UTILIZAÇÃO DE ALGORITMOS GENÉTICOS NO - PRP

UTILIZAÇÃO DE ALGORITMOS GENÉTICOS NO MERCADO DE
AÇÕES
Autor: Kaian Werkhaizer Ferraz – [email protected]
Orientador: Antonio Carlos Moretti - [email protected]
Unidade: INSTITUTO DE MATEMÁTICA, ESTATÍSTICA E
COMPUTAÇÃO CIENTÍFICA – IMECC
Apoio: Conselho Nacional de Desenvolvimento Científico e
Tecnológico – CNPq
Palavras-chave: Algoritmos Genéticos – Modelagem Econômica,
Heurísticas
●
INTRODUÇÃO
●
O ALGORITMO
O projeto consistiu no desenvolvimento e teste de
uma estratégia de avaliação de investimentos no
mercado de ações com o uso de algoritmos
genéticos.
•
●
METODOLOGIA
O método avalia indicadores econômicos para
determinar se qual investimento é uma melhor
estratégia baseado em desempenhos passados da
seguinte avaliação:
•
●
RESULTADOS
Teste
Período
Recomendação
Rendimento Ativo 1
Rendimento Ativo 2
1
5 meses
Ativo 2
-2,92%
0,5470%
2
7 trim.
Ativo 1
2,56%
1,6609%
3
4 anos
Ativo 2
-31,30%
1,5616%
[1] ESHELMAN, L. J., e SCHAFFER, J. D. Crossovers niche, San Mateo, CA: S. Forrest, 1993
TESTES
Vetor solução: Si = u1, u2, v1, v2
Onde v1 representa a sequencia de sinais MAIOR/MENOR e v2 a sequencia
de relação E/OU
Tabela 1 – Informações dos testes
●
Tabela 2 – Quadro resumo dos testes
Mutação
uj = r * (pais[k][j])
- Dois ativos, dois indicadores:
Se o indicador 1 for MENOR/MAIOR QUE u1,
E/OU o indicador 2 for MENOR/MAIOR QUE u2,
E/OU o indicador 3 for MENOR/MAIOR QUE u3
[...] E/OU o indicador m for MENOR/MAIOR
QUE um então o rendimento esperado é igual
ao rendimento histórico do ativo 1. Caso
contrário, o rendimento esperado é igual ao
rendimento histórico do ativo 2.
●
Crossover
- Blend Crossover [1]:
uj = pais[k][j] + r *(pais[k][j] pais[k+1][j])
Teste
Ativo 1
Ativo 2
Indicador 1
Indicador 2
1
Petrobrás PN
(PETR4.SA)
Poupança
Variação do Preço do Barril
de Petróleo Bruto
Ibovespa
2
Natura ON
(NATU3.SA)
Poupança
Índice de Preços de Insumos
Industriais (IPII)
Ibovespa
3
Cyrela Real
ON
(CYRE3.SA)
Poupança
Índice Nacional de Custo da
Construção de Mercado
(INCC-M)
Ibovespa
CONCLUSÕES E DISCUSSÕES
- Recomendações corretas em todos os
testes
- Grande flexibilidade do algoritmo
- Altamente dependente de base de
dados