Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro

Detalhes bibliográficos
Autor(a) principal: Capati, F. A.
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da FEI
Texto Completo: https://doi.org/10.31414/EE.2021.D.131342
https://repositorio.fei.edu.br/handle/FEI/3228
Resumo: O presente trabalho tem como motivação principal o estudo de modelos de aprendizado por reforço multi-agent, comumente utilizados quando o problema é episódico e a dinâmica do sistema é complexa de ser descrita analiticamente, aplicado à negociação de ações na bolsa de valores, desenvolvendo um sistema cooperativo composto por um agente que representa a força de compra dos ativos, e outro agente a força de venda. Os agentes devem interagir para decidir quanto será comprado ou vendido, de modo a optimizar o lucro obtido, criando o que foi denominado de: “gestor de carteira de investimentos”. Ao término do desenvolvimento foram feitas análises do modelo single-agent e multi-agent, avaliações do impacto da modelagem do ator-crítico utilizando redes recorrentes e propostas de melhoria do projeto desenvolvido. O modelo multi-agent obteve resultados positivos, em sua maioria, sendo superiores ao buy-andhold em mais de 88% no experimento executado com o ativo ITSA4, porém os resultados de forma geral não são suficientes para a construção de um modelo comercial. Ao término do projeto foram propostas melhorias e possíveis trabalhos futuros com o intuito de auxiliar o desenvolvimento da área.
id FEI_3ceace4e2b7f572181ef46b8355b979c
oai_identifier_str oai:repositorio.fei.edu.br:FEI/3228
network_acronym_str FEI
network_name_str Biblioteca Digital de Teses e Dissertações da FEI
repository_id_str https://repositorio.fei.edu.br/oai/request
spelling Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiroaprendizado por reforço multiagentereinforcement Learningmulti-agent reinforcement learningO presente trabalho tem como motivação principal o estudo de modelos de aprendizado por reforço multi-agent, comumente utilizados quando o problema é episódico e a dinâmica do sistema é complexa de ser descrita analiticamente, aplicado à negociação de ações na bolsa de valores, desenvolvendo um sistema cooperativo composto por um agente que representa a força de compra dos ativos, e outro agente a força de venda. Os agentes devem interagir para decidir quanto será comprado ou vendido, de modo a optimizar o lucro obtido, criando o que foi denominado de: “gestor de carteira de investimentos”. Ao término do desenvolvimento foram feitas análises do modelo single-agent e multi-agent, avaliações do impacto da modelagem do ator-crítico utilizando redes recorrentes e propostas de melhoria do projeto desenvolvido. O modelo multi-agent obteve resultados positivos, em sua maioria, sendo superiores ao buy-andhold em mais de 88% no experimento executado com o ativo ITSA4, porém os resultados de forma geral não são suficientes para a construção de um modelo comercial. Ao término do projeto foram propostas melhorias e possíveis trabalhos futuros com o intuito de auxiliar o desenvolvimento da área.The main motivation of the present academic work is the study of multi-agent reinforcement learning models, commonly used when the problem is episodic and the dynamic of the system is complex to be described analytically, applied to stock trading on the stock exchange, developing a cooperative system composed of one agent who represents the buying force of the stocks, and the other agent the sale force. The agents must interact to decide how much will be bought or sold, in order to optimize the profit obtained, creating what was called: investment portfolio manager”. At the end of the development, analyzes of the single-agent and multi-agent model were made, evaluations of the impact of using recurrent networks in the actor-critic model and proposals for improvement of the developed project. The multi-agent model achieved positive results, mostly, being better then buy-and-hold by more than 88% in the experiment performed with the stock ITSA4, however the results in general are not enough to build a business model. At the end of the project, improvements and possible future work were proposed in order to assist the development of the areaCentro Universitário FEI, São Bernardo do CampoBianchi, Reinaldo Augusto da CostaCapati, F. A.2021-06-09T14:05:27Z2021-06-09T14:05:27Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCAPATI, F. A. <b> Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro. </b> São Bernardo do Campo, 2021. il. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2021 Disponível em: https://doi.org/10.31414/EE.2021.D.131342.https://doi.org/10.31414/EE.2021.D.131342https://repositorio.fei.edu.br/handle/FEI/3228porpt_BRInteligência Artificial Aplicada à Automação e Robóticareponame:Biblioteca Digital de Teses e Dissertações da FEIinstname:Centro Universitário da Fundação Educacional Inaciana (FEI)instacron:FEIinfo:eu-repo/semantics/openAccess2023-03-14T12:53:55Zoai:repositorio.fei.edu.br:FEI/3228Biblioteca Digital de Teses e Dissertaçõeshttp://sofia.fei.edu.br/pergamum/biblioteca/PRIhttp://sofia.fei.edu.br/pergamum/oai/oai2.phpcfernandes@fei.edu.bropendoar:https://repositorio.fei.edu.br/oai/request2023-03-14T12:53:55Biblioteca Digital de Teses e Dissertações da FEI - Centro Universitário da Fundação Educacional Inaciana (FEI)false
dc.title.none.fl_str_mv Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro
title Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro
spellingShingle Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro
Capati, F. A.
aprendizado por reforço multiagente
reinforcement Learning
multi-agent reinforcement learning
title_short Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro
title_full Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro
title_fullStr Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro
title_full_unstemmed Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro
title_sort Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro
author Capati, F. A.
author_facet Capati, F. A.
author_role author
dc.contributor.none.fl_str_mv Bianchi, Reinaldo Augusto da Costa
dc.contributor.author.fl_str_mv Capati, F. A.
dc.subject.por.fl_str_mv aprendizado por reforço multiagente
reinforcement Learning
multi-agent reinforcement learning
topic aprendizado por reforço multiagente
reinforcement Learning
multi-agent reinforcement learning
description O presente trabalho tem como motivação principal o estudo de modelos de aprendizado por reforço multi-agent, comumente utilizados quando o problema é episódico e a dinâmica do sistema é complexa de ser descrita analiticamente, aplicado à negociação de ações na bolsa de valores, desenvolvendo um sistema cooperativo composto por um agente que representa a força de compra dos ativos, e outro agente a força de venda. Os agentes devem interagir para decidir quanto será comprado ou vendido, de modo a optimizar o lucro obtido, criando o que foi denominado de: “gestor de carteira de investimentos”. Ao término do desenvolvimento foram feitas análises do modelo single-agent e multi-agent, avaliações do impacto da modelagem do ator-crítico utilizando redes recorrentes e propostas de melhoria do projeto desenvolvido. O modelo multi-agent obteve resultados positivos, em sua maioria, sendo superiores ao buy-andhold em mais de 88% no experimento executado com o ativo ITSA4, porém os resultados de forma geral não são suficientes para a construção de um modelo comercial. Ao término do projeto foram propostas melhorias e possíveis trabalhos futuros com o intuito de auxiliar o desenvolvimento da área.
publishDate 2021
dc.date.none.fl_str_mv 2021-06-09T14:05:27Z
2021-06-09T14:05:27Z
2021
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv CAPATI, F. A. <b> Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro. </b> São Bernardo do Campo, 2021. il. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2021 Disponível em: https://doi.org/10.31414/EE.2021.D.131342.
https://doi.org/10.31414/EE.2021.D.131342
https://repositorio.fei.edu.br/handle/FEI/3228
identifier_str_mv CAPATI, F. A. <b> Aprendizado por reforço profundo multiagente aplicado a negociação de ativos de mercado financeiro. </b> São Bernardo do Campo, 2021. il. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2021 Disponível em: https://doi.org/10.31414/EE.2021.D.131342.
url https://doi.org/10.31414/EE.2021.D.131342
https://repositorio.fei.edu.br/handle/FEI/3228
dc.language.iso.fl_str_mv por
pt_BR
language por
language_invalid_str_mv pt_BR
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv Inteligência Artificial Aplicada à Automação e Robótica
dc.publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da FEI
instname:Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron:FEI
instname_str Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron_str FEI
institution FEI
reponame_str Biblioteca Digital de Teses e Dissertações da FEI
collection Biblioteca Digital de Teses e Dissertações da FEI
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da FEI - Centro Universitário da Fundação Educacional Inaciana (FEI)
repository.mail.fl_str_mv cfernandes@fei.edu.br
_version_ 1809225179018035200