Dissertação
Seleção online de portfólio de criptoativos por meio de aprendizado por reforço
Cunha, Thiago Trabach da
Acessar documento originalNão informado
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
Este trabalho se propôs a ampliar o entendimento do framework de Reinforcement Learning concebido por Jiang et al. (2017) para o problema de seleção online de portfólio. Ao substituir o Bitcoin do trabalho original por um ativo mais próximo do livre de risco (Theter); ampliar o horizonte de tempo da análise; e construir a distribuição empírica das métricas de avaliação da estratégia, fomos capazes de identificar situações que a solução convergiu para uma estratégia livre de risco. A estratégia foi capaz de proteger o capital do agente, quando a maioria das principias estratégias comparadas falhou.
Ficha do documento
- Tipo
- Dissertação
- Ano
- 2019
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Não informado
- Identificador
- oai:repositorio.fgv.br:10438/27945
Conteúdos relacionados
- DissertaçãoO que determina o fluxo de captação dos fundos de investimentos?Fundação Getulio Vargas · 2022
- DissertaçãoModelagem de tópicos e interpretabilidadeFundação Getulio Vargas · 2020
- DissertaçãoNowcasting brazilian inflation with machine learningFundação Getulio Vargas · 2020
- DissertaçãoUsing supervised machine learning and sentiment analysis techniques to predict homophobia in portuguese tweetsFundação Getulio Vargas · 2018
