Dissertação

{en_GB=Predicting Economic Releases using Genetic Support Vector Machines} {} EVALUATED

{pt=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., en=This dissertation's goal is financial markets forecasting. More specifically, it aims at predicting exchange rate market behaviour during isolated periods: the period after the release of macroeconomic indicators. Soft computing techniques (SVM and GA as a hybrid model) are used to predict FOREX market returns. The innovation lies not only in the used hybrid model, but also in a combination of predictive factors (including fundamental, technical and emotional) and the focus on proximity to real world practices rather than a theoretically-leaned overview. The model includes variables to increase the ability to trade under different scenarios, including unpredictable and unstable times. The Genetic Algorithm is used to pinpoint three different goals: Support Vector Machine hyperparameter tuning, finding the optimal periodicity of the technical indicators used and selecting the back-testing variables. The model was also tested under different conditions, namely trading a different instrument (future contract of the Standard & Poor's 500 index) and without period isolation (trading continuously). The results were positive and consistently beat the corresponding benchmarks in the analyzed periods, in and out-of-sample. The success is verified not only in the macroeconomic release isolation but also (and with even better performance across all the used metrics) when applied to different conditions.}
{pt=Algoritmo Genético;Mercado Financeiro;SVM, en=Genetic Algorithms;Financial Markets;SVM}

Junho 6, 2019, 13:0

Orientação

ORIENTADOR

Rui Fuentecilla Maia Ferreira Neves

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar