DEFESA DO PROJETO DE TESE DE DOUTORADO

TÍTULO:

“Modelagem, Implementação e Avaliação de Estratégias de Negociação Baseadas em Algoritmos de Aprendizado de Máquina para o Mercado Financeiro”.

Prof. Dr. Adriano César Machado Pereira (Orientador)

Prof. Dr. Juliano Lima Pinheiro

CEFET-MG

UFMG

Prof. Dr. Felipe Dias Paiva

Prof. Dr. Daniel Hasan Dalip

Prof. Dr. Anísio Mendes Lacerda

CEFET-MG

CEFET-MG

CEFET-MG

LOCAL:

Auditório 101 do Prédio 17 – Departamento de Computação (DECOM), Campus II, CEFET-MG - Av. Amazonas, 7675 - Nova Gameleira

DIA:

24 de agosto de 2018 - sexta-feira

HORA:

14:00 horas

RESUMO:

O mercado de investimento vem crescendo a cada dia e desempenhando um importante papel na vida dos indivíduos e corporações. Portanto, existe uma necessidade de compreender melhor as situações que ocorrem no mercado de capitais, por meio de estratégias e indicadores que possam auxiliar no reconhecimento de padrões, nas análises de dados e no suporte a decisões no ramo de investimento financeiro. Uma Revisão Sistemática da Literatura (RSL) foi realizada com o intuito de coletar os principais trabalhos que envolvem aplicações no mercado de ações relativos aos seguintes temas: tratamento de dados, modelos de previsão de tendências e modelos de operação. Verificou-se que o algoritmo Máquina Restrita de Boltzmann (RBM) de categoria não supervisionada de deep learning está sendo muito empregado para realizar redução de dimensionalidade através da seleção e extração de características latentes dos dados de séries temporais. Desta forma, 8 modelos de previsão de tendências, baseados em algoritmos de aprendizado de máquina tradicionais, foram propostos com o objetivo de selecionar o modelo que melhor se adapta aos dados avaliados em relação à precisão da taxa de acerto. Em seguida, aplicou-se à série de predição de tendências gerada, uma estratégia de operação para avaliar a execução e/ou o cancelamento das ordens de compra e venda (gatilhos), contabilizando o percentual de retorno financeiro líquido, o custo operacional e demais medidas de operação, risco e retorno. Esta tese realizou a caracterização e análise dos dados de cotações históricas de 9 códigos de ativos (i.e., BBAS3, PETR4, JBSS3, KROT3, LAME4, MRVE4, NATU3, RADL3 e TIMP3), para os períodos (mensal, semestral e anual), obtendo como resultados parciais, valores de percentual de precisão de 78,57%, 59,21% e 55,95%, contendo o percentual de retorno bruto de 16,69%, 48,09% e 55,63% e, o percentual de retorno líquido de 12,65%, 27,71% e 28,83% respectivamente.

Palavras-chave: Caracterização de dados. Bolsa de valores. Estratégias de negociação.
Revisão Sistemática da Literatura. Indicadores financeiros. Aprendizado de máquina. Aprendizado profundo. Medidas de desempenho. Medidas de risco.