Resumen

MUNOZ, Jesús Molina  y  CASTANEDA, Ricard. O uso de machine learning na volatilidade: uma revisão usando K-means. rev.univ.empresa [online]. 2023, vol.25, n.44, e7.  Epub 07-Mar-2024. ISSN 0124-4639.  https://doi.org/10.12804/revistas.urosario.edu.co/empresa/a.11969.

Recentemente, o uso de técnicas de machine learning (ML) em diferentes disciplinas científicas experimentou um aumento sem precedentes. A área das finanças não tem sido exceção. Nos últimos anos, vários artigos foram publicados usando técnicas de ML. Entretanto, um dos temas com menor número de artigos desenvolvidos nesse contexto é a volatilidade. Apesar do exposto, os dados analisados neste artigo sugerem mudanças nesse sentido. Dados obtidos da base de dados Web of Science mostram que entre 2001 e 2010 33 artigos associados a este tópico foram publicados. Surpreendentemente, entre 2019 e 2023, foram publicados 189 manuscritos relacionados a esse tipo de modelo. O objetivo deste artigo é revisar os trabalhos relacionados a aplicações de ML no tópico de volatilidade. Para isso, propõe-se uma classificação das principais propostas sobre este assunto seguindo uma metodologia narrativa, acompanhada de uma análise estatística e bibliométrica em que são utilizadas técnicas inovadoras como o K-means. Os resultados são sugestivos. Embora a maioria dos artigos se concentre na previsão de volatilidade por meio de redes neurais e support vector machines, há uma ausência de artigos relacionados à transmissão de volatilidade, calibração de superfície de volatilidade e finanças corporativas. Além disso, os resultados obtidos indicam que existem lacunas na produção de artigos relacionados a esses temas em periódicos especializados em finanças e economia.

Palabras clave : análise bibliométrica; k-means; literatura financeira; machine learning; volatilidade.

        · resumen en Español | Inglés     · texto en Inglés     · Inglés ( pdf )