Submitted by Leonardo Felizardo (leonardo.kanashiro.felizardo@gmail.com) on 2017-03-14T16:29:19Z No. of bitstreams: 1 Tese de Mestrado_Leonardo K - Versão Revisada.pdf: 1565588 bytes, checksum: a3ce35f92e6b2671eb9493242b146592 (MD5) / Approved for entry into archive by Renata de Souza Nascimento (renata.souza@fgv.br) on 2017-03-14T17:28:45Z (GMT) No. of bitstreams: 1 Tese de Mestrado_Leonardo K - Versão Revisada.pdf: 1565588 bytes, checksum: a3ce35f92e6b2671eb9493242b146592 (MD5) / Made available in DSpace on 2017-03-15T16:40:18Z (GMT). No. of bitstreams: 1 Tese de Mestrado_Leonardo K - Versão Revisada.pdf: 1565588 bytes, checksum: a3ce35f92e6b2671eb9493242b146592 (MD5) Previous issue date: 2017-02-13 / In this work, we present a statistical analysis about the characteristics that we intend to influence in the performance of neural networks in terms of assertiveness. We created a population for analysis and extracted the sample that had the best assertive performance. We can observe how the characteristics of this sample stand out and affect the neural networks. In addition, we make inferences about what kind of influence the different architectures have on the performance of neural networks. In the study, the prediction of the return of Brazilian stocks from the São Paulo Stock Exchange is made to measure the error committed by the different architectures of neural networks constructed. / Neste trabalho, é apresentada uma análise estatística sobre as características que entendemos influenciar no desempenho das redes neurais em termos de assertividade. Criamos uma população para análise e desta extraímos a amostra que teve o melhor desempenho assertivo. Verificou-se como as características desta amostra se destacam e afetam as redes neurais. Além disso, fazemos inferências com relação à que tipo de influência as diferentes arquiteturas têm no desempenho das redes neurais. No estudo é realizado a previsão do retorno de ações brasileiras da bolsa de valores de São Paulo para mensurar o erro cometido pelas diferentes arquiteturas de redes neurais construídas.

Submitted by Raul do Vale Fonseca (rauldovale@gmail.com) on 2018-09-13T17:06:19Z No. of bitstreams: 1 Dissertacao_Raul_vFinal.pdf: 1127014 bytes, checksum: aabf9f9b4023c4e2ad169118ac8ccf52 (MD5) / Approved for entry into archive by Joana Martorini (joana.martorini@fgv.br) on 2018-09-14T14:39:33Z (GMT) No. of bitstreams: 1 Dissertacao_Raul_vFinal.pdf: 1127014 bytes, checksum: aabf9f9b4023c4e2ad169118ac8ccf52 (MD5) / Approved for entry into archive by Suzane Guimarães (suzane.guimaraes@fgv.br) on 2018-09-14T15:58:08Z (GMT) No. of bitstreams: 1 Dissertacao_Raul_vFinal.pdf: 1127014 bytes, checksum: aabf9f9b4023c4e2ad169118ac8ccf52 (MD5) / Made available in DSpace on 2018-09-14T15:58:08Z (GMT). No. of bitstreams: 1 Dissertacao_Raul_vFinal.pdf: 1127014 bytes, checksum: aabf9f9b4023c4e2ad169118ac8ccf52 (MD5) Previous issue date: 2018-08-20 / Este trabalho constrói estratégias de trading sistemáticas e sintéticas com o objetivo de procurar ferramentas para replicá-las. São testados três modelos de regressão: regressão linear, regressão logística e um tipo de redes neurais artificiais, o multilayer perceptron (MLP). Para comparar a performance das regressões foram usadas três métricas de desvio do valor verdadeiro: diferenças absolutas, diferenças absolutas discretizadas e acurácia. A MLP é mais bem sucedida que as regressões logística e linear ao replicar uma estratégia trend following que usa como parâmetros médias móveis simples. Tentou-se replicar estratégias mean reversion que usam como parâmetros desvios padrão e preços máximos e mínimos num período. Nesses casos não houve clara distinção entre qual regressão foi mais bem sucedida. A acurácia dos modelos ao tentar replicar as estratégias foi maior que o sorteio aleatório em todos os casos. / In this text, systematic trading strategies are manufactured with the goal of finding tools to replicate it. Three regression models are tested: linear regression, logistic regression and one type of artificial neural networks, the multilayer perceptron (MLP). Three measures of the true value deviation were used to compare the performance of the regressions: absolute differences, discretized absolute differences and accuracy. The MLP is best between the three models to replicate one type of trend following strategy that uses simple moving average as parameter. It was attempted to replicate mean reversion strategies that uses standard deviation, maximum and minimum prices of a period as parameters. In this cases, there was no outperforming model to replicate the strategies. The accuracy of the models were better than the random guess in every test.