Derivação de modelos de trading de alta frequência em juros utilizando aprendizado por reforço

• Ano de defesa: 2017
• Autor(a) principal: Castro, Uirá Caiado de
• Orientador(a): Pinto, Afonso de Campos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Aprendizado de máquina; Aprendizado por reforço; Curva de juros; Operação de alta frequência
• Palavras-chave em Inglês: Machine learning; Reinforcement learning; Yield curve; High frequency trading; Q-learning
• Link de acesso: https://hdl.handle.net/10438/18707

O presente estudo propõe o uso de um modelo de aprendizagem por reforço para derivar uma estratégia de trading em taxa de juros diretamente de dados históricos de alta frequência do livro de ofertas. Nenhuma suposição sobre a dinâmica do mercado é feita, porém é necessário criar um simulador com o qual o agente de aprendizagem possa interagir para adquirir experiência. Diferentes variáveis relacionadas a microestrutura do mercado são testadas para compor o estado do ambiente. Funções baseadas em P&L e/ou na coerência do posicionamento das ofertas do agente são testadas para avaliar as ações tomadas. Os resultados deste trabalho sugerem algum sucesso na utilização das técnicas propostas quando aplicadas à atividade de trading. Porém, conclui-se que a obtenção de estratégias consistentemente lucrativas dependem muito das restrições colocadas na aprendizagem.