FenixEdu™

Dissertação

Ensemble Voting combined with Linearity Detection to Detect Sideways Markets in Forex EVALUATED

Detalhes: Este trabalho tinha como objetivo desenvolver uma funcionalidade para algoritmos focados em mercados Forex: um detetor de Sideways Markets. Uma vez que estes mercados são de difícil interpretação e a aplicação de um único algoritmo estaria sujeita a erros, foram aplicadas quatro técnicas de aprendizagem automática: Regressão Logística, Classificador de Floresta Aleatória, Classificador de Vetores de Suporte e XGBoost. Posteriormente, estes métodos realizaram uma votação por maioria, prevendo se o mercado segue uma tendência ou não. Para treinar estas técnicas, foi desenvolvido um classificador de Sideways Markets, ou seja, um algoritmo que divide os dados em seções de sideways e de trending markets. Para adicionar robustez a estes dois, um detetor de linearidade foi desenvolvido. Por fim, foi implementada uma funcionalidade que realiza trading em situações previamente detectadas como sideways. Apesar da dificuldade inerente à avaliação do classificador de sideways markets, sendo um conceito subjetivo, os resultados corresponderam às expectativas. O detetor de sideways markets obteve bons resultados, apresentando uma precisão final de 76,73% ao prever sideways markets, exibindo períodos longos e negociáveis de sideways markets. Adicionalmente, o trading framework apresentou um Run-Up de 13,11%, um Draw-Down de -0,21% e um ROI de 26,98% diluído ao longo de 3 anos e 8 meses, negociando apenas durante sideways markets. Ao combinar a deteção do tipo de mercado com o trading framework, estudou-se eficácia geral do trabalho, resumida a um ROI final de 6,75%, nas mesmas condições referidas acima.
Keywords: Detetor de Sideways Markets, Aprendizagem Automática, Forex, Ensemble Prediction, Detetor de Linearidade

Discussão: novembro 24, 2023, 15:0