Otimização de Carteiras de ações com Data Fusion: Uma abordagem TruthFinder para a seleção de ações a partir de carteiras recomendadas

O presente estudo apresenta uma nova abordagem que combina conceitos de otimização de carteira de ações com a de truth discovery, visando a seleção de carteiras de investimento mais confiáveis e eficazes. O mercado de ações é notoriamente volátil, e os investidores muitas vezes recorrem a recomendações de diferentes corretoras para orientar suas decisões. No entanto, a questão crucial é determinar a confiabilidade dessas recomendações e selecionar a melhor estratégia de investimento. Nesse contexto, o estudo propõe a aplicação do algoritmo bayesiano TruthFinder para avaliar a confiabilidade das corretoras e a probabilidade de desempenho das ações recomendadas, oferecendo assim uma metodologia inovadora para a construção de carteiras de ações.

É demonstrado o uso prático do algoritmo TruthFinder em um cenário real, no qual são coletadas recomendações de quatro corretoras brasileiras. O algoritmo TruthFinder calcula a confiabilidade das fontes e das recomendações, permitindo a seleção de ações com base nas fontes mais confiáveis. Essa metodologia apresenta um potencial significativo para investidores individuais, pois simplifica a complexa tarefa de selecionar carteiras de ações confiáveis, oferecendo uma solução que pode ser aplicada no mercado financeiro com base em análises objetivas. Como trabalho futuro, a pesquisa sugere a comparação da estratégia TruthFinder com outras abordagens em termos de lucratividade, abrindo espaço para investigações mais aprofundadas na área de finanças e estatística.