Otimização de portfólio: uma análise através de técnicas de Reinforcement Learning e Autoencoders

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Melo, Fernando Danilo de
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:
Autoencoders
Reinforcement Learning
Aprendizado de Máquina
Criptomoedas
Cryptocurrencies
Dados Fundamentalistas
Dados Técnicas
Fundamental Data
Machine Learning
Mercado de Ações
Otimização de Portfólio
Portfolio Optimization
Stock Market
Technical Data
Link de acesso: https://www.teses.usp.br/teses/disponiveis/100/100132/tde-25112022-170424/
Resumo: Com o desenvolvimento dos algoritmos de Reinforcement Learning nos últimos anos, houve um aumento no número de estudos relacionados à negociação de ativos e otimização de portfólio. Embora trabalhos com dados de análise técnica e fundamentalista ganharam notoriedade nos últimos anos, poucos incluem ambos. Outro tema pouco explorado é o impacto do uso de Autoencoders para extrair variáveis e conexões entre os dados. Buscando explorar esses pontos e entender o impacto da introdução dessas variáveis, propomos um sistema inteligente para otimizar um portfólio por meio de análises de dados técnicos e fundamentalistas, bem como as variáveis geradas utilizando Autoencoders . Avaliamos o modelo em dois mercados distintos (o mercado Norte Americano de Ações e o de Criptoativos) em mais de 10 ativos, buscando avaliar o desempenho do agente em relação a modelos tradicionais. Posteriormente, esta avaliação permitiu-nos entender o impacto dos dados dos ativos em seu desempenho e como o agente se comporta em um mercado tradicional, como o de ações, e em mercados menos regulamentados, como o de criptomoedas
id USP_c8802ef16573454a8f04cf3472d7684b
oai_identifier_str oai:teses.usp.br:tde-25112022-170424
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Otimização de portfólio: uma análise através de técnicas de Reinforcement Learning e AutoencodersPortfolio optimization: an analysis through Reinforcement Learning techniques and AutoencodersAutoencodersReinforcement LearningAprendizado de MáquinaAutoencodersCriptomoedasCryptocurrenciesDados FundamentalistasDados TécnicasFundamental DataMachine LearningMercado de AçõesOtimização de PortfólioPortfolio OptimizationReinforcement LearningStock MarketTechnical DataCom o desenvolvimento dos algoritmos de Reinforcement Learning nos últimos anos, houve um aumento no número de estudos relacionados à negociação de ativos e otimização de portfólio. Embora trabalhos com dados de análise técnica e fundamentalista ganharam notoriedade nos últimos anos, poucos incluem ambos. Outro tema pouco explorado é o impacto do uso de Autoencoders para extrair variáveis e conexões entre os dados. Buscando explorar esses pontos e entender o impacto da introdução dessas variáveis, propomos um sistema inteligente para otimizar um portfólio por meio de análises de dados técnicos e fundamentalistas, bem como as variáveis geradas utilizando Autoencoders . Avaliamos o modelo em dois mercados distintos (o mercado Norte Americano de Ações e o de Criptoativos) em mais de 10 ativos, buscando avaliar o desempenho do agente em relação a modelos tradicionais. Posteriormente, esta avaliação permitiu-nos entender o impacto dos dados dos ativos em seu desempenho e como o agente se comporta em um mercado tradicional, como o de ações, e em mercados menos regulamentados, como o de criptomoedasWith the development of Reinforcement Learning algorithms in recent years, there has been an increase in the number of studies related to trading and portfolio optimization. Although works with technical and fundamental analysis data have gained notoriety recently, few include both of them. Another little explored subject is the impact of using Autoencoders to extract variables and connections among data. Seeking to explore these points and understand the impact of introducing these variables, we propose an intelligent system for optimizing a portfolio via analyses of technical and fundamental data as well as the variables generated through Autoencoder. We evaluated the model in ten markets (U.S. Stocks and Crypto assets) and more than 10 assets with hourly data, seeking to assess the agents performance about baselines. Subsequently, this evaluation allowed us to evaluate the impact of asset data on its performance and how the agent behaves in a more traditional market, such as stocks, and in less regulated markets, such as cryptocurrenciesBiblioteca Digitais de Teses e Dissertações da USPRodrigues Neto, CamiloMelo, Fernando Danilo de2022-09-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/100/100132/tde-25112022-170424/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/openAccesspor2023-05-16T14:11:54Zoai:teses.usp.br:tde-25112022-170424Biblioteca 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:27212023-05-16T14:11:54Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Otimização de portfólio: uma análise através de técnicas de Reinforcement Learning e Autoencoders
Portfolio optimization: an analysis through Reinforcement Learning techniques and Autoencoders
title Otimização de portfólio: uma análise através de técnicas de Reinforcement Learning e Autoencoders
spellingShingle Otimização de portfólio: uma análise através de técnicas de Reinforcement Learning e Autoencoders
Melo, Fernando Danilo de
Autoencoders
Reinforcement Learning
Aprendizado de Máquina
Autoencoders
Criptomoedas
Cryptocurrencies
Dados Fundamentalistas
Dados Técnicas
Fundamental Data
Machine Learning
Mercado de Ações
Otimização de Portfólio
Portfolio Optimization
Reinforcement Learning
Stock Market
Technical Data
title_short Otimização de portfólio: uma análise através de técnicas de Reinforcement Learning e Autoencoders
title_full Otimização de portfólio: uma análise através de técnicas de Reinforcement Learning e Autoencoders
title_fullStr Otimização de portfólio: uma análise através de técnicas de Reinforcement Learning e Autoencoders
title_full_unstemmed Otimização de portfólio: uma análise através de técnicas de Reinforcement Learning e Autoencoders
title_sort Otimização de portfólio: uma análise através de técnicas de Reinforcement Learning e Autoencoders
author Melo, Fernando Danilo de
author_facet Melo, Fernando Danilo de
author_role author
dc.contributor.none.fl_str_mv Rodrigues Neto, Camilo
dc.contributor.author.fl_str_mv Melo, Fernando Danilo de
dc.subject.por.fl_str_mv Autoencoders
Reinforcement Learning
Aprendizado de Máquina
Autoencoders
Criptomoedas
Cryptocurrencies
Dados Fundamentalistas
Dados Técnicas
Fundamental Data
Machine Learning
Mercado de Ações
Otimização de Portfólio
Portfolio Optimization
Reinforcement Learning
Stock Market
Technical Data
topic Autoencoders
Reinforcement Learning
Aprendizado de Máquina
Autoencoders
Criptomoedas
Cryptocurrencies
Dados Fundamentalistas
Dados Técnicas
Fundamental Data
Machine Learning
Mercado de Ações
Otimização de Portfólio
Portfolio Optimization
Reinforcement Learning
Stock Market
Technical Data
description Com o desenvolvimento dos algoritmos de Reinforcement Learning nos últimos anos, houve um aumento no número de estudos relacionados à negociação de ativos e otimização de portfólio. Embora trabalhos com dados de análise técnica e fundamentalista ganharam notoriedade nos últimos anos, poucos incluem ambos. Outro tema pouco explorado é o impacto do uso de Autoencoders para extrair variáveis e conexões entre os dados. Buscando explorar esses pontos e entender o impacto da introdução dessas variáveis, propomos um sistema inteligente para otimizar um portfólio por meio de análises de dados técnicos e fundamentalistas, bem como as variáveis geradas utilizando Autoencoders . Avaliamos o modelo em dois mercados distintos (o mercado Norte Americano de Ações e o de Criptoativos) em mais de 10 ativos, buscando avaliar o desempenho do agente em relação a modelos tradicionais. Posteriormente, esta avaliação permitiu-nos entender o impacto dos dados dos ativos em seu desempenho e como o agente se comporta em um mercado tradicional, como o de ações, e em mercados menos regulamentados, como o de criptomoedas
publishDate 2022
dc.date.none.fl_str_mv 2022-09-19
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/100/100132/tde-25112022-170424/
url https://www.teses.usp.br/teses/disponiveis/100/100132/tde-25112022-170424/
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_ 1815258453952692224

Registros relacionados