Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/21686
Title: Análise do desempenho de regra de negociação via redes neurais artificiais em operações day trade.
Other Titles: Analysis of trading rule performance by deep neural network.
Authors: Paiva, Vinícius Barbosa
metadata.dc.contributor.advisor: Sobral, Ana Paula Barbosa
metadata.dc.contributor.members: Sobral, Ana Paula Barbosa
Vianna, Dalessandro Soares
Alves, Alex da Silva
Issue Date: 2021
Citation: Paiva, Vinícius Barbosa. Análise do desempenho de regra de negociação via redes neurais artificiais em operações day trade.2021. 198 f. Dissertação (Mestrado Profissional em Engenharia de Produção e Sistemas Computacionais) - Universidade Federal Fluminense. Rio das Ostras, 2021.
Abstract: Determinar quando comprar ou vender determinado ativo financeiro é um tópico complexo para a maioria dos daytraders. No entanto, visando minimizar esta complexidade, muitos destes têm desenvolvido regras e procedimentos lógicos conhecidos como regras de negociação. As regras de negociação adotam como premissa que os padrões passados nos preços de mercado se repetirão no futuro. Contudo, com auxílio do rápido desenvolvimento da ciência, cada vez mais ferramentas estão sendo desenvolvidas visando aferir a acurácia de uma regra de negociação. Como exemplo, é possível citar estudos nas áreas de aprendizado de máquina, modelos de redes neurais e assim por diante. Este trabalho propõe medir a precisão da regra de negociação conhecida como cruzamento da média móvel. Para esta tarefa, foi proposta a aplicação do modelo de Rede Neural Profunda (DNN) com base na classificação binária. O ativo financeiro escolhido para a pesquisa foi o Mini Contrato Futuro do Dólar, a partir do segundo semestre de 2019. Para o modelo DNN, foram definidas 22 variáveis. Dentre estas: o preço de fechamento, preço de abertura, máxima do preço e a mínima do preço. Coletados a partir de um robô de negociações, tais variáveis serviram de parâmetros de entrada para a arquitetura DNN proposta. Os resultados finais mostraram que a acurácia encontrada para a regra de negociação de cruzamento de médias móveis, a partir do modelo DNN, apresentou uma baixa porcentagem de predição.
metadata.dc.description.abstractother: Predict whether a buy and sell operation will be profitable, is a very hot topic for the daytraders. So, many of them have been developing rules and logical procedures known as trading rules. The principle of trading rules has the premise that the patterns in market prices to recur in the future. Thanks to the rapid development of science, predict whether the operation will be profitable is advancing. Several studies have been developing by using different ways now. As an example, we can including machine learning, deep learning and so on. This paper proposes to measure the accuracy of the trading rule known as moving average crossing. For this task, we proposed a Deep Neural Network (DNN) model based on the binary classification. The financial asset chosen for research was Mini U.S. Dollar, from the second semester of 2019. For the DNN model, we set 22 features,i.e., close price, opening price, high price, low price. Deriving from the expert advisor, the features will serve as the input of the DNN architecture and then run and test the program. The result has shown that it is reliable to use the DNN method to predict whether the operation will be profitable or not.
URI: https://app.uff.br/riuff/handle/1/21686
Appears in Collections:MESC - Dissertações - Rio das Ostras

Files in This Item:
File Description SizeFormat 
Dissertação catalogada vinicius.pdfAnálise do desempenho de regra de negociação via redes neurais artificiais em operações day trade.2.99 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.