Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/45981
Tipo: | Dissertação |
Título: | Pattern searcher for decision making of trading agents using genetic algorithm |
Título(s) alternativo(s): | Pesquisador de padrões para tomada de decisão de agentes de negociação usando algoritmo genético |
Autor(es): | Felipe Vital Cacique |
Primeiro Orientador: | Adriano César Machado Pereira |
Primeiro membro da banca : | Cristiano Arbex Valle |
Segundo membro da banca: | Gisele Lobo Pappa |
Resumo: | In the last few years, there was a growth regarding the use of computational methods in the field of finance, especially to negotiations in the stock market. Investors have been using computational tools to automate investment strategies with the goal of maximizing profits and reducing risks. In this work, we aim to bring new ideas and approaches to the development of automated trading robots based on historical data of financial series. Our model, named Pattern Searcher, was inspired in machine learning methods and evolutionary optimization. Given a trading agent with its predefined parameters, the method uses the power of Genetic Algorithm (GA) to search, within a set of financial indicators, for the region that provides a higher positive return. This implementation exhibited desirable properties compared to some Machine Learning methods, such as the simplification of the system flow and the generation of rules that humans can clearly understand. Besides, we have generated strategy portfolios, composed by the strategies derived from the Pattern Searcher method, that were also optimized via GA. The system was able to generate very profitable trading agents and portfolios on the Brazilian stock market, surpassing important benchmarks. |
Abstract: | 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. |
Assunto: | Computação – Teses Algoritmos genéticos – Teses Agentes de negociação – Teses Mercado de capitais – Teses |
Idioma: | eng |
País: | Brasil |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Departamento: | ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO |
Curso: | Programa de Pós-Graduação em Ciência da Computação |
Tipo de Acesso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/45981 |
Data do documento: | 21-Fev-2020 |
Aparece nas coleções: | Dissertações de Mestrado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Pattern_Searcher_for_Decision_Making_of_Trading_Agents___final - edited 2.pdf | 5.81 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.