsão da direção do movimento do índice IBOVESPA. Para testar essa abordagem, foram selecionadas as variações diárias do índice da Bolsa de Valores de São Paulo (IBOVESPA) durante o período de janeiro de 1997 a fevereiro de 2005, perfazendo um total de 2.000 observações. A primeira metade das observações foi usada como estimação e a segunda metade para previsão. Embora o modelo estimado gere uma saída lingüística, foi possível delinear uma estratégia de investimento estatisticamente significante, que supera a rentabilidade da estratégia buy-and-hold. Para aplicações futuras, esta proposta pode ser incrementada com o uso de outras informações econômicas e não-econômicas, inclusive com a intuição, para auxiliar as decisões de investimento e produzir previsões melhores.
Descargas
Citas
AGGARWAL, R.; DEMASKEY, A. Using derivatives in major currencies for cross-hedging currency risks in Asian emerging markets. Journal of Futures Markets, Hoboken, NJ, v. 17, p. 781-796, 1997.
BOJADZIEV, G.; BOJADZIEV, M. Fuzzy logic for business, finance and management. Singapore: World Scientific, 1997.
CHEN, A.; LEUNG, M. T.; DAOUK, H. Application of neural networks to an emerging financial market: forecasting and trading the Taiwan stock index. Computers & Operational Research. Elsevier, v. 30, p. 901-923, 2003.
FAMA, E. F.; FRENCH, K. R. Permanent and temporary components of stock prices. Journal of Political Economics, Chicago, IL, v. 96, n. 2, p. 246-273, 1988.
HUARNG, K.; YU, H. A type 2 fuzzy time series model for stock index forecasting. Physica A, Boston, v. 353, p. 445-462, 2005.
HUARNG, K.; YU, H. Th application of neural networks to forecasting fuzzy time series. Physica A, Boston, v. 363, p. 481-491, 2006.
KIN, S. H.; CHUN, S. H. Graded forecasting using an array of bipolar predictions: application of probabilistic neural networks to a stock market index. International Journal of Forecasting, Australia, v. 14. p. 323-337, 1998.
LEUNG, M. T.; DAOUK, H.; CHEN, A. Forecasting stock indices: a comparison of classification and level estimation models. International Journal of Forecasting, Australia, v. 16, p. 173-190, 2000.
LO, A. W.; MACKINLAY, C. Stock market prices do not follow random walks: evidence from a simples specification test. Review of Financial Studies, Oxford, v. 1, n. 1, p. 41-66, 1988.
O´CONNOR, M.; REMUS, W.; GRIGGS, K. Going up-going down: how good are people at forecasting trends and changes in trends? Journal of Forecasting, Hoboken, NJ, v. 16, p. 165-176, 1997.
POTERBA, J.; SUMMERS, L. Mean reversion in stock prices: evidence and implications. Journal of Financial Economics, Rochester, NY, v. 22, n. 1, p. 27-59, 1988.
PÉREZ-RODRÍGUES, J. V. P.; TORRA, S.; ANDRADA-FÉLIX, J. A. STAR ANN models: forecasting performance on the Spanish “IBEX-35” stock index. Journal of Empirical Finance. North-Holland, v. 12, p. 490-509, 2005.
TEIXEIRA, J. C.; RODRIGUES, A. J. An applied study on recursive estimation methods, neural networks and forecasting. European Journal of Operational Research, North-Holland, v. 101, p. 406-417, 1997.
TSAIH, R.; HSU, Y.; LAI, C. C. Forecasting S&P 500 stock index futures with a hybrid AI system. Decision Support Systems, North-Holland, v. 23, p. 161-174, 1998.
VON ALTROCK, C. Fuzzy logic and neurofuzzy applications in business and finance. Upper Saddle River, New Jersey: Prentice Hall, 1997.
WU, Y.; ZHANG, H. Forward premius as unbiased predictors of future currency depreciation: a non-parametric analysis. Journal of International Money and Finance. Elsevier, v. 16, n. 4, p. 609-623, 1997.
YU, H. A refined fuzzy time-series for forecasting. Physica A, Boston, v. 346, p. 657-681, 2005.
ZADEH, L. F. S. Information and Control, Elsevier, v. 8, p. 338-353, 1965.
ZEBDA, A. The problem of ambiguity and the use of fuzzy set theory in accounting: a perspective and opportunities for research. Applications of fuzzy sets and the theory of evidence to accounting II, London, v. 7, p. 20-33, 1998.
