Reinforcement Learning aplicado ao trading

Detalhes bibliográficos
Autor(a) principal: Pires, Diogo Miguel Teixeira Estevinho
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/48146
Resumo: Tese de mestrado, Matemática Financeira, Universidade de Lisboa, Faculdade de Ciências, 2020
id RCAP_0b89f051cd925e000405989297b76406
oai_identifier_str oai:repositorio.ul.pt:10451/48146
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Reinforcement Learning aplicado ao tradingReinforcement LearningQ-LearningRedes neuronaisMercado cambialTeses de mestrado - 2020Departamento de MatemáticaTese de mestrado, Matemática Financeira, Universidade de Lisboa, Faculdade de Ciências, 2020Neste trabalho desenvolve-se um algoritmo de trading aplicado ao mercado cambial. O algoritmo é obtido através de Reinforcement Learning. Propõe-se um processo de decisão de Markov para modelar o problema do trading de um ativo e usa-se o algoritmo model-free chamado Q-Learning com uma rede neuronal com 2 camadas ocultas de 40 células cada como função aproximação para resolvê-lo. Optou-se por uma função recompensa que calcula a variação percentual do valor da carteira e por um espaço de ações discreto onde as únicas opções são abrir uma posição longa/curta ou não abrir nenhuma posição. O algoritmo é testado em quatro pares de moedas, EUR/USD, GBP/USD, USD/JYP, USD/CHF, entre abril de 2015 e março de 2020. Além disso, o algoritmo é corrido várias vezes para cada par com o objetivo de testar a consistência do mesmo. Dois valores para o spread são utilizados. Os resultados são, em média, consistentes e positivos. Observa-se também um declínio da performance com o aumento do spread.In this work, a trading algorithm applied to the foreign exchange market is developed. The algorithm is obtained through Reinforcement Learning. A Markov decision process is proposed to model the problem of trading an asset and a model-free algorithm called Q-Learning is used with a neuronal network with 2 hidden layers of 40 cells each, as an approximation function, to solve it. We opted for a reward function that calculates the percentage variation of the portfolio's value and for a discrete action space where the only options are to open a long/short position or to open no position at all. The algorithm is tested on four currency pairs, EUR/USD, GBP/USD, USD/JYP, USD/CHF, between April 2015 and March 2020. Besides that, the algorithm is run several times for each pair to test its consistency. Two values for the spread are used. The results are, on average, consistent and positive. There is also a decline in the performance with the increase of the spread.Mendes, Diana E. AldeaRepositório da Universidade de LisboaPires, Diogo Miguel Teixeira Estevinho2021-05-25T14:38:46Z202020202020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/48146TID:202607291enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:51:23Zoai:repositorio.ul.pt:10451/48146Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:00:03.438427Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Reinforcement Learning aplicado ao trading
title Reinforcement Learning aplicado ao trading
spellingShingle Reinforcement Learning aplicado ao trading
Pires, Diogo Miguel Teixeira Estevinho
Reinforcement Learning
Q-Learning
Redes neuronais
Mercado cambial
Teses de mestrado - 2020
Departamento de Matemática
title_short Reinforcement Learning aplicado ao trading
title_full Reinforcement Learning aplicado ao trading
title_fullStr Reinforcement Learning aplicado ao trading
title_full_unstemmed Reinforcement Learning aplicado ao trading
title_sort Reinforcement Learning aplicado ao trading
author Pires, Diogo Miguel Teixeira Estevinho
author_facet Pires, Diogo Miguel Teixeira Estevinho
author_role author
dc.contributor.none.fl_str_mv Mendes, Diana E. Aldea
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Pires, Diogo Miguel Teixeira Estevinho
dc.subject.por.fl_str_mv Reinforcement Learning
Q-Learning
Redes neuronais
Mercado cambial
Teses de mestrado - 2020
Departamento de Matemática
topic Reinforcement Learning
Q-Learning
Redes neuronais
Mercado cambial
Teses de mestrado - 2020
Departamento de Matemática
description Tese de mestrado, Matemática Financeira, Universidade de Lisboa, Faculdade de Ciências, 2020
publishDate 2020
dc.date.none.fl_str_mv 2020
2020
2020-01-01T00:00:00Z
2021-05-25T14:38:46Z
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 http://hdl.handle.net/10451/48146
TID:202607291
url http://hdl.handle.net/10451/48146
identifier_str_mv TID:202607291
dc.language.iso.fl_str_mv eng
language eng
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.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134546773409792

Registros relacionados