Dissertação

Applying Support Vector Machines and Direct Reinforcement Learning to Financial Forecasting EVALUATED

Muitas empresas financeiras oferecem serviços como recomendações de investimentos ou partilha de estratégias específicas de transação com clientes. As ferramentas de previsão financeira têm um papel essencial em todos estes, oferecendo informação relativamente à identificação de bons pontos de entrada e saída para a transação de instrumentos financeiros. Esta tese apresenta uma abordagem, que combina Máquinas de Vetores de Suporte (SVMs), Aprendizagem por Reforço Direta (DRL) e Algoritmos Genéticos (GAs), capaz de gerar previsões relativas a quais os pontos de compra e venda (em mercados) que deverão ser definidos para se obter retornos elevados com baixo risco. O sistema em questão utiliza um GA com objetivo único para selecionar um conjunto de indicadores técnicos (derivados de dados financeiros básicos) que, quando utilizado como entrada de uma SVM, produz o melhor modelo para prever a subida e queda de uma Média Móvel Simples (SMA), a curto prazo, de um sinal de preço. São estudadas as capacidades de aprendizagem do sistema desenvolvido, tendo sido inclusive demonstrado um comportamento apropriado quando o custo de cada transação é elevado. Adicionalmente, a sua performance foi avaliada com dados reais diários de nove instrumentos financeiros, todos com características muito diferentes. Os resultados obtidos demonstraram que o sistema possui um elevado grau de robustez, tendo conseguido lucro final positivo em oito dos nove ativos testados. Para além do mais, conclui-se que a combinação entre o GA e a SVM (um algoritmo de aprendizagem supervisionada) adiciona bastante valor à abordagem proposta.
Mercados Financeiros, Previsão Financeira, Máquina de Vetores de Suporte (SVM), Aprendizagem por Reforço Direta (DRL), Algoritmo Genético (GA)

Junho 19, 2018, 15:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar