Next basket recommendation applied to mutual fund portfolio prediction (2025)
- Authors:
- Autor USP: THOMAZ, GUILHERME YAMBANIS - IME
- Unidade: IME
- Sigla do Departamento: MAC
- DOI: 10.11606/D.45.2025.tde-02082025-071202
- Subjects: APRENDIZAGEM PROFUNDA; FUNDO DE INVESTIMENTO; FUNDO MÚTUO; REDES NEURAIS; SISTEMAS DE RECOMENDAÇÃO
- Keywords: Collaborative filtering; Investment analysis; Mutual funds; Next basket recommendation; Portfolio prediction; Recommender systems
- Language: Inglês
- Abstract: A previsão da evolução de portfólios de fundos de investimento é um problema de notória importância econômica. Esta tese defende que a chave para enfrentar este desafio não está na aplicação de algoritmos cada vez mais complexos, mas sim no reconhecimento de que a gestão de portfólios é um processo dual, envolvendo tanto a manutenção das posições existentes quanto a aquisição de novos ativos. Abordamos este problema sob a ótica de sistemas de recomendação, tratando fundos como usuários e ações como itens, porém com uma modificação fundamental: modelamos a previsão de ativos recorrentes e de novos ativos como dois desafios distintos. Esta separação metodológica é o ponto de partida para nossas principais descobertas. Ela imediatamente revela um profundo hiato de performance entre as duas tarefas e expõe uma surpreendente relação inversa entre a complexidade do modelo e seu desempenho na predição de novos ativos. Constatamos que um modelo simples de filtragem colaborativa linear supera, de forma consistente e significativa, arquiteturas complexas como redes neurais sequenciais, que foram originalmente projetadas para essa tarefa. Nossa análise identifica ainda os fatores determinantes para a precisão dos modelos: a aquisição de novos ativos é altamente sensível à recência dos dados, enquanto a manutenção de posições se mostra mais estável ao longo do tempo. Um ponto crucial é que a modelagem eficaz da prospecção de novos ativos exige o contexto completo do portfólio jáexistente. Para viabilizar esta análise, criamos e disponibilizamos um dataset público de referência (benchmark), baseado em dados da SEC (órgão regulador americano, equivalente à CVM), e estabelecemos uma estrutura de avaliação com métricas ponderadas pela alocação de capital. Em resumo, nossos resultados sugerem a adoção de uma estratégia prática de modelagem dupla em aplicações financeiras. Mais do que um exercício técnico, esta abordagem oferece uma poderosa ferramenta de inteligência estratégica, permitindo aos analistas antecipar as movimentações de portfólio de concorrentes e identificar tendências de investimento emergentes antes que se tornem de conhecimento público
- Imprenta:
- Data da defesa: 04.06.2025
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
THOMAZ, Guilherme Yambanis. Next basket recommendation applied to mutual fund portfolio prediction. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-02082025-071202/. Acesso em: 02 jan. 2026. -
APA
Thomaz, G. Y. (2025). Next basket recommendation applied to mutual fund portfolio prediction (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-02082025-071202/ -
NLM
Thomaz GY. Next basket recommendation applied to mutual fund portfolio prediction [Internet]. 2025 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-02082025-071202/ -
Vancouver
Thomaz GY. Next basket recommendation applied to mutual fund portfolio prediction [Internet]. 2025 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-02082025-071202/
Informações sobre o DOI: 10.11606/D.45.2025.tde-02082025-071202 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
