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

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 Dól...

Descripción completa

Detalles Bibliográficos
Autor: Kinoshita, J. K.
Tipo de recurso: tesis de maestría
Estado:Versión publicada
Fecha de publicación:2023
País:Brasil
Institución:Centro Universitário da Fundação Educacional Inaciana (FEI)
Repositorio:Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
Idioma:portugués
OAI Identifier:oai:repositorio.fei.edu.br:FEI/4843
Acceso en línea:https://repositorio.fei.edu.br/handle/FEI/4843
https://doi.org/10.31414/EE.2023.D.131622
Access Level:acceso abierto
Palabra clave:Redes neurais (Computação)
Aprendizado por reforço
Descripción
Sumario: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