Detalhes bibliográficos
| Ano de defesa: |
2024 |
| Autor(a) principal: |
Silva, Maciel Vicente da |
| Orientador(a): |
Maiali, André Cury,
Marques, Alessandro Martim |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Link de acesso: |
https://hdl.handle.net/10438/35869
|
Resumo: |
Esta dissertação investiga a aplicabilidade e eficiência dos algoritmos de machine learning em estratégias de day trading com ações no mercado financeiro, com foco particular no algoritmo random forest. É feita uma comparação detalhada entre estratégias de trading tradicionais, baseadas em indicadores de análise técnica, e aquelas aprimoradas por algoritmos de machine learning, especificamente o random forest, em termos de retorno sobre o investimento e risco associado. A justificativa para esta pesquisa reside na crescente integração de técnicas de machine learning no setor financeiro global, bem como na escassez de estudos focados em sua aplicabilidade no contexto de day trading em ações brasileiras. Através desta investigação, buscamos contribuir para a literatura acadêmica no campo de finanças quantitativas e oferecer insights práticos para pesquisadores, day traders e investidores interessados em explorar tecnologias avançadas de análise de dados. |
