Pattern searcher for decision making of trading agents using genetic algorithm

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Felipe Vital Cacique
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Federal de Minas Gerais
Brasil
ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO
Programa de Pós-Graduação em Ciência da Computação
UFMG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/1843/45981
Resumo: Nos últimos anos, houve um crescimento no uso de métodos computacionais na área financeira, principalmente nas negociações no mercado financeiro. Os investidores vêm usando ferramentas computacionais para automatizar estratégias de investimento com o objetivo de maximizar lucros e reduzir riscos. Neste trabalho, nosso objetivo é trazer novas ideias e abordagens para o desenvolvimento de robôs de negociação automatizados com base em dados históricos de séries financeiras. Nosso modelo, chamado Pattern Searcher, foi inspirado em métodos de aprendizado de máquina e otimização evolutiva. Dado um agente de negociação com seus parâmetros pre-definidos, o método utiliza o poder do Algoritmo Genético (GA) para pesquisar, dentro de um conjunto de indicadores financeiros, a região que fornece um retorno positivo mais alto. Essa implementação exibiu propriedades desejáveis em comparação com alguns métodos de Aprendizado de Máquina, como a simplificação do fluxo do sistema e a geração de regras que os humanos podem entender mais claramente. Além disso, foram gerados portfólios de estratégias, compostos pelas estratégias derivadas do método Pattern Searcher, que também foram otimizados via GA. O sistema conseguiu gerar agentes e portfólios muito lucrativos no mercado brasileiro, superando importantes benchmarks.