Aplicação de metodologia de hypergrafos em dados da bolsa de valores

Abstract

O objetivo desta dissertação é aplicar a metodologia desenvolvida por Santos et al. no artigo "Emergence of high-order functional hubs in the human brain" para estudar as inter-relações entre as empresas participantes do S&P500 (abreviação de Standard & Poor’s 500), índice

composto por quinhentos ativos cotados nas bolsas de NYSE ou NASDAQ e qualificados de- vido ao seu tamanho de mercado, sua liquidez e sua representação de grupo industrial. Para

tanto, foi desenvolvido um pipeline de processamento de dados para construir redes de alta ordem (high-order networks) a partir de séries temporais e aplicá-los no fechamento diário

da bolsa S&P500 para caracterizar a comunicação de alta ordem (high-order communica- tion) entre as 55 empresas selecionadas, bem como a construção de hypergrafos uniformes

e a utilização de métricas multivariadas de modo a definir pesos nestes hypergrafos. Foram

revisados os conceitos básicos de grafos e hypergrafos, Teoria de Redes e medidas de infor- mação multivariada, com especial ênfase dada à sua relação com a sinergia e a redundância,

bem como examinar as diferenças entre algumas dessas medidas. Assim, foram confirmadas a aplicabilidade dessa metodologia e a possibilidade de continuar a investigação de surgimentos de high-order hubs na bolsa de valores. Por fim, disponibilizamos o script Python que permite ao usuário recalcular todas as medidas de informação e resultados apresentados neste trabalho.