Modelo de Financial Trading através de Redes Neuronais Convolucionais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10451/48006 |
Resumo: | Tese de mestrado, Matemática Financeira, Universidade de Lisboa, Faculdade de Ciências, 2020 |
id |
RCAP_bcc507d9c7e8dcbf5d36cf2fed071f3f |
---|---|
oai_identifier_str |
oai:repositorio.ul.pt:10451/48006 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Modelo de Financial Trading através de Redes Neuronais ConvolucionaisAlgoritmo de TradingDeep LearningMatemática FinanceiraPredição FinanceiraRedes Neuronais ConvolucionaisTeses de mestrado - 2020Departamento de MatemáticaTese de mestrado, Matemática Financeira, Universidade de Lisboa, Faculdade de Ciências, 2020Actualmente a Inteligência Artificial está presente um pouco por todas as áreas, nomeadamente nos Mercados Financeiros. No entanto, neste trabalho explora-se uma metodologia que foge à regra do que tem vindo a ser desenvolvido. Através de imagens de gráficos de barras que representam o preço de fecho de ações (Dow Jones 30) e com a utilização de uma Rede Neuronal Convolucional (CNN) tentou criar-se um novo modelo/algoritmo de negociação financeira. Foi considerado o intervalo temporal de 1987-2020 para gerar as imagens, cada uma com uma janela temporal de 30 dias e estas foram o input para treinar o algoritmo da CNN com o objetivo final de determinar pontos de Buy, Sell ou Hold. Os resultados indicaram que, apesar de este ser um estudo preliminar e possivelmente umas das primeiras tentativas de uma abordagem não convencional, o algoritmo conseguiu responder de forma favorável à identificação de pontos de Trading. De notar que devido ao estado embrionário deste estudo, há muita margem para que os resultados e conclusões sejam melhoradas, tal como outros ajustes que possam combinar diferentes estratégias ou algoritmos.Nowadays, Artificial Intelligence is present in all areas, namely in Financial Markets. However, this work explores a methodology that is an exception to the rule of what has been developed. Through images of bar chart that represent the closing price of stocks (Dow Jones 30) and using a Convolutional Neuronal Network (CNN), a new financial trading model / algorithm was created. Was considered the time interval from 1987 to 2020 to generate the images, each with a time window of 30 days and these were the input to train the CNN algorithm with the ultimate goal of determining the Buy, Sell or Hold points. The results indicate that, although this was a preliminary study and probably one of the first attempts at an unconventional approach, the algorithm was able to respond favorably to the identification of Trading points. It should be noted that due to the embryonic state of this study, there is an opportunity for the results and conclusions to be improved, as well as other adjustments that might be combined in different strategies or algorithms.Mendes, Diana E. AldeaRepositório da Universidade de LisboaGodinho, Carolina do Carmo2021-05-19T14:01:10Z202020202020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/48006TID:202607410porinfo: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:RCAAP2023-11-08T16:51:12Zoai:repositorio.ul.pt:10451/48006Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:59:57.058603Repositório 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 |
Modelo de Financial Trading através de Redes Neuronais Convolucionais |
title |
Modelo de Financial Trading através de Redes Neuronais Convolucionais |
spellingShingle |
Modelo de Financial Trading através de Redes Neuronais Convolucionais Godinho, Carolina do Carmo Algoritmo de Trading Deep Learning Matemática Financeira Predição Financeira Redes Neuronais Convolucionais Teses de mestrado - 2020 Departamento de Matemática |
title_short |
Modelo de Financial Trading através de Redes Neuronais Convolucionais |
title_full |
Modelo de Financial Trading através de Redes Neuronais Convolucionais |
title_fullStr |
Modelo de Financial Trading através de Redes Neuronais Convolucionais |
title_full_unstemmed |
Modelo de Financial Trading através de Redes Neuronais Convolucionais |
title_sort |
Modelo de Financial Trading através de Redes Neuronais Convolucionais |
author |
Godinho, Carolina do Carmo |
author_facet |
Godinho, Carolina do Carmo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Mendes, Diana E. Aldea Repositório da Universidade de Lisboa |
dc.contributor.author.fl_str_mv |
Godinho, Carolina do Carmo |
dc.subject.por.fl_str_mv |
Algoritmo de Trading Deep Learning Matemática Financeira Predição Financeira Redes Neuronais Convolucionais Teses de mestrado - 2020 Departamento de Matemática |
topic |
Algoritmo de Trading Deep Learning Matemática Financeira Predição Financeira Redes Neuronais Convolucionais 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 2021-05-19T14:01:10Z |
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/10451/48006 TID:202607410 |
url |
http://hdl.handle.net/10451/48006 |
identifier_str_mv |
TID:202607410 |
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.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_ |
1799134545754193920 |