1. Biblioteca Digital de Teses e Dissertações da UFCG
  2. Eventos Científicos da UFCG
  3. ANAIS DE EVENTOS CIENTÍFICOS REALIZADOS DO CENTRO DE DESENVOLVIMENTO SUSTENTÁVEL DO SEMIÁRIDO - CDSA - CAMPUS DE SUMÉ
  4. Anais do Simpósio de Engenharia de Produção SIMEP
Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32558
Full metadata record
DC FieldValueLanguage
dc.description.resumoDeterminar quando comprar ou vender determinado ativo financeiro é um tópico complexo para a maioria dos daytraders. No entanto, visando minimizar esta complexidade, muitos destes têm desenvolvido regras e procedimentos lógicos conhecidos como regras de negociação. As regras de negociação adotam como premissa que os padrões passados nos preços de mercado se repetirão no futuro. Contudo, com auxílio do rápido desenvolvimento da ciência, cada vez mais ferramentas estão sendo desenvolvidas visando aferir a acurácia de uma regra de negociação. Como exemplo, é possível citar estudos nas áreas de aprendizado de máquina, modelos de redes neurais e assim por diante. Este trabalho propõe medir a precisão da regra de negociação conhecida como cruzamento da média móvel. Para esta tarefa, foi proposta a aplicação do modelo de Rede Neural Artificial Profunda (DNN) com base na classificação binária. O ativo financeiro escolhido para a pesquisa foi o Mini Contrato Futuro do Dólar, a partir do segundo semestre de 2019. Para o modelo DNN, foram definidas 22 variáveis. Dentre estas: o preço de fechamento, preço de abertura, máxima do preço e a mínima do preço. Coletados a partir de um robô de negociações, tais variáveis serviram de parâmetros de entrada para a arquitetura DNN proposta. Os resultados finais mostraram que a acurácia encontrada para a regra de negociação de cruzamento de médias móveis, a partir do modelo DNN, apresentou uma baixa porcentagem de predição.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFCGpt_BR
dc.subject.cnpqEngenharia de Produção.pt_BR
dc.citation.issue9pt_BR
dc.titleAnálise do desempenho de regra de negociação via redes neurais artificiais em operações day trade.pt_BR
dc.date.issued2021-
dc.identifier.urihttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32558-
dc.date.accessioned2023-11-01T13:17:13Z-
dc.date.available2023-11-01-
dc.date.available2023-11-01T13:17:13Z-
dc.typeArtigo de Eventopt_BR
dc.subjectRegra de negociaçãopt_BR
dc.subjectDesempenho de regra de negociaçãopt_BR
dc.subjectRede neural artificial profundapt_BR
dc.subjectMédias móveispt_BR
dc.subjectOperações day tradept_BR
dc.subjectMinicontrato futuro do dólarpt_BR
dc.subjectTrading Rulept_BR
dc.subjectTrading rule performancept_BR
dc.subjectDeep Artificial Neural Networkpt_BR
dc.subjectMoving Averagespt_BR
dc.subjectDay trade operationspt_BR
dc.subjectMini dollar futures contractpt_BR
dc.rightsAcesso Abertopt_BR
dc.creatorPAIVA, Vinícius Barbosa.-
dc.creatorSOBRAL, Ana Paula Barbosa.-
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.languageporpt_BR
dc.title.alternativeAnalysis of trading rule performance via artificial neural networks in day trade operations.pt_BR
dc.identifier.citationPAIVA, Vinícius Barbosa; SOBRAL, Ana Paula Barbosa. Análise do desempenho de regra de negociação via redes neurais artificiais em operações day trade. In: SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO, 9., 2021. Anais [...]. Caruaru - PE: UNIFAVIP, 2021. ISSN: 2318-9258. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32558pt_BR
Appears in Collections:Anais do Simpósio de Engenharia de Produção SIMEP

Files in This Item:
File Description SizeFormat 
ANÁLISE DO DESEMPENHO DE REGRA DE NEGOCIAÇÃO VIA REDES NEURAIS - ANAIS IX SIMEP ARTIGO 2021.pdfAnálise do desempenho de regra de negociação via redes neurais - Anais IX SIMEP Artigo 2021.702.32 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.