Os desafios da Machine Learning: Aplicação ao Mercado Financeiro

Detalhes bibliográficos
Autor(a) principal: Páscoa, Mariana Isabel Ferreira
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/84617
Resumo: Relatório de Estágio do Mestrado em Economia apresentado à Faculdade de Economia
id RCAP_1cffb74ca61db58118ff86b46c89bf71
oai_identifier_str oai:estudogeral.uc.pt:10316/84617
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Os desafios da Machine Learning: Aplicação ao Mercado FinanceiroThe Challenges of Machine Learning: Application to the Financial MarketMachine LearningClassification TreesRandom ForestsCapital MarketsMachine LearningÁrvores de ClassificaçãoRandom ForestsMercados FinanceirosRelatório de Estágio do Mestrado em Economia apresentado à Faculdade de EconomiaThe current report is presented as the result of curricular internship, held between 15 February 15, 2018 and May 24, 2018, at Feedzai – Consultoria e Inovação Tecnológica, S.A. with the purpose of obtaining a Master's Degree in Economics from the Faculty of Economics from University of Coimbra.Machine learning (ML) stands as the main topic of the present work. There are several definitions for what constitutes ML, and it seems particularly appropriate to define it as a process that allows computers to improve their performance in a given task through experience.Machine learning has been gathering notoriety in the last years. Over the last decades it has contributed positively in several sectors of activity. Using ML's concepts and respective application, it is possible to increase productivity and reduce costs, detect fraud, improve predictive performance and thus improve the decision-making process. These are some of the potentialities of ML. In particular, predictive analysis has been seen as an important factor to ensure competitive advantage between companies. Underlying theme choice is the curiosity to know more about what ML is, how it is changing our life and how it works. Alongside with this reason is the fact that Feedzai is a technology-based company that uses several ML techniques, which aroused my interest in writing about ML applied to my base training area - economy. Throughout this work the importance of this topic in the financial markets will be discussed.The goal of this report is to describe tasks performed during the internship followed by respective analysis and also to study the application of ML techniques, namely classification trees and random forests, through an empirical case. This empirical case is used as object to test the predictive capacity in the financial market of bitcoin and PSI 20.According to test results obtained, no ML technique was found undoubtedly better than the others because each technique is more likely to fit depending on the characteristics of the database, which means, the results indicate that the classification trees technique offers relatively more accurate results in the PSI market 20 while the random forests algorithm fits the most on the bitcoin market.Additionally according to empirical case, the results tend to indicate that by using methodologies discussed in this report, the forecasting capacity was best performed when applied to PSI 20 market rather than in the bitcoin market.O presente relatório surge na sequência do estágio curricular, decorrido entre 15 de fevereiro de 2018 a 24 de maio de 2018, na Feedzai – Consultoria e Inovação Tecnológica, S.A. com vista à obtenção do grau de Mestre em Economia, pela Faculdade de Economia de Universidade de Coimbra. O tema central neste trabalho é a machine learning (ML). Há várias definições para o que constitui ML, parecendo particularmente apropriada aquela que a define como um processo que permite que os computadores melhorem o seu desempenho numa determinada tarefa através da experiência. A machine learning tem vido a ganhar popularidade. Ao longo das últimas décadas tem contribuído positivamente em vários sectores de atividade. Com a aplicação e conceitos da ML é possível aumentar a produtividade e reduzir custos, detetar fraudes, melhorar o desempenho preditivo e, desta forma, aperfeiçoar o processo de tomada de decisão. Estas são algumas das potencialidades de ML. Nomeadamente a análise preditiva tem vindo a ser considerada como um factor importante para assegurar a vantagem competitiva nas empresas. Subjacente à escolha do tema, está a curiosidade por saber mais sobre o que é a ML, como ela está a mudar a nossa vida e como ela funciona. Este motivo associado ao facto da Feedzai ser uma empresa de base tecnológica e utilizadora de várias técnicas de ML, o que me suscitou interesse em escrever sobre ML aplicada à minha área de formação base, economia. Ao longo deste trabalho é discutida a importância deste tema no âmbito dos mercados financeiros.O objetivo deste relatório é descrever as minhas tarefas realizadas no estágio e a respetiva análise crítica e estudar a aplicação das técnicas de ML, nomeadamente as árvores de classificação e random forests, através de um caso empírico. O propósito deste caso empírico é testar a capacidade preditiva no mercado financeiro da bitcoin e do PSI 20.De acordo com os resultados obtidos, não é possível eleger uma técnica de ML melhor pois cada técnica adapta-se melhor consoante as características da base de dados, ou seja, os resultados indicam que a técnica das árvores de classificação oferece melhores resultados no mercado PSI 20 enquanto o algoritmo random forests obtém melhores resultados junto do mercado da bitcoin. Os resultados indicam também que as estratégias com base em ML obtêm, geralmente, melhores resultados do que a estratégia buy & hold quando aplicadas ao PSI 20, mas o mesmo não se passa quando são aplicadas ao mercado das bitcoins.2018-09-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/84617http://hdl.handle.net/10316/84617TID:202159760porPáscoa, Mariana Isabel Ferreirainfo: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:RCAAP2019-11-07T10:58:18Zoai:estudogeral.uc.pt:10316/84617Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:06:08.873437Repositório 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 Os desafios da Machine Learning: Aplicação ao Mercado Financeiro
The Challenges of Machine Learning: Application to the Financial Market
title Os desafios da Machine Learning: Aplicação ao Mercado Financeiro
spellingShingle Os desafios da Machine Learning: Aplicação ao Mercado Financeiro
Páscoa, Mariana Isabel Ferreira
Machine Learning
Classification Trees
Random Forests
Capital Markets
Machine Learning
Árvores de Classificação
Random Forests
Mercados Financeiros
title_short Os desafios da Machine Learning: Aplicação ao Mercado Financeiro
title_full Os desafios da Machine Learning: Aplicação ao Mercado Financeiro
title_fullStr Os desafios da Machine Learning: Aplicação ao Mercado Financeiro
title_full_unstemmed Os desafios da Machine Learning: Aplicação ao Mercado Financeiro
title_sort Os desafios da Machine Learning: Aplicação ao Mercado Financeiro
author Páscoa, Mariana Isabel Ferreira
author_facet Páscoa, Mariana Isabel Ferreira
author_role author
dc.contributor.author.fl_str_mv Páscoa, Mariana Isabel Ferreira
dc.subject.por.fl_str_mv Machine Learning
Classification Trees
Random Forests
Capital Markets
Machine Learning
Árvores de Classificação
Random Forests
Mercados Financeiros
topic Machine Learning
Classification Trees
Random Forests
Capital Markets
Machine Learning
Árvores de Classificação
Random Forests
Mercados Financeiros
description Relatório de Estágio do Mestrado em Economia apresentado à Faculdade de Economia
publishDate 2018
dc.date.none.fl_str_mv 2018-09-18
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/10316/84617
http://hdl.handle.net/10316/84617
TID:202159760
url http://hdl.handle.net/10316/84617
identifier_str_mv TID:202159760
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
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_ 1799133952103940096

Registros relacionados