FenixEdu™

Dissertação

A Divergence-Based Trading Algorithm using Genetic Algorithms and Market Classification EVALUATED

Detalhes: Este trabalho propõe um modelo capaz de transacionar no Mercado de Ações baseado na divergência entre o desempenho de ações individuais e o desempenho do índice Standard&Poor's 500 (S&P500). O modelo começa por selecionar um subconjunto de ações do S&P500 com base nos valores do sistema de pontuação fundamental FScore. Indicadores técnicos são então calculados para estas ações e para o índice S&P500, para avaliar as tendências e movimento dos seus valores. A cada indicador é atribuído uma pontuação específica com base em regras predefinidas. As pontuações de cada ação são então comparadas com as pontuações do índice S&P500, gerando uma lista de “Pontuações de Divergência”. Cada Pontuação de Divergência é então multiplicada pelo seu respetivo peso e somada para produzir uma “Pontuação Total de Divergência”, que é usada para medir a divergência entre o desempenho de uma ação e o desempenho do índice S&P500. Os pesos de cada pontuação são otimizados usando Algoritmos Genéticos e são ajustados de acordo com a tendência do índice S&P500 do respetivo dia. Um classificador XGBoost é utilizado para a classificação do índice S&P500 em três categorias: Downtrend, Sideways e Uptrend. Os pesos são então selecionados com base na previsão da tendência do mercado pelo XGBoost. Quando as Pontuações Totais de Divergência excedem os limites predefinidos, o algoritmo inicia uma posição, que é fechada assim que a pontuação ultrapassa os limites de fecho. Este modelo foi testado no período de 3 anos de 2020 a 2022 e alcançou um retorno de investimento de 10,77%.
Keywords: Algoritmos Genéticos, FScore, Análise Fundamental, Análise Técnica, XGBoost

Discussão: junho 17, 2024, 15:30