Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9860
Título: Avaliação de oportunidades de investimento no mercado futuro brasileiro na escala de dezenas de segundos
Autor(es): Nascimento, Rafael Correia
Orientador: Souza, Alberto Ferreira de
Coorientador: Gonçalves, Claudine Santos Badue
Data do documento: 20-Mar-2018
Editor: Universidade Federal do Espírito Santo
Resumo: A utilização de sistemas automáticos de investimentos na Bolsa de Valores brasileira (BM&FBovespa) vem crescendo a cada ano. Isso ocorre porque os sistemas automáticos de investimento, também chamados de robôs, são capazes de avaliar vários ativos financeiros simultaneamente e em escalas de tempo muito menores do que as de um investidor. Dessa forma, surge a necessidade de se criar algoritmos capazes de analisar grandes quantidades de dados em tempo real e de decidir acerca da melhor ação a ser tomada para um determinado ativo financeiro de interesse a cada instante. Neste trabalho, foram avaliadas oportunidades de investimento no mercado futuro brasileiro (uma parte da BM&FBovespa) na escala de tempo de dezenas de segundos, usando um sistema automático de investimento baseado em preditores e considerando os custos de operação. Inicialmente, foi avaliado o limite superior de retorno que pode ser gerado por investimentos no mercado futuro usando um preditor perfeito, comumente chamado de oráculo. Em seguida, foram avaliados dois tipos de preditores neurais: um baseado em redes neurais Multilayer Perceptron (MLP) e o outro baseado em redes neurais sem peso VG-RAM. Os resultados mostraram que existem diariamente grandes oportunidades de investimento nas escalas de tempo analisadas, mas estas são difíceis de serem preditas usando as redes neurais consideradas. Isso ocorre porque as cotações dos ativos financeiros do mercado futuro têm comportamento muito próximo ao de séries random-walk. Contudo, usando mecanismos de decisão baseados no desempenho recente dos preditores, é possível melhorar a qualidade das decisões de compra e venda e se beneficiar de momentos em que as séries de cotações dos ativos são mais previsíveis.
The use of automatic investment systems in the Brazilian Stock Exchange (BM&FBovespa) has been growing every year. This is because automatic investment systems, also called robots, are able to evaluate various financial assets simultaneously and at much shorter time scales than as of an investor. Thus, the need arises to create algorithms capable of analyzing large volumes of data in real time and making the decision on the best action to be taken for a particular financial asset of interest at any moment. In this work, it was evaluated investment opportunities in the Brazilian futures market (a part of BM&FBovespa) in the time scale of tens of seconds, using an automatic investment system based on predictors and considering operation costs. Initially, it was evaluated the upper limit of return that can be generated by investments in the future market using a perfect predict, called oracle. Following, two types of neural predictors were evaluated: one based on Multilayer Perceptron neural networks (MLP) and the other based on VG-RAM weightless neural networks. Results showed that there are daily great investment opportunities in the time scales analyzed, but those were difficult to be predicted using the neural networks considered. This is because quotes of future market financial assets have a behavior very close to that of random-walk series. However, using decision mechanisms based on predictors’ recent performance, it is possible to improve the quality of buying and selling decisions, and to benefit from moments in which assets quotations’ series are more predictable.
URI: http://repositorio.ufes.br/handle/10/9860
Aparece nas coleções:PPGI - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_12187_2018_Dissertacao_Mestrado_Rafael_Nascimento_Banca_Revisao_Final20180625-82436.pdf871.09 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.