Dissertação

{en_GB=Trend Aware Investment Strategy for Stock Market based on a Classifier System and on Intelligent Optimization Techniques } {} EVALUATED

{pt=Neste trabalho é proposto um sistema hibrido que combina o uso de Support Vector Machines com Algoritmos Genéticos com o objetivo de criar estratégias que se adaptam às condições do mercado. Este sistema utiliza um classificador baseado em Support Vector Machine para analisar a tendência de mercado atual e selecionar a respetiva estratégia, previamente otimizada. O sistema requer um treino inicial do classificador, que será utilizado para separar os vários instantes do mercado em diferentes grupos de tendências. Cada um destes grupos é otimizado separadamente com base em indicadores técnicos de forma a gerar estratégias compatíveis com o tipo de tendência. Para este projeto são utilizados quatro índices de países distintos, nomeadamente, o SP500, o DAX, o NIK225 e o IBEX35. O conjunto de dados cobre o mercado desde Setembro de 2001 até Setembro de 2018, sendo que o sistema é testado para cada ano a partir de Setembro de 2007. Para efeitos de avaliação, o sistema é implementado de forma a possibilitar o uso, ou não, do classificador de tendência de forma a aferir os benefícios do mesmo. Os resultados sugerem um potencial aumento dos retornos obtidos com o uso do classificador. Os dados obtidos durante o ensaio sugerem que o sistema proposto é capaz de gerar estratégias que melhor se adaptam à tendência presente., en=In this work, it is proposed a hybrid system that combines the use of Support Vector Machines with Genetic Algorithms to create trading strategies based on the current conditions of the market. This system uses a classifier based on the Support Vector Machine to analyze the current trend and select a specific trading strategy, previously optimized by a Genetic Algorithm for the corresponding trend. The system requires an initial training phase of the classifier, which will then be used to split the data into groups of different trends. Each of these groups is optimized separately based on technical analysis rules in order to achieve a tailored trading strategy for each type of trend. For this experience, it is used four important indexes from distinct countries, namely, the SP500, the DAX, the NIK225 and the IBEX35. The data used covers the market data since September 2001 up to September 2018 and the system is tested for each year since September 2007. This system is compared against a similar system without the trend classification component for evaluation purposes. The results for the three markets suggest a possible increase in performance of the strategy optimization method if it is implemented a classifier with the intent of strategy segregation. The data generated during the training and testing phase imply that the proposed system is capable of generating strategies that better adapt to the present trend.}
{pt=Support Vector Machine, Algoritmos Genéticos, Mercado de acções, Optimização de Estratégias, en=Support Vector Machine, Genetic Algorithms, Stock Market, Strategy Optimization}

Julho 8, 2020, 15:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Nuno Cavaco Gomes Horta

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado