Banca de DEFESA: JOÃO PAULO COSTA E SOUZA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : JOÃO PAULO COSTA E SOUZA
DATA : 28/02/2025
HORA: 14:00
LOCAL: Virtual - Teams
TÍTULO:

Usando IA para previsão e negociação em mercados, um estudo de aprendizagem profunda e aprendizagem por reforço profundo em finanças

PALAVRAS-CHAVES:

Rainbow DQN, Aprendizado por Reforço, Aprendizado por Reforço Profundo, Previsão de Preço, Criptomoedas, Finanças

PÁGINAS: 123
RESUMO:

No contexto de negociação financeira, a identificação de tendências e estratégias de tomada de decisão são componentes cruciais para atingir lucratividade consistente e minimizar riscos. Dada a importância desses dois desafios, este projeto propõe uma solução que combina várias técnicas avançadas para aprimorar a precisão preditiva e o desempenho de negociação. A abordagem proposta incorpora Autoencoders para engenharia de recursos, permitindo redução efetiva de dimensionalidade e a extração de padrões significativos de indicadores técnicos. Para identificação de tendências, o modelo alavanca uma combinação de Redes Neurais Convolucionais (CNNs) e Redes de Memória Longa e Curta Prazo Bidirecionais (BiLSTMs), juntamente com rotulagem baseada em regressão linear para definir tendências de mercado com maior precisão. Na fase de tomada de decisão, o sistema emprega o algoritmo Rainbow DQN, aprimorado com um buffer de memória, para otimizar estratégias de negociação e maximizar a lucratividade no mercado de criptomoedas. Para avaliar rigorosamente a eficácia da estrutura proposta, o desempenho de identificação de tendências é avaliado usando precisão, exatidão e recall, enquanto o desempenho de negociação é medido por meio de retorno, sua média e desvio padrão. Os resultados experimentais demonstram que o modelo supera uma linha de base aleatória na previsão de tendências, validando a eficácia dos componentes de engenharia de recursos e aprendizado profundo. Além disso, apesar de experimentar flutuações significativas nos retornos de negociação, o agente obteve um lucro médio positivo, destacando o potencial da abordagem proposta no desenvolvimento de uma estratégia de negociação adaptável e orientada por dados.

MEMBROS DA BANCA:
Presidente - 3085005 - GERALDO PEREIRA ROCHA FILHO
Interna - 1780217 - EDNA DIAS CANEDO
Externo à Instituição - FRANCISCO AIRTON PEREIRA DA SILVA - UFPI