Replicando estratégias de trading sintéticas utilizando redes neurais

• Autor(a) principal: Fonseca, Raul do Vale
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional do FGV (FGV Repositório Digital)
• Texto Completo: http://hdl.handle.net/10438/24749
• topic: Trading strategy; Neural networks; Mimic; Estratégias de trading; Redes neurais; Replicação; Economia; Redes neurais (Computação); Finanças - Métodos de simulação; Mercado de capitais - Simulação por computador

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.