Renato Rodrigues Chaves Pereira Ferri, Lucas dos Santos Rodrigues, D. Dalip, Andreza Caroline da Cruz
{"title":"Análise do impacto da sintonia de parâmetros de heurísticas de compra e venda de ações","authors":"Renato Rodrigues Chaves Pereira Ferri, Lucas dos Santos Rodrigues, D. Dalip, Andreza Caroline da Cruz","doi":"10.5753/bwaif.2023.230159","DOIUrl":"https://doi.org/10.5753/bwaif.2023.230159","url":null,"abstract":"Heurísticas de trading são técnicas muito úteis para maximizar os lucros no mercado de ações. Para um melhor desempenho, se faz necessária a especialização dos valores de parâmetros de tais modelos. Este artigo visa discutir o impacto da aplicação de sintonizadores no ajuste de parâmetros de heurísticas de compra e venda de ativos. Para isso, em um estudo de caso, experimentou-se quatro técnicas de trading que foram comparadas em relação aos respectivos retornos, quando se confronta a adoção de uma configuração manual com a de dois meta-otimizadores, um Algoritmo Genético e o I-Race. Ao selecionar a rentabilidade como critério de qualidade, a sintonia dos parâmetros foi feita utilizando ativos do Ibovespa, cujos dados de preços estão no período de 2012 a 2014. A validação da rentabilidade de cada modelo de compra e venda de ações foram calculados entre 2015 e 2021. O resultados apontam que os sintonizadores são, estatisticamente, capazes de aprimorar o desempenho em relação à configuração manual.","PeriodicalId":101527,"journal":{"name":"Anais do II Brazilian Workshop on Artificial Intelligence in Finance (BWAIF 2023)","volume":"17 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115111354","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Predicting Real Estate Funds: A Comparative Study of Machine Learning and Time Series Methods","authors":"H. Diniz, Paulo Carneiro, Fabrício A. Silva","doi":"10.5753/bwaif.2023.230075","DOIUrl":"https://doi.org/10.5753/bwaif.2023.230075","url":null,"abstract":"This work investigates different strategies for predicting the price variation of Real Estate Investment Funds (FIIs) using machine learning models, in comparison with a traditional time series method. We analyze the performance of the models in terms of fund categories (i.e., paper, brick, or hybrid), model settings (i.e., one model per fund or a general model), and forecast time window (i.e., 6 months or 1 month). An analysis was also carried out considering an enrichment of the data with characteristics of the properties belonging to the funds, which is a pioneering contribution of this work. The results reveal, among other conclusions, that machine learning models outperform the time series technique only for the medium term, and that the information on the properties belonging to the funds was important for improving forecasts.","PeriodicalId":101527,"journal":{"name":"Anais do II Brazilian Workshop on Artificial Intelligence in Finance (BWAIF 2023)","volume":"31 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129277816","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Sistema de tomada de decisão no mercado de ações utilizando aprendizado de máquina","authors":"Thiago E. S. Santos, O. L. Costa","doi":"10.5753/bwaif.2023.229401","DOIUrl":"https://doi.org/10.5753/bwaif.2023.229401","url":null,"abstract":"Este trabalho se concentra no estudo da aplicação do modelo de Random Forest na classificação dos melhores momentos de compra e venda de um ativo no mercado de ações brasileiro, funcionando assim como um sistema de trading. O aprendizado da classificação dos momentos de compra e venda é realizado com uso de indicadores de mercado, calculados a partir da série histórica de preços. Para possibilitar a aplicação de dados não estacionários no modelo, durante a etapa de pré-processamento, a técnica de diferenciação fracionária é aplicada. Além disso, este trabalho inclui o gerenciamento de risco na estratégia de trading.","PeriodicalId":101527,"journal":{"name":"Anais do II Brazilian Workshop on Artificial Intelligence in Finance (BWAIF 2023)","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132787564","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}