Escute esse artigo
Tempo de leitura: 3 minutos

 

Instituição de Ensino Superior: UNIVERSIDADE FEDERAL DO PARANÁ
Programa: MATEMÁTICA (40001016041P1)
Título: APRENDIZAGEM DE MÁQUINA APLICADA À PREVISÃO DOS MOVIMENTOS DO IBOVESPA
Autor: ALINE CRISTIANE FINKLER
Tipo de Trabalho de Conclusão: DISSERTAÇÃO
Data Defesa: 31/07/2017
Resumo:
Neste trabalho investiga-se o uso de tecnicas de Aprendizagem de Maquina para a previsao dos movimentos do Ibovespa, indice que representa o desempenho geral das ações negociadas na BM&FBovespa. Especifícamente, são considerados modelos de Regressão Linear, Regressão Logística, C-SVM e Redes Neurais Artifíciais. A partir de dados históricos mensais do Ibovespa, esses modelos são treinados para realizarem previsões binárias sobre o índice (de alta ou baixa), com horizontes de 1, 3, 6 e 12 meses. Nos testes realizados, com o modelo C-SVM chega-se a uma taxa de acerto de 72,7% para previsões de 6 meses. Essa taxa é melhorada para 78,8% usando-se um modelo que combina Regressão Linear, Regressão Logística e C-SVM. Tal modelo híbrido é então incorporado a uma estratégia de investimento com manutenção semestral para negociação do fundo de índices BOVA11, o qual busca replicar os movimentos do Ibovespa. Simulações sugerem que essa estratégia de investimento baseada em previsões é capaz de fornecer retornos significativamente maiores do que aqueles obtidos com uma estratégia simples conhecida como buy and hold. Esses resultados ilustram o grande potencial do uso de técnicas de aprendizagem de máquina como suporte para a tomada de decisões de compra e venda em bolsas de valores. Além disso, abordam-se aspectos teóricos referentes à alguns métodos de otimizaçãao. Em particular, um estudo unificado de complexidade para métodos de descida é apresentado.

Palavras-Chave: Otimização;Aprendizagem de Máquina;Ibovespa

Abstract: This work investigates the use of Machine Learning models for predicting the movements of Ibovespa, which is the index that represents the overall performance of the stocks negotiated in the BM&FBovespa. Speci cally, the models considered are Linear Regression, Logistic Regression, C-SVM and Arti cial Neural Networks. Using monthly data about Ibovespa, these models are trained to the task of predicting the index movements (up and down) for horizons of 1, 3, 6 and 12 months ahead. In the experiments performed, with a C-SVM it was possible to reach an accuracy of 72,7% for predictions 6 months ahead. This accuracy was improved up to 78,8% by using a suitable combination of Linear Regression, Logistic Regression and C-SVM. Then, this hybrid model was incorporated to a trading strategy for negotiation of index fund BOVA11, which tries to replicate the movements of Ibovespa. Numerical simulations suggest that this trading strategy based on forecasts is able to provide gains signi cantly higher than those obtained with a simple strategy known as buy and hold. These results illustrate the great potential of Machine Learning as support for trading decisions in the stock market. In addition, theoretical approaches to some optimization methods are discussed. In particular, a uni ed complexity study for descent methods is presented.

Keyword: Optimization;Machine Learning;Ibovespa

Volume: 1
Páginas: 98
Idioma: PORTUGUES
Biblioteca Depositária: UNIVERSIDADE FEDERAL DO PARANÁ
Autorização de divulgação: O trabalho possui divulgação autorizada
Anexo: DissertacaoAlineF
Área de Concentração: MATEMÁTICA APLICADA
Linha de Pesquisa: ANÁLISE NUMÉRICA
Projeto de Pesquisa: fi

Compartilhe!