ALOCAÇÃO DE FUNDOS DE INVESTIMENTO IMOBILIÁRIOS E ESTRATÉGIAS DE NEGOCIAÇÃO: CARTEIRAS ELABORADAS EM ALGORITMOS DE REINFORCEMENT LEARNING

Resumo

Este estudo investiga estratégias de negociação em Fundos de Investimento Imobiliários (FIIs) utilizando Reinforcement Learning (RL) para maximizar o retorno de uma carteira. Foram implementados cinco algoritmos de RL, configurados com o método ator-crítico, para gerar estratégias de negociação, que foram avaliadas e comparadas com métodos tradicionais, como Buy and Hold (B&H), mínima variância e o Índice IFIX. A amostra final, composta por 26 fundos, foi selecionada considerando critérios como histórico mínimo de 5 anos e volume de negociação. As estratégias de RL superaram a mínima variância e tiveram desempenho comparável ao B&H, mas não superaram o IFIX. Isso sugere que o mercado de FIIs pode ser eficiente, limitando a eficácia de técnicas avançadas como RL e dificultando a superação do índice. As contribuições do estudo incluem demonstrar o potencial do RL em superar estratégias tradicionais em determinados contextos, oferecendo possíveis compreensões para investidores, gestores de carteiras e literatura científica.