Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Santos, Thiago Rayam Souza
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado computacional
Gradient boosting
Machine learning
Random forest
Sistema de trading
Trading system
Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3139/tde-03012024-143028/
Resumo: Este trabalho apresenta a aplicação de modelos de aprendizado de máquina baseados em árvores de decisão na avaliação dos momentos ideais para compra e venda de ativos no mercado de ações brasileiro. O aprendizado dos modelos é conduzido utilizando indicadores de mercado, calculados a partir da série histórica de preços. O trabalho apresenta uma aplicação prática, abordando o desafio do tratamento de variáveis não estacionárias, bem como a seleção das melhores variáveis para o modelo. Além de avaliar a capacidade de classificação dos melhores momentos de compra e venda, o estudo também inclui uma análise da aplicação dos modelos na geração de ordens de compra e venda, com a realização do backtesting no período de 2017 até 2023. Os resultados obtidos são comparados com a estratégia conhecida como Moving Average Crossover e uma estratégia baseada em ordens aleatórias, além de serem comparados com o Buy and Hold.
id USP_a2281346e793708f4a1e50e1dda54041
oai_identifier_str oai:teses.usp.br:tde-03012024-143028
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.Decision-making system in the stock market using machine learning.Aprendizado computacionalGradient boostingMachine learningRandom forestSistema de tradingTrading systemEste trabalho apresenta a aplicação de modelos de aprendizado de máquina baseados em árvores de decisão na avaliação dos momentos ideais para compra e venda de ativos no mercado de ações brasileiro. O aprendizado dos modelos é conduzido utilizando indicadores de mercado, calculados a partir da série histórica de preços. O trabalho apresenta uma aplicação prática, abordando o desafio do tratamento de variáveis não estacionárias, bem como a seleção das melhores variáveis para o modelo. Além de avaliar a capacidade de classificação dos melhores momentos de compra e venda, o estudo também inclui uma análise da aplicação dos modelos na geração de ordens de compra e venda, com a realização do backtesting no período de 2017 até 2023. Os resultados obtidos são comparados com a estratégia conhecida como Moving Average Crossover e uma estratégia baseada em ordens aleatórias, além de serem comparados com o Buy and Hold.This work presents the application of machine learning models based on decision trees in evaluating the optimal moments for buying and selling assets in the Brazilian stock market. The learning of these models is conducted using market indicators calculated from the historical price series. The study introduces a practical application, addressing the challenge of handling non-stationary variables, as well as the selection of the best variables for the model. In addition to assessing the classification capability of the best moments to buy and sell, the study also includes an analysis of the models application in generating buy and sell orders, with backtesting conducted from 2017 to 2023. The obtained results are compared with the strategy known as Moving Average Crossover and a strategy based on random orders, in addition to being compared with Buy and Hold.Biblioteca Digitais de Teses e Dissertações da USPCosta, Oswaldo Luiz do ValleSantos, Thiago Rayam Souza2023-12-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3139/tde-03012024-143028/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-01-05T11:19:02Zoai:teses.usp.br:tde-03012024-143028Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-01-05T11:19:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.
Decision-making system in the stock market using machine learning.
title Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.
spellingShingle Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.
Santos, Thiago Rayam Souza
Aprendizado computacional
Gradient boosting
Machine learning
Random forest
Sistema de trading
Trading system
title_short Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.
title_full Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.
title_fullStr Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.
title_full_unstemmed Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.
title_sort Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina.
author Santos, Thiago Rayam Souza
author_facet Santos, Thiago Rayam Souza
author_role author
dc.contributor.none.fl_str_mv Costa, Oswaldo Luiz do Valle
dc.contributor.author.fl_str_mv Santos, Thiago Rayam Souza
dc.subject.por.fl_str_mv Aprendizado computacional
Gradient boosting
Machine learning
Random forest
Sistema de trading
Trading system
topic Aprendizado computacional
Gradient boosting
Machine learning
Random forest
Sistema de trading
Trading system
description Este trabalho apresenta a aplicação de modelos de aprendizado de máquina baseados em árvores de decisão na avaliação dos momentos ideais para compra e venda de ativos no mercado de ações brasileiro. O aprendizado dos modelos é conduzido utilizando indicadores de mercado, calculados a partir da série histórica de preços. O trabalho apresenta uma aplicação prática, abordando o desafio do tratamento de variáveis não estacionárias, bem como a seleção das melhores variáveis para o modelo. Além de avaliar a capacidade de classificação dos melhores momentos de compra e venda, o estudo também inclui uma análise da aplicação dos modelos na geração de ordens de compra e venda, com a realização do backtesting no período de 2017 até 2023. Os resultados obtidos são comparados com a estratégia conhecida como Moving Average Crossover e uma estratégia baseada em ordens aleatórias, além de serem comparados com o Buy and Hold.
publishDate 2023
dc.date.none.fl_str_mv 2023-12-08
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 https://www.teses.usp.br/teses/disponiveis/3/3139/tde-03012024-143028/
url https://www.teses.usp.br/teses/disponiveis/3/3139/tde-03012024-143028/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1865490803993870336

Registros relacionados