| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.83 MB | Adobe PDF |
Orientador(es)
Resumo(s)
This dissertation studies the application of ordinary least squares regressions and supervised
machine learning classification models on emission indicator integration on listed share
investments. A large set of emission and financial variables are gathered from STOXX600
constituents stretching 2011 - 2020. Implementing a backward elimination feature selection
narrow down 60 emission indicators to Internal Carbon Pricing and NOx and SOx Emissions
Reduction Initiatives showing statistically significant relations with next quarter returns. The
selected emission indicators are complemented by a set of control variables and used in three
approaches to forming investment portfolios. A comparative analysis of the approaches
through - a rolling window OLS regression, kNN classification and Gradient Boosting
classification - show that a kNN approach to forming percentile portfolios outperform both
the regression and Gradient Boosting approach. Both the kNN and Gradient Boosting
approaches provide next quarter Up/Down return signal prediction higher than 50%. No
approach outperforms a 1/N strategy composed of the source index constituents and only the
best ranked percentile portfolio shows statistically significant 3 and 5 factor model alphas in
all portfolio creation approaches.
Esta dissertação estuda a aplicação de regressões de mínimos quadrados ordinários e modelos de classificação de aprendizado de máquina supervisionado na integração de indicadores de emissão em investimentos listados. Uma seleção de recursos de eliminação para trás restringe 60 indicadores de emissão para Preço interno de carbono e Iniciativas de redução de emissões de NOx e SOx, mostrando uma relação estatisticamente significativa com os retornos do próximo trimestre. Os indicadores de emissões significativas são complementados por um conjunto de variáveis de controle e implementados em três estratégias de investimento. Uma análise comparativa das estratégias de investimento formadas usando regressões OLS de período de tempo rolando, classificação kNN e classificação Gradient Boosting mostram que uma abordagem kNN para formar carteiras percentuais supera tanto a regressão quanto a abordagem Gradient Boosting. Ambas as abordagens kNN e Gradient Boosting fornecem previsão de sinal de retorno Up / Down para o próximo trimestre superior a 50%. Nenhuma abordagem supera uma estratégia 1 / N composta pelos constituintes do índice de origem e apenas o portfólio de percentil melhor classificado mostra alfas de modelo de 3 e 5 fatores estatisticamente significativos em todas as abordagens de criação de portfólio
Esta dissertação estuda a aplicação de regressões de mínimos quadrados ordinários e modelos de classificação de aprendizado de máquina supervisionado na integração de indicadores de emissão em investimentos listados. Uma seleção de recursos de eliminação para trás restringe 60 indicadores de emissão para Preço interno de carbono e Iniciativas de redução de emissões de NOx e SOx, mostrando uma relação estatisticamente significativa com os retornos do próximo trimestre. Os indicadores de emissões significativas são complementados por um conjunto de variáveis de controle e implementados em três estratégias de investimento. Uma análise comparativa das estratégias de investimento formadas usando regressões OLS de período de tempo rolando, classificação kNN e classificação Gradient Boosting mostram que uma abordagem kNN para formar carteiras percentuais supera tanto a regressão quanto a abordagem Gradient Boosting. Ambas as abordagens kNN e Gradient Boosting fornecem previsão de sinal de retorno Up / Down para o próximo trimestre superior a 50%. Nenhuma abordagem supera uma estratégia 1 / N composta pelos constituintes do índice de origem e apenas o portfólio de percentil melhor classificado mostra alfas de modelo de 3 e 5 fatores estatisticamente significativos em todas as abordagens de criação de portfólio
Descrição
Palavras-chave
ESG indicators Emissions Environmental STOXX600 Europe Machine learning K-Nearest neighbours Gradient boosting classification Internal Carbon Pricing Indicadores ESG Emissões Meio ambiente Europa Aprendizado de máquina K-vizinhos mais próximos Classificação de aumento de gradiente Preço interno de carbono