Dissertação

Estratégia de Investimento baseada na Volatilidade e na Deteção de tendências optimizada por um Algoritmo genético EVALUATED

Os mercados financeiros passam regularmente por períodos de alta e baixa volatilidade e apesar da alta volatilidade estar associada a um maior risco, nem sempre é negativo transacionar durante esses períodos. Contudo, se o objetivo é ter uma estratégia segura e de confiança, é aconselhável evitar esse períodos mais voláteis. Esta tese tem como intenção criar uma estratégia de negociação, aplicada ao mercado acionista, baseada em volatilidade e tendências de mercado, capaz de evitar os períodos mais voláteis, gerando retornos elevados com baixo risco. O sistema proposto combinou uma estratégia que identifica os períodos mais calmos do mercado, um Support Vector Machine (SVM) que identifica tendências no mercado e um Algoritmo Genético (GA) responsável por otimizar todo o sistema. O sistema utiliza o GA para otimizar e selecionar os indicadores técnicos e por escolher os hiperparâmetros utilizados no SVM. Em paralelo, o GA, também é responsável por definir os pesos e as margens de decisão da estratégia de volatilidade. O sistema proposto foi então avaliado em sete mercados financeiros com diferentes características. Os resultados obtidos demostraram que esta abordagem obtém melhores resultados que a estratégia de Buy&Hold na maioria dos mercados testados. No índice S&P500, o sistema proposto com alavancagem de 2:1 atinge uma taxa de retorno de 20.28% com um Maximum Drawdown (MDD) de 4.34%, enquanto a estratégia de Buy&Hold obteve uma taxa de retorno de 17.34% com um MDD de 15.07%.
Mercados financeiros, Volatilidade, Estratégia de negociação, Support Vector Machine (SVM), Algoritmo Genético (GA)

Novembro 14, 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