Detalhes bibliográficos
| Ano de defesa: |
2019 |
| Autor(a) principal: |
Cunha, Thiago Trabach da |
| Orientador(a): |
Coelho, Flávio Codeço |
| 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/10438/27945
|
Resumo: |
Este trabalho se propôs a ampliar o entendimento do framework de Reinforcement Learning concebido por Jiang et al. (2017) para o problema de seleção online de portfólio. Ao substituir o Bitcoin do trabalho original por um ativo mais próximo do livre de risco (Theter); ampliar o horizonte de tempo da análise; e construir a distribuição empírica das métricas de avaliação da estratégia, fomos capazes de identificar situações que a solução convergiu para uma estratégia livre de risco. A estratégia foi capaz de proteger o capital do agente, quando a maioria das principias estratégias comparadas falhou. |
