Avaliação de estratégias de trading por algoritmo baseadas em rompimentos de linhas de tendências aplicadas ao índice de força relativa

• Ano de defesa: 2025
• Autor(a) principal: Carvalho, Fábio Murilo Costa D'avila
• Orientador(a): Marques, Alessandro Martim
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Algoritmo; Análise técnica; Linhas de tendência; Investimentos; Ações; RSI; Índice de Força Relativa; Mercado financeiro; Python
• Palavras-chave em Inglês: Trading; Backtesting; Backtest; Algorithm; Technical analysis; Trendlines; Investments; Stocks; Relative strength index
• Link de acesso: https://hdl.handle.net/10438/36558

Esta dissertação avalia a eficácia de estratégias de trading algorítmico baseadas no rompimento de linhas de tendência aplicadas ao Índice de Força Relativa (RSI). Utilizando dados históricos de ações do índice S&P 500 e adotando uma abordagem rigorosa de otimização de parâmetros, o estudo fornece uma análise sistemática de como esses sinais podem ser usados para gerar recomendações de compra e venda. A metodologia, desenvolvida em Python, envolve a identificação de linhas de tendência derivadas do RSI, a validação de sinais de rompimento e a realização de testes em diversos cenários. Os resultados demonstram que a estratégia proposta entrega retornos consistentemente superiores em comparação com abordagens tradicionais de buyand-hold em um número significativo de casos. O Sharpe Ratio e os retornos anualizados se destacam, evidenciando o forte desempenho ajustado ao risco da estratégia. Além disso, a flexibilidade do modelo permite sua extensão para outras classes de ativos, como índices, moedas e dados intradiários, indicando um potencial de aplicação mais amplo. As técnicas desenvolvidas para a construção de linhas de tendência fornecem uma estrutura robusta para estudos futuros e podem ser valiosas para outras pesquisas que incorporem linhas de tendência como parte de seus processos de geração de sinais. O estudo também explora a aplicação de sinais baseados em linhas de tendência não diretamente nos gráficos de preços, mas em indicadores derivados, como RSI, demonstrando o potencial de geração de sinais robustos a partir de dados transformados. Um aspecto central desta pesquisa é a implementação prática de intervalos de teste alternados e aleatórios na calibração e validação da estratégia, que reduz os riscos associados ao ajuste excessivo (overfitting) e melhora a robustez da avaliação da estratégia. Os resultados contribuem para o campo da análise técnica ao implementar rotinas e técnicas para o uso de rompimentos de linhas de tendência aplicáveis a muitos indicadores gráficos. Este estudo também estabelece as bases para outras pesquisas, incluindo a integração de técnicas de aprendizado de máquina e a aplicação dessas estratégias em ambientes de negociação em tempo real.