Utilize este link para identificar ou citar este item:
https://bdm.unb.br/handle/10483/29046
Arquivos neste item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2019_IagoCamposMameri_tcc.pdf | 1,15 MB | Adobe PDF | ver/abrir |
Título: | Comparação da performance de algoritmos de Q-Learning e Double Q-Learning no mercado financeiro |
Autor(es): | Mameri, Iago Campos |
Orientador(es): | Romariz, Alexandre Ricardo Soares |
Assunto: | Aprendizado de máquina Aprendizado do computador Algoritmos de computador |
Data de apresentação: | 2019 |
Data de publicação: | 27-Out-2021 |
Referência: | MAMERI, Iago Campos. C omparação da performance de algoritmos de Q-Learning e Double Q-Learning no mercado financeiro. 2019. 92 f., il. Trabalho de Conclusão Curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2019. |
Resumo: | Este trabalho tem como objetivo analisar a performance de agentes inteligentes treinados por meio de algoritmos de aprendizagem de máquina Q-Learning e Double Q-Learning em 17 ações da Bolsa de Valores de São Paulo com diferentes níveis de volatilidade e indicadores fundamentalistas. A performance dos agentes foi testada com ciclos de treinamento de alta, baixa e deslocamento lateral. Os agentes obtiveram uma performance melhor quando treinados em períodos de alta e superaram a valorização do índice Ibovespa em aproximadamente 1/3 dos casos. Foi possível perceber uma correlação entre o desempenho do algoritmo e a variação da volatilidade das ações analisadas, assim como a vantagem que algoritmos de Q-Learning possuem em ciclos de alta. |
Abstract: | This work aims at analyzing the performance of intelligent agents trained through Q-Learning and Double Q-Learning in 17 stocks of the Sao Paulo Stock Exchange with different levels of volatility and fundamentalist indicators. The agents ́ performance was evaluated when trained during bearish, bullish and neutral market cycles. The agents performed better when trained during bullish cycles and surpassed the Ibovespa index in approximately one-third of the cases. It was possible to identify a correlation between the performance of the algorithm and the variation of the volatility of the analyzed stocks, as well as the advantage that algorithms of Q-Learning have in bullish cycles. |
Informações adicionais: | Trabalho de Conclusão Curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019. |
Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
Aparece na Coleção: | Engenharia Elétrica |
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.