Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Kinoshita, J. K.
Orientador(a): Bianchi, Reinaldo Augusto da Costa
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Centro Universitário FEI, São Bernardo do Campo
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Redes neurais (Computação)
Aprendizado por reforço
Link de acesso: https://repositorio.fei.edu.br/handle/FEI/4843
https://doi.org/10.31414/EE.2023.D.131622
Resumo: Recentemente há um aumento exponencial no uso de técnicas de aprendizado de máquina no mercado financeiro, principalmente para negociação de ações, na tentativa de prever o seu preço futuro. O objetivo desse projeto é desenvolver um sistema de negociação inteligente para o Minicontrato Futuro de Dólar, baseado no uso de aprendizado por reforço, usando o Deep Recurrent Q learning, um modelo de Redes Neurais Convolucionais combinadas com as Redes Neurais Recorrentes. O treinamento foi baseado em uma base da dados históricos do ativo e o agente realizou três ações: comprar, vender, manter o ativo, sempre visando o máximo retorno financeiro. Os experimentos realizados demonstraram que o sistema proposto teve um desempenho melhor do que as estratégias de Buy and Hold, um modelo baseado na Deep Q Network, um Fundo Cambial e uma estratégia baseada no indicador técnico MACD. Palavras-chave: Aprendizado por Reforço Profundo. Redes Neurais Convolucionais. Redes Neurais Recorrentes. Long Short-Term Network. Deep Recurrent Q Network. Mercado Futuro
id FEI_d1e02256bfb8bab8be331a3b58e750ec
oai_identifier_str oai:repositorio.fei.edu.br:FEI/4843
network_acronym_str FEI
network_name_str Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
repository_id_str
spelling Kinoshita, J. K.Bianchi, Reinaldo Augusto da Costa2023-06-08T15:28:14Z2023-06-08T15:28:14Z2023KINOSHITA, J. K. <b> Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar. </b> 2023. 88 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2023. Disponível em: https://doi.org/10.31414/EE.2023.D.131622.https://repositorio.fei.edu.br/handle/FEI/4843https://doi.org/10.31414/EE.2023.D.131622Recentemente há um aumento exponencial no uso de técnicas de aprendizado de máquina no mercado financeiro, principalmente para negociação de ações, na tentativa de prever o seu preço futuro. O objetivo desse projeto é desenvolver um sistema de negociação inteligente para o Minicontrato Futuro de Dólar, baseado no uso de aprendizado por reforço, usando o Deep Recurrent Q learning, um modelo de Redes Neurais Convolucionais combinadas com as Redes Neurais Recorrentes. O treinamento foi baseado em uma base da dados históricos do ativo e o agente realizou três ações: comprar, vender, manter o ativo, sempre visando o máximo retorno financeiro. Os experimentos realizados demonstraram que o sistema proposto teve um desempenho melhor do que as estratégias de Buy and Hold, um modelo baseado na Deep Q Network, um Fundo Cambial e uma estratégia baseada no indicador técnico MACD. Palavras-chave: Aprendizado por Reforço Profundo. Redes Neurais Convolucionais. Redes Neurais Recorrentes. Long Short-Term Network. Deep Recurrent Q Network. Mercado FuturoRecently, there is an exponential increase in the usage of machine learning applied in the financial market, primaly for trade stocks, in an attempt to forecast the movement of their prices. The proposal of this research is developing an intelligent trade system for Mini US Dollar Future, based on Deep Recurrent Q Learning, a model that uses Convolutional Neural Networks combined with Recurrent Neural Networks. The training is based on the historical data from the asset and the agent performs its actions of buy, hold and sell, always aiming the maximum return. The experiments demonstrated that the propose system has had better outcomes than the traditional strategy Buy and Hold, a model based on the Deep q Network, an Exchange Fund and a strategy that utilized the technical indicator MACD as action generator. Keywords: Deep Reinforcement Learning. Convolutional Neural Network. Recurrent Network. Long Short-Term Network. Deep Recurrent Q Network. Future MarketCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESporpt_BRCentro Universitário FEI, São Bernardo do CampoRedes neurais (Computação)Aprendizado por reforçoAprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólarinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisInteligência Artificial Aplicada à Automação e Robóticareponame:Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)instname:Centro Universitário da Fundação Educacional Inaciana (FEI)instacron:FEIinfo:eu-repo/semantics/openAccessORIGINALfulltext.pdfapplication/pdf1840290https://repositorio.fei.edu.br/bitstreams/148695fb-a933-483e-a59c-0e580cf3a667/download8a2a76d78d192ee40fef07e7bfa61a9aMD51trueAnonymousREADTEXTfulltext.pdf.txtfulltext.pdf.txtExtracted texttext/plain102963https://repositorio.fei.edu.br/bitstreams/9c6be761-5aa7-4dfd-8096-d5b2dc9da724/download0d70e9bad309f5315f8739c17ba59919MD52falseAnonymousREADTHUMBNAILfulltext.pdf.jpgfulltext.pdf.jpgGenerated Thumbnailimage/jpeg2522https://repositorio.fei.edu.br/bitstreams/4e45aeb4-9d6a-4189-91b6-61d43962034a/download39e54c22d6ac5769c5a9d03e305e3149MD53falseAnonymousREADFEI/48432025-06-24 17:34:56.679open.accessoai:repositorio.fei.edu.br:FEI/4843https://repositorio.fei.edu.brBiblioteca Digital de Teses e Dissertaçõeshttp://sofia.fei.edu.br/pergamum/biblioteca/PRIhttps://repositorio-api.fei.edu.br/server/oai/requestcfernandes@fei.edu.bropendoar:2025-06-24T17:34:56Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI) - Centro Universitário da Fundação Educacional Inaciana (FEI)false
dc.title.pt_BR.fl_str_mv Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar
title Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar
spellingShingle Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar
Kinoshita, J. K.
Redes neurais (Computação)
Aprendizado por reforço
title_short Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar
title_full Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar
title_fullStr Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar
title_full_unstemmed Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar
title_sort Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar
author Kinoshita, J. K.
author_facet Kinoshita, J. K.
author_role author
dc.contributor.author.fl_str_mv Kinoshita, J. K.
dc.contributor.advisor1.fl_str_mv Bianchi, Reinaldo Augusto da Costa
contributor_str_mv Bianchi, Reinaldo Augusto da Costa
dc.subject.por.fl_str_mv Redes neurais (Computação)
Aprendizado por reforço
topic Redes neurais (Computação)
Aprendizado por reforço
description Recentemente há um aumento exponencial no uso de técnicas de aprendizado de máquina no mercado financeiro, principalmente para negociação de ações, na tentativa de prever o seu preço futuro. O objetivo desse projeto é desenvolver um sistema de negociação inteligente para o Minicontrato Futuro de Dólar, baseado no uso de aprendizado por reforço, usando o Deep Recurrent Q learning, um modelo de Redes Neurais Convolucionais combinadas com as Redes Neurais Recorrentes. O treinamento foi baseado em uma base da dados históricos do ativo e o agente realizou três ações: comprar, vender, manter o ativo, sempre visando o máximo retorno financeiro. Os experimentos realizados demonstraram que o sistema proposto teve um desempenho melhor do que as estratégias de Buy and Hold, um modelo baseado na Deep Q Network, um Fundo Cambial e uma estratégia baseada no indicador técnico MACD. Palavras-chave: Aprendizado por Reforço Profundo. Redes Neurais Convolucionais. Redes Neurais Recorrentes. Long Short-Term Network. Deep Recurrent Q Network. Mercado Futuro
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-06-08T15:28:14Z
dc.date.available.fl_str_mv 2023-06-08T15:28:14Z
dc.date.issued.fl_str_mv 2023
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.citation.fl_str_mv KINOSHITA, J. K. <b> Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar. </b> 2023. 88 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2023. Disponível em: https://doi.org/10.31414/EE.2023.D.131622.
dc.identifier.uri.fl_str_mv https://repositorio.fei.edu.br/handle/FEI/4843
dc.identifier.doi.none.fl_str_mv https://doi.org/10.31414/EE.2023.D.131622
identifier_str_mv KINOSHITA, J. K. <b> Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar. </b> 2023. 88 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2023. Disponível em: https://doi.org/10.31414/EE.2023.D.131622.
url https://repositorio.fei.edu.br/handle/FEI/4843
https://doi.org/10.31414/EE.2023.D.131622
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.coverage.area.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:Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (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 Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
collection Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
bitstream.url.fl_str_mv https://repositorio.fei.edu.br/bitstreams/148695fb-a933-483e-a59c-0e580cf3a667/download
https://repositorio.fei.edu.br/bitstreams/9c6be761-5aa7-4dfd-8096-d5b2dc9da724/download
https://repositorio.fei.edu.br/bitstreams/4e45aeb4-9d6a-4189-91b6-61d43962034a/download
bitstream.checksum.fl_str_mv 8a2a76d78d192ee40fef07e7bfa61a9a
0d70e9bad309f5315f8739c17ba59919
39e54c22d6ac5769c5a9d03e305e3149
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI) - Centro Universitário da Fundação Educacional Inaciana (FEI)
repository.mail.fl_str_mv cfernandes@fei.edu.br
_version_ 1856221264740352000

Registros relacionados