FenixEdu™

Dissertação

Multi-Class Trading Strategies optimized through Multi-Objective Genetic Algorithms for the Forex Market EVALUATED

Detalhes: Este trabalho propõe criar um algoritmo capaz de gerar retornos estáveis através da sua participação em transações nos Mercados Forex. Para alcançar este objetivo este trabalho começa por realizar uma classificação do mercado em várias categorias. Para realizar este processo de classificação foi concretizado um estudo intensivo de vários métodos do estado da arte, que irá incluir Classificador de Vetores de Suporte, Regressão Logística Multinomial, Random Forest, Gradient Boosted Decision Trees, Extreme Gradient Boosting, Ensemble de Classificadores de Vetores de Suporte, Cascata de Regressão Logistica para Gradient Boosted Decision Trees e Ensemble de Regressão Logística e Gradient Boosted Decision Trees. De acordo com a classificação gerada, um algoritmo de transações diferente será usado, que terá sido ajustado especificamente para o tal estado do mercado usando um Strong Pareto Evolutionary Algorithm 2 de modo a maximizar lucros e minimizar perdas, que foi também comparado com a implementação de um Non-Dominated Sorting Genetic Algorithm II. A implementação foi testada no par de Forex EUR/USD durante vários anos, com o conjunto de dados, que é usado tanto para o teste como para o treino da parte da classificação e da otimização do algoritmo genético, abrangendo desde o início do ano de 2013 até final do ano de 2021. Nos testes concluído, a classificação obteve um resultado de precisão de 74.6% e a parte de transacionar no mercado gerou um retorno de 19.55% ao longo de 5 anos, batendo os retornos de um Forex Hedge Fund Index que conseguiu apenas 6.49% no mesmo período.
Keywords: Regressão Logistica Multinomial, Gradient Boosted Decision Trees, Extreme Gradient Boosting, Cascata, Algoritmos Genéticos, Forex

Discussão: junho 27, 2023, 11:0