Estratégia de negociação baseada em Inteligência Artificial para atuação em mercados de capitais.

Pacce, Tauame Aguiar

Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11624/2155

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	Pacce, Tauame Aguiar	-
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.language.iso	pt_BR	pt_BR
dc.title	Estratégia de negociação baseada em Inteligência Artificial para atuação em mercados de capitais.	pt_BR
dc.date.issued	2017	-
dc.degree.local	Santa Cruz do Sul	pt_BR
dc.contributor.advisor	Frozza, Rejane	-
dc.degree.department	Curso de Ciência da Computação	pt_BR
dc.description.abstract	Usage of automated trading strategies helps increase profits with lower risks. Strategies created by investors may not consider arising emotions as a result of bullish or bearish markets. Thus, the objective of this paper is to develop a trading strategy based on eXtended Classifier Systems and Genetic Programming combined with stock market technical indicators. The system was developed on MetaTrader 5 platform and evaluated using a 2-year sliding window on PETR4 daily candles on BM&F Bovespa between January 2014 and January 2017. Eight technical indicators were used to identify trends and entry and exit points: Chaikin Oscillator, Money Flow Index, Triple Moving Average, MACD, RSI, Parabolic SAR, Rate of Change and ADX. In order to evaluate the developed system, 10 simulations were carried during a 3 years period with a 2 years sliding window and evolving a classifiers pool. The strategy developed earned an average 55% profit in 3 years, despite the high drawdown and large number of losing trades.	pt_BR
dc.description.nota	Inclui bibliografia.	pt_BR
dc.subject.other	Inteligência artificial	pt_BR
dc.subject.other	Agentes inteligentes (Software)	pt_BR
dc.subject.other	Negociação	pt_BR
dc.subject.other	Mercado de capitais	pt_BR
dc.identifier.uri	http://hdl.handle.net/11624/2155	-
dc.date.accessioned	2018-08-10T19:12:09Z	-
dc.date.available	2018-08-10T19:12:09Z	-
dc.degree.grantor	Universidade de Santa Cruz do Sul	pt_BR
dc.description.resumo	O uso de estratégias de negociação automatizadas auxilia no aumento de lucros com riscos mais baixos. As estratégias criadas pelos investidores podem não levar em conta as emoções que surgem em decorrência de momentos de fortes altas ou baixas do mercado. Assim, o objetivo deste trabalho foi desenvolver uma estratégia de negociação baseada em eXtended Classifier Systems e Programação Genética aliada a indicadores técnicos do mercado de capitais. O sistema foi desenvolvido na plataforma MetaTrader 5 e avaliado utilizando uma janela deslizante de 2 anos sobre candles diários do ativo PETR4 da BM&F Bovespa entre janeiro de 2014 e janeiro de 2017. Foram utilizados oito indicadores técnicos para identificar tendências e pontos de entrada e saída: Chaikin Oscillator, Money Flow Index, Tripla Média Móvel, MACD, RSI, Parabolic SAR, Rate of Change e ADX. Para avaliar o sistema desenvolvido, foram realizadas 10 simulações, utilizando um período de 3 anos com uma janela deslizante de 2 anos, e evoluindo uma base de classificadores. A estratégia desenvolvida obteve lucro médio de 55% em 3 anos, apesar do alto drawdown e grande número de negociações perdedoras.	pt_BR
Aparece nas coleções:	Ciência da Computação

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
Tauame Aguiar Pacce.pdf		1.78 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item

Este item está licenciado sob uma Licença Creative Commons