Dissertação

Exploring Feedforward and Long Short Term Memory Neural Networks to Stock Markets Forecasting EVALUATED

As Redes Neuronais Artificiais como parte deMachine Learningtêem ganho relevância no contexto deprevisão financeira. Os desenvolvimentos em torno de Redes Neuronais permitirem um aumento nonível de abstracção sob a aplicação a um problema, permitindo ao mesmo tempo atingir performancesao nível do estado da arte. Neste trabalho foi desenvolvida uma framework semi-automatizada paracriação de modelos de Redes Neuronais recorrendo a Redes Feedforward Redes LSTM. A estrutura é inicialmente configurada através de parâmetros que abrangem todos os módulos desde os dados iniciais, pré-processamento dos dados, treino do modelo e backtesting, produzindo um modelo de previsão. Este modelo é usado em associação com uma estratégia cujos resultados são computados em backtest. Os resultados mostram que é possível criar estratégias simples que dão lucro a partir de diferentes instrumentos com diferentes características por incorporação de dados passados e indicadores técnicos juntamente com os dados dos preços do instrumento.
Mercados Financeiros, Redes Neuronais, Aprendizagem Automática, LSTM, Feedforward

Novembro 26, 2018, 11:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Nuno Cavaco Gomes Horta

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar