Dissertação

Estratégia de Investimento Value Optimizada por Algoritmos Genéticos Distribuídos EVALUATED

Mercados de Capitais tornaram-se extremamente populares na comunidade académica, principalmente na área de Machine Learning e Softcomputing, onde o impacto de vários factores e a previsão de preços futuros são investigados utilizando uma variedade de algoritmos. Entre essas metodologias, é possível destacar técnicas, tais como Algoritmos Genéticos, Maquinas de vectores de suporte e Redes Neuronais. Este documento apresenta a solução proposta para uma aplicação que preveja a evolução dos mercados de capitais, recorrendo aos fundamentais das empresas. A aplicação irá optimizar a estratégia value tendo em conta dois objectivos, o retorno do investimento e o risco associado ao investimento. A abordagem escolhida combina elementos dos algoritmos genéticos, da optimização por múltiplos objectivos e a adaptação destes a uma arquitectura paralela e distribuída para ser usada num cluster. Para validar a abordagem usa-se um período de teste entre Julho de 2013 e Julho de 2015. As simulações demonstram que a selecção de acções com base em indicadores fundamentais é uma solução que pode ser usada para escolher as melhores empresas em termos operacionais, com retornos acima da média do mercado. A versão paralela é capaz de melhorar os resultados obtidos pela versão sequencial e melhora a diversidade das soluções encontradas além de diminuir o tempo de execução.
Value, NSGA2, algoritmo genético paralelo, bolsa de valores, optimização por múltiplos objectivos.

Novembro 20, 2015, 16:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Nuno Cavaco Gomes Horta

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar