Replicando estratégias de trading sintéticas utilizando redes neurais
Fonseca, Raul do Vale
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
Este trabalho constrói estratégias de trading sistemáticas e sintéticas com o objetivo de procurar ferramentas para replicá-las. São testados três modelos de regressão: regressão linear, regressão logística e um tipo de redes neurais artificiais, o multilayer perceptron (MLP). Para comparar a performance das regressões foram usadas três métricas de desvio do valor verdadeiro: diferenças absolutas, diferenças absolutas discretizadas e acurácia. A MLP é mais bem sucedida que as regressões logística e linear ao replicar uma estratégia trend following que usa como parâmetros médias móveis simples. Tentou-se replicar estratégias mean reversion que usam como parâmetros desvios padrão e preços máximos e mínimos num período. Nesses casos não houve clara distinção entre qual regressão foi mais bem sucedida. A acurácia dos modelos ao tentar replicar as estratégias foi maior que o sorteio aleatório em todos os casos.
Ficha do documento
- Tipo
- Dissertação
- Ano
- 2018
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.fgv.br:10438/24749
- Temas
- EconomiaTransportes
Conteúdos relacionados
- DissertaçãoUm estudo sobre arquitetura de redes neurais aplicado a previsão do retorno de ações brasileirasFundação Getulio Vargas · 2017
- DissertaçãoAnálise de algoritmos de machine learning e redes neurais para previsão de preços de ações do IBOVESPAFundação Getulio Vargas · 2022
- TeseModeling high frequency intraday discrete returnsFundação Getulio Vargas · 2020
- DissertaçãoModelo de seleção de ações a partir de registros contábeis e de indicadores de mercado, utilizando técnicas de análise de componentes principais, support vector machine e redes neurais no mercado brasileiroFundação Getulio Vargas · 2020
