Publicação: Resistências, limites e potencial dos criptoativos em portfólios de investimentos: a regionalidade importa?
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Fiorucci, José Augusto
Resumo
Contextualização: A tecnologia Blockchain e as criptomoedas descortinaram um universo de possibilidades
nos mais distintos campos de atuação, incluindo o das Finanças, com aplicação em
serviços de pagamentos, empréstimos, captação e transferência de recursos, além de ampliarem as
opções de investimento de investidores individuais e institucionais ao serem reconhecidas como
uma nova classe de ativos. No contexto de investimentos, a gestão de portfólios de criptomoedas
tem como desafio sua elevada volatilidade intrínseca, exigindo abordagens inovadoras de gestão
de risco. O emprego de modelos autoregressivos, com foco na previsão de volatilidade futura, e
de modelos de aprendizado de máquina com redes neurais profundas mostra potencial para revolucionar
a abordagem de investimentos em criptoativos, permitindo uma adaptação mais dinâmica
e estratégica às rápidas mudanças do mercado para estratégias de investimento mais informadas e
robustas.
Objetivo: Investigar o potencial e a efetividade de estratégias avançadas de gestão de portfólios
compostos por criptomoedas e suas implicações em nível regional.
Método: O primeiro estudo faz uma revisão sistemática de literatura com foco em gestão de risco,
utilização em portfólios e eficiência de mercado. A seguir, o segundo estudo estima a volatilidade
futura de um portfólio de criptomoedas usando DCC-GARCH e testa a estratégia automatizada de
negociação Reaction Trend System – RTS de Fiorucci, Silva, e Barboza (2022a) para um conjunto
de criptomoedas previamente selecionadas que atendam aos critérios requeridos pelos modelos de
estimação. Para avaliar a eficácia da estratégia, esta foi comparada com a estratégia passiva buy and
hold para o mesmo conjunto de criptomoedas. Finalmente, o terceiro estudo utiliza uma abordagem
de aprendizado por reforço profundo para a seleção e otimização dinâmica de portfólios. Foram
testados os algoritmos Proximal Policy Optimization, Deep Deterministic Policy Gradient e Soft
Actor-Critic SAC em criptomoedas com dados disponíveis.
Resultados: No artigo 1, a revisão sistemática de literatura identificou lacunas significativas na literatura
sobre a gestão de risco e eficiência de mercado das criptomoedas, destacando a necessidade
de abordagens inovadoras para a seleção e otimização de portfólios. A partir do teste de estratégias
automatizadas em criptomoedas, o artigo 2 demonstrou que a estratégia baseada no Reaction
Trend System (RTS) aliada à previsão de volatilidade futura DCC-GARCH foi eficaz para criptomoedas,
superando estratégias passivas e abordagens tradicionais em termos de retorno ajustado ao
risco. No entanto, a estratégia requer ajustes cuidadosos para cada ativo devido à sua sensibilidade
às configurações. Finalmente, no artigo 3, os modelos de DRL, especialmente Soft Actor-Critic
(SAC) e Deep Deterministic Policy Gradient (DDPG), apresentaram potencial para otimizar gestão
de portfólios de criptomoedas e melhorar os retornos em comparação com estratégias clássicas,
especialmente em portfólios compostos por ativos menores ou menos líquidos. Esses resultados
fortalecem a tese de que as criptomoedas, quando geridas com técnicas avançadas de modelagem e
aprendizado de máquina, podem compor portfólios de investimento eficientes, contribuindo para a
inovação na gestão de ativos financeiros.
Aderência da pesquisa com a área de concentração do PPGAdm (Regionalidade e Gestão)
e com a linha de pesquisa: A pesquisa aborda o tema das criptomoedas, que são ativos digitais
globais. No entanto, a adoção, regulamentação e impacto das criptomoedas podem variar significativamente
de uma região para outra. Ao estudar as criptomoedas, a pesquisa pode contribuir para
uma melhor compreensão de como esses ativos digitais estão sendo adotados e gerenciados em diferentes
regiões. Além disso, a pesquisa envolve o uso de técnicas avançadas de Machine Learning
para otimizar carteiras de investimento em criptomoedas. Isso se alinha diretamente com o tema da
gestão, pois envolve a tomada de decisões estratégicas sobre como alocar recursos em um portfólio
de investimentos. A pesquisa pode ter implicações para as organizações em termos de como elas
gerenciam seus investimentos em criptomoedas, levando em consideração fatores regionais específicos,
como regulamentações locais e condições de mercado. Portanto, embora a pesquisa seja
altamente técnica e focada em um tipo específico de ativo digital, ela se encaixa bem na área de
concentração do PPGAdm e na linha de pesquisa “Gestão Organizacional e Regionalidade”.
Impacto e caráter inovador na produção intelectual: A pesquisa contribui para a literatura existente
sobre otimização de carteiras de investimento e Machine Learning, introduzindo o uso de
Deep Reinforcement Learning (DRL) na gestão de carteiras de criptomoedas. Isso representa uma
abordagem inovadora que pode abrir novas possibilidades para a pesquisa futura. Além disso, a
pesquisa também destaca a importância de considerar os custos de transação, o que pode ter implicações
significativas para a eficácia dos modelos de DRL.
Impacto econômico, social e regional: A pesquisa tem o potencial de influenciar a forma como
as organizações e os indivíduos gerenciam seus investimentos em criptomoedas. Isso pode ter implicações
econômicas significativas, dado o crescimento rápido e a volatilidade do mercado de
criptomoedas. Além disso, ao considerar as diferenças regionais na adoção e regulamentação das
criptomoedas, a pesquisa também pode contribuir para uma melhor compreensão dos impactos
sociais e regionais desses ativos digitais. Por exemplo, em regiões onde as criptomoedas são amplamente
adotadas, os insights da pesquisa podem ser particularmente relevantes.
Implicações regionais: A expectativa é que os resultados promovam melhoria de eficiência tanto
na estimativa da volatilidade como na gestão de carteiras formadas por criptomoedas.
Objetivos de Desenvolvimento Sustentável atendidos na pesquisa: Considerando a Agenda
2030 da ONU, os Objetivos de Desenvolvimento Sustentável (ODS) e as metas atendidas pela
pesquisa, a presente tese alinha-se com vários ODS, incluindo principalmente o 8, 9 e 10. ODS 8
(Trabalho decente e crescimento econômico) – Ao investigar a utilização de tecnologias avançadas
para a gestão de risco e otimização de portfólios de investimento em criptomoedas, a pesquisa pode
promover crescimento econômico sustentável e oferecer formas mais eficientes de investimento no
mercado financeiro. ODS 9 (Indústria, inovação e infraestrutura) – por meio do desenvolvimento
de tecnologias avançadas e ferramentas automatizadas para a gestão de portfólios de criptomoedas,
a pesquisa fomenta a inovação no setor financeiro, incentivando práticas de investimento mais eficientes
e sustentáveis. ODS 10 (Redução das desigualdades) – ao democratizar o acesso esclarecido
a metodologias inovadoras de gestão de portfólios de investimentos em criptoativos, contribui para
a redução das desigualdades de acesso ao mercado financeiro.
Abstract
Contextualization: Blockchain technology and cryptocurrencies have unveiled a universe of possibilities across various fields, including Finance, with applications in payment services, loans, fundraising, and transferring resources. They also expand investment options for individual and institutional investors by being recognized as a new asset class. In the investment context, managing cryptocurrency portfolios faces the challenge of their high intrinsic volatility, requiring innovative risk management approaches. The use of autoregressive models focusing on predicting future volatility, and machine learning models with deep neural networks, shows potential to revolutionize investment approaches in crypto assets, allowing for more dynamic and strategic adaptation to rapid market changes for more informed and robust investment strategies.
Objective: To investigate the potential and effectiveness of advanced portfolio management strategies composed of cryptocurrencies and their implications at a regional level.
Method: The first study conducts a systematic literature review focusing on risk management, portfolio use, and market efficiency. Then, the second study estimates the future volatility of a cryptocurrency portfolio using DCC-GARCH and tests the automated trading strategy Reaction Trend System (RTS) by Fiorucci, Silva, and Barboza (2022a) for a set of cryptocurrencies previously selected according to the estimation models’ criteria. To evaluate the strategy’s effectiveness, it was compared with the passive buy and hold strategy for the same set of cryptocurrencies. Finally, the third study utilizes a deep reinforcement learning approach for dynamic portfolio selection and optimization. The algorithms Proximal Policy Optimization, Deep Deterministic Policy Gradient, and Soft Actor-Critic SAC were tested on cryptocurrencies with available data.
Results: In article 1, the systematic literature review identified significant gaps in the literature on risk management and market efficiency for cryptocurrencies, highlighting the need for innovative approaches for portfolio selection and optimization. From testing automated strategies in cryptocurrencies, article 2 demonstrated that the strategy based on the Reaction Trend System (RTS) combined with DCC-GARCH future volatility forecasting was effective for cryptocurrencies, outperforming passive strategies and traditional approaches in terms of risk-adjusted return. However, the strategy requires careful adjustments for each asset due to its sensitivity to configurations. Finally, in article 3, DRL models, especially Soft Actor-Critic (SAC) and Deep Deterministic Policy Gradient (DDPG), showed potential for optimizing cryptocurrency portfolio management and improving returns compared to classic strategies, particularly in portfolios composed of smaller or less liquid assets. These results strengthen the thesis that cryptocurrencies, when managed with advanced modeling and machine learning techniques, can form efficient investment portfolios, contributing to innovation in financial asset management.
Research Alignment with PPGAdm Concentration Area (Regionality and Management) and Research Line: The research addresses the topic of cryptocurrencies, which are global digital assets. However, the adoption, regulation, and impact of cryptocurrencies can significantly vary from one region to another. By studying cryptocurrencies, the research can contribute to a better understanding of how these digital assets are being adopted and managed in different regions. Additionally, the research involves the use of advanced Machine Learning techniques to optimize cryptocurrency investment portfolios. This directly aligns with the management theme, as it involves strategic decision-making on how to allocate resources in an investment portfolio. The research may have implications for organizations in terms of how they manage their cryptocurrency investments, considering specific regional factors such as local regulations and market conditions. Therefore, although the research is highly technical and focused on a specific type of digital asset, it fits well within the PPGAdm area of concentration and the research line "Organizational and Regional Management."
Impact and Innovative Nature in Intellectual Production: The research contributes to the existing literature on investment portfolio optimization and Machine Learning by introducing the use of Deep Reinforcement Learning (DRL) in the management of cryptocurrency portfolios. This represents an innovative approach that could open up new possibilities for future research. Additionally, the research also highlights the importance of considering transaction costs, which can have significant implications for the effectiveness of DRL models.
Economic, Social, and Regional Impact: The research has the potential to influence how organizations and individuals manage their cryptocurrency investments. This can have significant economic implications given the rapid growth and volatility of the cryptocurrency market. Furthermore, by considering regional differences in the adoption and regulation of cryptocurrencies, the research can also contribute to a better understanding of the social and regional impacts of these digital assets. For example, in regions where cryptocurrencies are widely adopted, the research insights may be particularly relevant.
Regional Implications: The expectation is that the results will promote improved efficiency in both the volatility estimation and the management of cryptocurrency portfolios.
Sustainable Development Goals Addressed in the Research: Considering the UN's 2030 Agenda, the Sustainable Development Goals (SDGs) and targets addressed by the research, this thesis aligns with several SDGs, mainly 8, 9, and 10. SDG 8 (Decent Work and Economic Growth) – By investigating the use of advanced technologies for risk management and optimization of cryptocurrency investment portfolios, the research can promote sustainable economic growth and offer more efficient investment methods in the financial market. SDG 9 (Industry, Innovation, and Infrastructure) – through the development of advanced technologies and automated tools for cryptocurrency portfolio management, the research fosters innovation in the financial sector, encouraging more efficient and sustainable investment practices. SDG 10 (Reduced Inequalities) – by democratizing informed access to innovative portfolio management methodologies in crypto assets, it contributes to reducing inequalities in access to the financial market.
Palavras-chave
Criptomoedas., Portfólios., Gestão de Risco., Volatilidade., DCC-GARCH., Deep Learning.
Citação
SOUZA, Kamyr Gomes de. Resistências, limites e potencial dos criptoativos em portfólios de investimentos : a regionalidade importa? 2023. 147 f. Tese (Doutorado em Administração) - Universidade Federal de Uberlândia, Uberlândia, 2023. DOI http://doi.org/10.14393/ufu.te.2024.5080
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto