@MASTERSTHESIS{ 2020:1868135978,
 	title = {Seleção de portfólio de ações por meio de otimização metaheurística híbrida com redes neurais LSTM},
 	year = {2020},
 	url = "http://tede2.pucgoias.edu.br:8080/handle/tede/4512",
 	abstract = "O problema de otimização de portfólio consiste na formação de um conjunto de ativos e suas respectivas proporções de forma que o risco seja minimizado e o retorno maximizado. O trabalho tem como objetivo melhorar o modelo de otimização de portfólio, calibrando a cardinalidade e reduzindo o erro de estimativa da carteira, por meio do algoritmo de Colônia de Abelhas Artificiais (ABC) híbrido com Redes Neurais Long Short Term Memory (LSTM). Com relação a metodologia, realizou-se duas revisões sistemáticas de literatura para verificar o estado da arte sobre o tema da pesquisa. Também se fez duas aplicações: na primeira as carteiras são construídas via otimização por meio do modelo de Markowitz e na segunda usase o Modelo de Markowitz com restrição de cardinalidade. Os resultados mostram que, para os dados analisados, o aumento do número de ativos, em carteiras otimizadas, não reduz o risco desta. Além disso, chama-se a atenção para a importância do uso de simulações e da experimentação como principal abordagem a ser usada para definir a quantidade ideal de ativos em uma carteira. O algoritmo ABC híbrido com Redes Neurais Recorrentes LSTM mostraram-se como técnica potencial para redução do erro de estimativa e para otimização. As limitações foram: os filtros usados nas revisões de literatura podem ter excluído trabalhos importantes; além disso, a escolha de ativos com base em sua liquidez e período de participação na bolsa, embora justificada, pode ter evitado a análise de ativos com boas possibilidades de ganhos em termos de retorno",
 	publisher = {Pontifícia Universidade Católica de Goiás},
 	scholl = {Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas},
 	note = {Escola de Engenharia::Curso de Engenharia de Produção}
}