Dissertação
{en_GB=Combining Rules between PIPs and SAX to Identify Patterns in Financial Markets} {} EVALUATED
{pt=Este trabalho apresenta uma nova abordagem de detecção de padrões em mercados financeiros baseada na combinação de regras com Pontos Perceptualmente Importantes e a representação SAX associado ao Algoritmo Genético como ferramenta de optimização. As regras e a representação SAX são utilizadas para representar as séries temporais dos activos financeiros, de forma a identificar eficientemente padrões nos dados. O Algoritmo Genético é usado para gerar regras de investimento e consequentemente encontrar soluções óptimas. A abordagem proposta foi testada com dados reais do índice financeiro S&P500 e todos os resultados obtidos conseguiram superar os resultados da estratégia Buy&Hold. Esta abordagem obteve, no período 2010-2014, um retorno total de 76.7% que superou o retorno da estratégia B&H (61.9%)., en=This work describes a new pattern discovery approach based on the combination among rules between Perceptually Important Points (PIPs) and the Symbolic Aggregate approximation (SAX) representation optimized by Genetic Algorithm (GA). The rules and SAX are used to represent the financial time series in order to identify efficiently patterns. The GA is used to generate investment rules and find optimal solutions. We decided to call this new approach Symbolic Important Rules (SIR). The proposed approach was tested with real data from S&P500 index and all the results obtained outperform the Buy&Hold strategy. Three different case studies that test SIR/GA approach are presented. With this approach it was possible to obtain in the period 2011-2014 a total return of 76.7%, which outperformed the Buy&Hold strategy (61.9%). }
maio 30, 2016, 10:30
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
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar