Agrupamento de Ativos do Mercado Indiano para Administração de Portfólios

Este paper publicado na revista acadêmica Expert Systems with Applications traz um trabalho interessante no qual pesquisadores indianos utilizaram as técnicas de clustering para construção e administração de portfólios de ativos da bolsa de valores da Índia e compararam os resultados com o índice Sensex.

A pesquisa utiliza como parâmetro de seleção de ativos idéias relativas ao artigo Portfolio Selection de Markowitz, no qual a carteira seria composta não somente pelos ativos que tivessem um melhor retorno financeiro, mas que também tivessem um baixo risco.

Partindo desse princípio, as empresas seriam agrupadas em clusters de acordo com alguns indicadores de análise técnica, e em um momento segunte de acordo com o valor do índice de validação dos clusters seriam formados os portfólios com os pesos de cada companhia.

O artigo trás idéias interessantes e o ponto negativo (e que provavelmente não foram apresentados pelos autores por desconhecimento ou abstração) é que fatores técnicos são inadequados para esse tipo de classificação devido ao seu alto volume de transações, bem como a pesquisa é inviável em termos de atualização de dados para alocação de ativos. O artigo se tivesse focado em indicadores fundamentalistas, macroeconômicos e setoriais  para enquadrar a construção e gestão de portfólios apresentaria melhores resultados.

Clustering Indian stock market data for portfolio management

Agrupamento de Ativos do Mercado Indiano para Administração de Portfólios

Previsão de Investimento em Porfólios utilizando Mineração de Dados

Este artigo de Adebimpe, Adedara e Longe pode ser descrito como um apanhado geral de idéias pertinentes a utilização de mineração de dados para administração e construção de portfólios, no qual os autores utilizam a técnica de árvore de decisão no qual fazem a classificação de atributos fundamentalistas para formulação de estratégias de investimento para portfólios financeiros de ativos em bolsa.

O artigo por si só é bem curto, entretanto trás uma bibliografia rica e apresenta uma idéia plausível para quem deseja realizar uma análise inicial sobre ativos em bolsa para formulação de estratégias de investimento de forma organizada e coordenada.

Forecasting Portfolio Investment Using Data Mining

Previsão de Investimento em Porfólios utilizando Mineração de Dados

Porque a Diversificação Não Funciona

Apesar desse post ser originalmente sobre as ciências das finanças, serve para mostrar a derrubada do mito da diversificação de portfólios; no qual a diversificação e a alocação dos ativos deve obedecer também a dinâmica do mercado em relação as alterações e os movimentos de alta e baixa.

Segue a conclusão dos autores do estudo:

… a “diversification breakdown” tends to occur when stable correlations are most needed for portfolio protection. Our findings, which are qualitatively consistent with earlier findings4244 but quantitatively different, could be used to anticipate changes in mean correlation of portfolios when financial markets are suffering significant losses. This would enable a more accurate assessment of the risk of losses.

 As any canoeist knows, dynamics really matter.

Para quem realiza mineração de dados direcionada a aspectos relativos a análise de portfólios, é um ótimo artigo para o entendimento de como funciona a dinâmica desses mercados.

Porque a Diversificação Não Funciona

Mineração de Dados nos Esportes

Para quem não assistiu o filme Moneyball vale a pena assistir como é um trabalho de um cientista de dados aplicado ao esporte. De forma muito satisfatória mostra a história do Oakland Athletics após a análise estatística sobre os atributos de jogadores que estariam subvalorizados pelo mercado de transações.

Nesta entrevista do professor Jim Albert  é apresentado um panorama muito interessante para quem deseja aplicar métodos estatísticos, bem como mineração de dados no domínio esportivo.

Mineração de Dados nos Esportes

Análise RFM

Um dos tópicos mais comuns para quem trabalha com Mineração de Dados em escala gerencial em especial em setores de CRM é RFM que é a sigla de Recency, Frequency, and Monetary Value (Fator de Recência, Frequência e Valor Monetário) e é um fator de metrificação que tem como finalidade identificar a distribuição de clientes, e o seu comportamento de acordo com a última situação de consumo mais a frequência que o mesmo realiza suas compras bem como o seu valor monetário, isto é o quanto ele efetivamente gasta.

Com esse tipo de métrica é possível realizar análises de segmentação de clientes, como desenvolvimento de campanhas de marketing, ou até mesmo auxiliar setores de cobrança na questão do modelo de liquidação de portfólio de cobrança.

Dois cenários rápidos de aplicação do RFM:

a)      Dentro de uma base de clientes você deseja realizar uma campanha de marketing para fidelização de clientes, no qual de acordo com o RFM você pode escolher os clientes que tenham menor fator F (Frequência) ordenados pelo seu valor monetário e posteriormente pela última atividade de compra (Recência); e

b)      Através de uma campanha de cobrança, você pode incluir o RFM para indicar o quão valioso é o cliente na questão de enviar ou não uma carta; ou mesmo dentro de um limite de acionamento você colocar os clientes mais valiosos em valor monetário (M) em prioridade de acordo com o quão recente é o seu débito (R) já que dívidas recentes tem uma propensão maior para serem pagas.

O artigo em si é bem sintético, porém  dá ótimas dicas de como utilizar o conceito de RFM.

Análise RFM