Meta-heurísticas aplicadas ao problema de projeção do preço de ações na bolsa de valores

• Main Author: Cordeiro, Jelson Andre
• Other Authors: Lopes, Heitor Silvério
• Language: Portuguese
• Published: Universidade Tecnológica Federal do Paraná 2014
• Subjects: Algorítmos computacionais; Algorítmos genéticos; Mercado de capitais; Bolsa de valores; Computação; Computer algorithms; Genetic algorithms; Capital market; Stock exchanges; Computer science
• Online Access: http://repositorio.utfpr.edu.br/jspui/handle/1/733

A projeção do preço de ações na bolsa de valores é um campo atraente para a investigação devido às suas aplicações comerciais e os benefícios financeiros oferecidos. O objetivo deste trabalho é analisar o desempenho de dois algoritmos meta-heurísticos, o Algoritmo do Morcego e o Algoritmo Genético, para o problema de projeção do preço de ações. Os indivíduos da população dos algoritmos foram modelados utilizando os parâmetros de 7 indicadores técnicos. O lucro final ao fim de um período é maximizado através da escolha do momento adequado para compra e venda de ações. Para avaliar a metodologia proposta foram realizados experimentos utilizando dados históricos reais (2006-2012) de 92 ações listadas na bolsa de valores do Brasil. A validação cruzada foi aplicada nos experimentos para evitar o overfiting, utilizando 3 períodos para treinamento e 4 para teste. Os resultados dos algoritmos foram comparados entre si e com o indicador de desempenho Buy and Hold (B&H). Para 91,30% das ações os algoritmos obtiveram lucro superior ao B&H, sendo que em 79,35% delas o Algoritmo do Morcego teve o melhor desempenho, enquanto que para 11,95% das ações o Algoritmo Genético foi melhor. Os resultados alcançados indicam que é promissora a aplicação de meta-heurísticas com a modelagem proposta para o problema de projeção do preço de ações na bolsa de valores. === The stock prices prediction in the stock exchange is an attractive field for research due to its commercial applications and financial benefits offered. The objective of this work is to analyze the performance of two meta-heuristic algorithms, Bat Algorithm and Genetic Algorithm to the problem of stock prices prediction. The individuals in the population of the algorithms were modeled using 7 technical indicators. The profit at the end of a period is maximized by choosing the right time to buy and sell stocks. To evaluate the proposed methodology, experiments were performed using real historical data (2006-2012) of 92 stocks listed on the stock exchange in Brazil. Cross-validation was applied in the experiments to avoid the overfiting using 3 periods for training and 4 for testing. The results of the algorithms were compared among them and also the performance indicator BuyandHold (B&H).For 91.30% of the stocks, the algorithms obtained profit higher than the B&H, and in 79.35% of them Bat Algorithm had the best performance, while for 11.95% of the stocks Genetic Algorithm was better. The results indicate that it is promising to apply meta-heuristics with the proposed model to the problem of stock prices prediction in the stock exchange.