Dissertação

Estratégia de Investimento para Sinais com maior Volatilidade no Mercado Forex EVALUATED

Esta tese propõe um sistema adaptativo, baseado em Algoritmos Genéticos para estabelecer posições Long no mercado Forex nos períodos mais voláteis. Neste trabalho, o Algoritmo Genético é responsável por otimizar certos parâmetros, resultantes de regras de investimento baseadas em indicadores Técnicos. Relativamente aos indicadores Técnicos utilizados, alguns destes indicadores já tinham sido criados por outros autores enquanto que outros foram desenvolvidos aquando da realização da tese, tais como o indicador Tamanho e o indicador Percentagem. Nesta tese, foi ainda criado o indicador de Períodos Nervosos, que tem como objetivo limitar os períodos onde podem ser efetuadas transações no mercado que se pretendia que fossem períodos onde houvesse uma grande volatilidade e ao mesmo tempo fosse possível identificar uma tendência. As experiências foram feitas propositadamente em três pares de moedas bastante voláteis, USD/TRY, USD/MXN, USD/ZAR, e avaliadas de acordo com as métricas de avaliação Retorno Acumulado, Retorno Acumulado por minuto e Drawdown. Os dados disponíveis desde 2012 até 2018, para o pares de moedas USD/ZAR, USD/MXN, USD/TRY, foram utilizados para treinar o Algoritmo Genético assim como para o testar. Os resultados obtidos foram bastantes promissores, tendo sido atingido no caso do par de moedas USD/TRY, 57.60% de Retorno Acumulado em cerca de 26% do período de teste, no caso do par de moedas USD/ZAR, 13.53% de Retorno Acumulado em cerca de 27% do período de teste, e no caso do par de moedas USD/MXN, foi obtido um Retorno Acumulado de 17.25% em cerca de 28% do período de teste.
Mercado Forex, análise técnica, indicadores Técnicos, Algoritmo Genético, estratégia de investimento.

Novembro 25, 2019, 16:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar