Dissertação

Predicting Economic Releases using Genetic Support Vector Machines EVALUATED

Esta Dissertação tem como objectivo a previsão de mercados financeiros. Mais especificamente, a previsão do comportamento de mercados de câmbio durante periodos isolados: o periodo após a divulgação de dados macro-económicos. Técnicas de Soft Computing (algoritmo genético e máquinas de vetores de suporte, combinadas num modelo híbrido) são utilizadas para prever o retorno nos mercados de câmbio. A inovação deste modelo reside não só no modelo híbrido utilizado, mas também na combinação única de factores (fundamentais, técnicos e emocionais) e no foco da proximidade à vertente mais prática da actividade de Trading, contrastando com modelos mais teóricos. O modelo inclui variáveis que lhe conferem capacidade de transacionar em diferentes cenários mais imprevisíveis e instáveis. O algoritmo genético é utilizado com três objectivos distintos: ajustar os hiper-parâmetros das Máquinas de vetores de suporte, encontrar a periodicidade óptima dos indicadores técnicos utilizados e selecção de algumas variáveis que influenciam a própria forma como o trader age. O modelo foi ainda testado sob diferentes condições, nomeadamente a transacionar um instrumento financeiro diferente (contracto de Futuros do índice Standard & Poor's 500) e sem o isolamento de periodos (a transacionar continuamente). Os resultados são positivos e ultrapassam de forma consistente os benchmarks correspondentes nos produtos analisados, quer na amostra de treino, quer na amostra de teste. O sucesso verifica-se não só no ambiente de isolamento de dados macro-económicos mas também (com valores ainda mais expressivos em métricas relevantes) quando aplicados a diferentes condições.
Algoritmo Genético;Mercado Financeiro;SVM

Junho 6, 2019, 13:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar