Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Hamm-Lippstadt, Hochschule | - |
Autor(es): dc.contributor | iurebrandao@gmail.com | - |
Autor(es): dc.creator | Brandão, Iure Vieira | - |
Data de aceite: dc.date.accessioned | 2024-10-23T15:06:16Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T15:06:16Z | - |
Data de envio: dc.date.issued | 2021-07-09 | - |
Data de envio: dc.date.issued | 2021-07-09 | - |
Data de envio: dc.date.issued | 2021-07-09 | - |
Data de envio: dc.date.issued | 2021-03-22 | - |
Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/41376 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/874393 | - |
Descrição: dc.description | Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2021. | - |
Descrição: dc.description | No mercado de ações, investidores adotam diferentes estratégias para identificar uma sequência de decisões de investimento a fim de maximizar seus lucros. Para apoiar a decisão dos investidores, uma framework de aprendizado de máquina (machine learning) foi proposta. Em particular, as abordagens de aprendizado profundo (deep learning) são muito atraentes, uma vez que o mercado de ações apresenta um comportamento altamente não linear e as técnicas de aprendizado profundo podem rastrear variações de curto e longo prazo. Em contraste com as técnicas de aprendizado supervisionadas, o aprendizado por reforço profundo reúne benefícios de aprendizado profundo e adiciona adaptação e melhoria em tempo real do modelo de aprendizado de máquina. Neste trabalho, propomos uma framework de suporte à decisão para o mercado de ações baseado no aprendizado por reforço profundo. Ao aprender as regras de negociação, a framework reconhece padrões, maximiza o lucro obtido e fornece recomendações aos investidores. A framework proposta supera o estado da arte com 86 % da métrica F1-Score para operações de compra e 88 % da pontuação F1-Score para operações de venda em termos de avaliação da estratégia de posicionamento. | - |
Descrição: dc.description | In stock markets, investors adopt different strategies to identify a sequence of profitable investment decisions to maximize their profits. To support the decision of investors, machine learning (ML) softwares are being applied. In particular, deep learning (DL) approaches are attractive since the stock market parameter presents a highly non- linear behavior, and since DL techniques can track short time and long time variations. In contrast to supervised ML techniques, deep reinforcement learning (DRL) gathers DL’s benefits and adds the real-time adaptation and improvement of the machine learning model. In this paper, we propose a decision support framework for the stock market based on DRL. By learning the trading rules, our framework recognizes patterns, maximizes the profit obtained and provides recommendations to the investors. The proposed DRL framework outperforms the state-of-the-art framework with 86 % of F1 score for buy operations and 88 % of F1 score for sale operations in terms of evaluating the positioning strategy. | - |
Descrição: dc.description | Faculdade de Tecnologia (FT) | - |
Descrição: dc.description | Departamento de Engenharia Mecânica (FT ENM) | - |
Descrição: dc.description | Programa de Pós-Graduação em Sistemas Mecatrônicos | - |
Formato: dc.format | application/pdf | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Aprendizado por reforço profundo | - |
Palavras-chave: dc.subject | Q-Learning | - |
Palavras-chave: dc.subject | Mercado de ações | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Processamento de dados | - |
Título: dc.title | Framework de apoio à tomada de decisão no mercado de ações baseado em aprendizado por reforço profundo | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: