Forecasting U.S. REIT Index Prices with Artificial Neural Networks

As Redes Neuronais Artificiais são modelos matemáticos inovadores usados, de forma cada vez mais frequente ao longo dos últimos anos, como ferramenta de previsão no setor económico e financeiro. Estes algoritmos caracterizam-se por ter a capacidade de lidar com grandes quantidades de dados e de resolver problemas complexos, sem a suposição de linearidade muitas vezes feita por modelos tradicionais. A presente tese investiga o uso deste método de Machine Learning na previsão de preços de fundos de investimento imobiliário (REIT). Neste estudo, usamos uma amostra de dados, correspondente a um período de 20 anos, relacionada com quatro índices REIT dos EUA e outras variáveis financeiras e macroeconómicas. Três Redes Neuronais, com arquiteturas diferentes, foram desenvolvidas e foi feita a comparação entre os resultados deste método e os resultados de modelos econométricos tradicionais. Os resultados mostram que as Redes Neuronais foram capazes de superar os métodos de previsão tradicionais, registando valores substancialmente mais baixos de Erro Quadrático Médio (RMSE) e Erro Médio Absoluto (MAE) nas suas previsões. Adicionalmente, estes modelos também alcançaram níveis mais elevados de precisão direcional, para a maioria dos índices em estudo.