Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.

• Ano de defesa: 2023
• Autor(a) principal: Santos, Thiago Rayam Souza
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado computacional; Gradient boosting; Machine learning; Random forest; Sistema de trading; Trading system
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3139/tde-03012024-143028/

Este trabalho apresenta a aplicação de modelos de aprendizado de máquina baseados em árvores de decisão na avaliação dos momentos ideais para compra e venda de ativos no mercado de ações brasileiro. O aprendizado dos modelos é conduzido utilizando indicadores de mercado, calculados a partir da série histórica de preços. O trabalho apresenta uma aplicação prática, abordando o desafio do tratamento de variáveis não estacionárias, bem como a seleção das melhores variáveis para o modelo. Além de avaliar a capacidade de classificação dos melhores momentos de compra e venda, o estudo também inclui uma análise da aplicação dos modelos na geração de ordens de compra e venda, com a realização do backtesting no período de 2017 até 2023. Os resultados obtidos são comparados com a estratégia conhecida como Moving Average Crossover e uma estratégia baseada em ordens aleatórias, além de serem comparados com o Buy and Hold.