Redes complexas aplicadas a dados financeiros

Abstract

Este trabalho investiga a aplicação de redes complexas como ferramenta analítica para seleção de ativos e construcao de carteiras de investimento no mercado acionário brasileiro. Utilizando dados da B3 referentes aos meses de janeiro e fevereiro de 2024, foram aplicadas tecnicas de Analise de Componentes Principais (PCA) para reducao de dimensionalidade e construçao de redes de correlacao, com posterior deteccão de comunidades pelo algoritmo de Louvain. A partir das comunidades detectadas, selecionaram-se os ativos mais centrais para compor carteiras experimentais, avaliadas em termos de retorno, volatilidade e índice de Sharpe frente a benchmarks tradicionais como IBOV, IDIV e SMLL. Os resultados demonstraram que a estrutura modular das redes capturou agrupamentos relevantes de ativos, com potencial para diversificacao e mitigacao de risco. Ainda que a aleatoriedade inerente ao algoritmo Louvain gere pequenas variaçães nas particoes, constatou-se estabilidade suficiente para justificar o uso de uma ánica execução. A PCA contribuiu significativamente para revelar padrãoes latentes de co-movimento entre ativos, reforçando a robustez da rede construída. Em síntese, a modelagem por redes complexas mostrou-se uma alternativa promissora para compreender as interdependencias do mercado financeiro e orientar estrategias quantitativas de alocacao de recursos.