Dissertação
"Predicting Movements in the Forex Market Using Machine Learning and Genetic Algorithms to Manage Trades" EVALUATED
Este trabalho tem como objetivo desenvolver uma estratégia de trading capaz de lucrar no mercado Forex, particularmente no par EUR/USD. Dividido em duas fases, este projeto começa por usar dois algoritmos de aprendizagem automática (SVM e XGBoost) para dividir e classificar tendências de mercado em cinco categorias. Para treinar estes algoritmos, dois métodos de classificação de dados do preço são testados, ambos classificam velas tendo em consideração a direção e a força da variação do preço. A segunda fase usa dois algoritmos genéticos (GAs), um optimizado para tendências de alta e outro para tendências de baixa no mercado. Estes algoritmos são usados para estabelecer regras de trading usando as previsões da aprendizagem automática, criando dois grupos de sinais: o primeiro determina a melhor altura para abrir posições, enquanto o segundo determina a melhor altura para as fechar, permitindo as posicões de ficarem abertas durante o período mais lucrativo. Para testar qual tipo de gráfico oferece o melhor desempenho com este sistema, são usados cinco gráficos diferentes. O sistema que usa GAs diferentes para cada tipo de tendência de mercado e dois grupos de sinais mostrou resultados positivos, com o gráfico de 15 minutos a apresentar os melhores resultados, alcançando um ROI de 11.18% durante aproximadamente seis meses de trading, com uma percentagem de posições que geraram lucro de 57.38%, destacando a capacidade dos GAs para gerarem um grupo de regras de investimento bem sucedido.
novembro 28, 2024, 10:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Rui Fuentecilla Maia Ferreira Neves
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar