Resumo: Este trabalho investiga a aplicação de algoritmos de aprendizado de máquina, especificamente o Random Forest, para a classificação de fundos de investimento brasileiros usando dados dos seus investimentos. A metodologia envolve a coleta automatizada de dados da CVM e Anbima, seguida pelo processamento, limpeza e engenharia de features. O modelo Random Forest demonstra capacidade de classificar os fundos com acurácia razoável, embora a performance varie entre as diferentes classes. A análise de feature importance destaca a relevância dos tipos de ativos investidos para a predição. A experimentação com diferentes nı́veis de granularidade na classificação Anbima indica uma leve melhora na eficácia do modelo. Os resultados sugerem que o aprendizado de máquina pode ser uma ferramenta valiosa para auxiliar investidores e profissionais do mercado financeiro na análise e categorização de fundos de investimento, além de mostrar que a categorização utilizada amplamente pela indústria é reprodutı́vel sistematicamente.

Banca:
Heraldo Luis Silveira de Almeida, DSc. (Presidente)
Flávio Luis de Mello, DSc. (Examinador)
Diego Leonel Cadette Dutra, DSc. (Examinador)