Private equity-backed public-to-private transaction activity

: a machine learning approach to quarterly deal volume prediction in the US

Resumo

Esta tese aborda uma lacuna crítica na pesquisa de private equity ao desenvolver modelos quantitativos para prever volumes trimestrais de transações public-to-private (P2P) apoiadas por PE nos Estados Unidos. Embora exista extensa literatura sobre previsão de aquisições ao nível da empresa, abordagens sistemáticas para prever a atividade agregada de transações de PE permanecem largamente inexploradas. Este estudo emprega técnicas de machine learning para prever contagens trimestrais de transações P2P usando um conjunto de dados abrangente de 1986-2024, incorporando 152 variáveis macroeconômicas e financeiras. A metodologia implementa três paradigmas de modelagem distintos4regressão Lasso, Random Forest e XGBoost4dentro de uma estrutura rigorosa de validação cruzada em séries temporais. As variáveis foram sistematicamente processadas através de análise de componentes principais para abordar a multicolinearidade preservando a interpretabilidade econômica. A engenharia de características incorporou dinâmicas temporais através de transformadas de Fourier, indicadores de momentum e estatísticas móveis multi-escala. Os resultados demonstram melhorias preditivas modestas mas consistentes sobre baselines ingênuas, com reduções de erro absoluto médio de 3-9.8% e valores de R² variando de 0,145- 0,254. A regressão Lasso emergiu como a abordagem mais equilibrada, mantendo interpretabilidade enquanto alcançava precisão competitiva. A análise revela forte dependência de trajetória na atividade de PE, com contagens defasadas de transações e indicadores de momentum consistentemente classificados como preditores principais. Padrões temporais multi-escala, incluindo ciclos sazonais e decenais, contribuem significativamente para a precisão das previsões.

Data de atribuição	23 jun. 2025
Idioma original	English
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Dan Tran (Supervisor)