FenixEdu™

Dissertação

{en_GB=Stock Market Index Trading Algorithm Using Discrete - Hidden Markov Models and Tecnical Analysis} {} EVALUATED

Detalhes: {pt=Este trabalho apresenta uma abordagem inovadora ao investimento em índices de ações através de um algoritmo constituído por uma combinação de Modelos Ocultos de Markov discretos (MOMD) que usam janelas temporais com uma combinação de dados diários e semanais. Os MOMDs são treinados usando o algoritmo de Baum-Welch, e subsequentemente a previsão é obtida com a ajuda do algoritmo de Viterbi. De forma a usar os MOMDs o preço de fecho do índice de ações S&P 500 é transformado em dois valores discretos: decréscimo e aumento em relação ao dia anterior. O Relative Strenght Index (RSI) é o indicador técnico utilizado como critério para escolher entre os diferentes MOMDs, e subsequentemente ume previsão global é produzida pelo sistema. Tendo em conta estas previsões, o algoritmo é capaz de executar uma estratégia de trading no mercado de ações autonomamente. O algoritmo foi treinado usando dados do S&P 500 desde Janeiro de 2003 até Janeiro de 2009, e foi testado de Janeiro de 2009 até Janeiro de 2017. Os resultados foram comparados com uma solução do estado da arte, bem como duas estratégias de investimento: O Buy & Hold e uma estratégia puramente aleatória. O algoritmo desenvolvido obteve melhores resultados que todos os outros métodos durante o período de teste, obtendo um retorno de 356% que excede significativamente o retorno de 199% obtido pelo índice S&P 500., en=This work presents an innovative approach to algorithmic stock market index trading by means of a combination of discrete Hidden Markov Models (DHMMs) using windows of daily and weekly data. The DHMMs are trained using the Baum-Welch algorithm, and the predictions are obtained with the aid of the Viterbi algorithm. In order to use the DHMMs the close price data of the stock index S&P 500 is transformed into two discrete values: drop and rise in relation to the closing price of the previous trading day. The Relative Strength Index (RSI) is used as a decision criteria to choose between the different DHMMs, and subsequently a price trend forecast is produced. Using these forecasts the algorithm is capable of autonomously trading in the stock market. The system was trained using S&P 500 price data from January 2003 to January 2009, and it was tested from January 2009 to January 2017. The results were compared to a state of the art solution and two investment strategies: the Buy & Hold and a purely random strategy. The developed algorithm outperformed all three other approaches over the testing period, achieving a rate of return of 356%, which significantly exceeds the 199% return of the S&P 500 index.}
Keywords: {pt=Algoritmo de investimento, Analise técnica, Mercado de ações, Modelo Oculto de Markov, Previsão, Series temporais financeiras, en=Financial time series, Forecasting, Hidden Markov Model, Stock Market, Technical Analysis, Trading Algorithm}

Discussão: novembro 29, 2017, 15:30