Dissertação

{en_GB=Combining Channel Trading with Genetic Algorithms to Optimize Investments in Trending Forex Markets} {} EVALUATED

{pt=Este trabalho propõe uma solução inovadora para o comércio no mercado Forex, combinando análise técnica e análise gráfica com Algoritmos de Genética. O padrão de canal e o indicador técnico Fibonacci Pivot Points são responsáveis por classificar o mercado e criar uma estratégia de investimento, que visa prever os movimentos futuros dos preços. Um algoritmo genético é então aplicado para otimizar as regras de negociação. Para treinar e testar o sistema, o par de moedas EUR/USD com dados compostos por amostras de 1 minuto é usado, entre os anos de 2015 e 2020. Na fase de preparação dos dados, os dados ingeridos são reamostrados de acordo com a variação de preço de fecho (ao invés de utilizar um amostragem de tempo fixo), mitigando o problema de sobreamostragem e subamostragem dos mesmos. Os resultados mostram que a solução proposta é lucrativa para vários pares de moedas com características diferentes e reforçam a importância dos Fibonacci Pivot Points na avaliação do risco de uma negociação. Além disso, treinar o sistema com 2 anos de dados EUR/USD (janeiro de 2015 até dezembro de 2016), resultou em 34,9 \% de retorno do investimento no período de teste (entre janeiro de 2020 e dezembro de 2020)., en=This work proposes an innovative solution to trade in the Forex, by combining technical and chart analysis with genetic algorithms. The channel pattern and the technical indicator Fibonacci Pivot Points are responsible for classifying the market and create a trading strategy, that aims to predict future price movements. A genetic algorithm is then applied to optimize the trading rules. To train and test the system, EUR/USD currency pair with 1 minute samples data is used, between the years of 2015 and 2020. In the data preparation phase, the ingested data is resampled according to the close price variation (instead of using a fixed time sampling), mitigating the problem of over and undersampling data. Results show the proposed solution is profitable for several currency pairs with different characteristics and reinforce the importance of Fibonacci Pivot Points in assessing a trade's risk. Moreover, training the system with 2 years of EUR/USD data (January 2015 until December 2016), resulted in 34.9\% return on investment in the test period (between January 2020 and December 2020).}
{pt=Algoritmos de Genética, Forex, Padrão de Canais, Análise Técnica, en=Genetic Algorithms, Forex, Channel Pattern, Technical Analysis}

setembro 30, 2021, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar