Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/86708
Tipo: TCC
Título: Covered call strategies to assist stock portfolio management
Autor(es): Vasconcelos, Luiky Magno Luz de
Orientador: Gomes, João Paulo Pordeus
Coorientador: Rego, Paulo Antonio Leal
Palavras-chave em português: Call coberta;Opções de ações;Mercado de ações;Retorno de ações;Machine learning;Dados financeiros;Brasil
Palavras-chave em inglês: Covered call;Stock options;Stock market;Stock return;Machine learning;Financial data;Brazil
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Data do documento: 2023
Citação: VASCONCELOS, Luiky Magno Luz de. Covered call strategies to assist stock portfolio management. 2026. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal do Ceará, Fortaleza, 2023.
Resumo: O principal objetivo de um investidor no mercado de ações é realizar lucro seja comprando ações quando acredita que vão se valorizar, seja vendendo quando pensa que o seus preços vão cair. Neste contexto, um instrumento eficaz para melhorar a rentabilidade, mas menos conhecido pelos investidores em geral, é opções sobre ações, que podem ser de dois tipos: call, o direito de comprar uma ação, e put, o direito de a vender. Tendo isso em vista, um investidor pode executar a estratégia de call coberta, em que detém uma ação que espera que tenha certa valorização enquanto vende calls para aumentar os seus rendimentos. A dificuldade está em decidir por quais configurações vender a call, sendo que o parâmetro mais importante é o preço de exercício. O preço de exercício correto permite ao investidor ter mais ganhos, correndo menos riscos de ser obrigado a cumprir os termos do contrato. Dito isso, o objetivo deste trabalho é utilizar dados históricos do mercado de ações brasileiro para investigar diferentes estratégias que um investidor pode aplicar para decidir quais seriam os preços de exercício favoráveis para as ações em sua carteira. Para tal fim, indicadores comuns do mercado financeiro, bem como modelos de Machine Learning, foram empregados para simular diferentes estratégias durante o ano de 2022. Ao comparar as estratégias implementadas entre si e contra a abordagem padrão de Buy and Hold, concluímos que as estratégias com melhor desempenho foram as mais simples que utilizavam indicadores financeiros básicos. Por conseguinte, estas estratégias tiveram um desempenho superior às baseadas em Machine Learning. Além disso, apesar de apresentarem resultados aceitáveis para o período analisado, estas estratégias destinam-se apenas para auxílio geral na gestão de portfólio de ações.
Abstract: The main objective of an investor in the stock market is to make profit by buying stocks when he believes their price will rise and selling them when he thinks their price will fall. In this context, an effective instrument to improve returns, but less known to investors in general, is stock options which can be of two types, call, the right to buy a stock, and put, the right to sell it. With this in mind, an investor can perform the covered call strategy where he holds a stock he expects to have a moderate appreciation while he sells call options in order to enhance his returns. The difficulty lies in deciding which configurations to sell the call option for, where the most important parameter is the strike price. The right strike price allows the investor to have more earnings running less risk of being forced to comply with the terms of the call contract. That being said, the purpose of this work is to use historical Brazilian stock market data to investigate different strategies an investor can apply to decide what would be the favorable strike prices for the stocks in his portfolio. To do so, common trading indicators as well as Machine Learning models were employed to simulate different approaches during the year of 2022. By comparing the implemented strategies among themselves and against the standard Buy and Hold approach, we concluded that the most performative strategies were the simplest ones which used basic trading indicators. Therefore, these strategies outperformed the ones based on Machine Learning. Also, although exhibiting acceptable results for the period analyzed, these strategies are intended only for general assistance in portfolio management.
URI: http://repositorio.ufc.br/handle/riufc/86708
Currículo Lattes do(s) Autor(es): http://lattes.cnpq.br/1080663997899083
Currículo Lattes do Orientador: http://lattes.cnpq.br/9553770402705512
Currículo Lattes do Coorientador: http://lattes.cnpq.br/6631267110894080
Tipo de Acesso: Acesso Aberto
Aparece nas coleções:ENGENHARIA DE COMPUTAÇÃO - Monografias

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2023_tcc_llmdevasconcelos.pdf6,21 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.