A negociação algorítmica oferece algoritmos que tomam decisões de compra e/ou venda com base em parâmetros pré-determinados, oscilações de preços no mercado, dados históricos etc. Uma vantagem oferecida por ela é a possibilidade de atuação rápida no mercado, possivelmente aproveitando as melhores ofertas disponíveis. A Bovespa disponibiliza dados referentes à troca de mensagens entre as partes que constituem o mercado nanceiro. A partir dessas mensagens, geralmente é possível fazer a construção do livro de ofertas, que contém informações referentes às ofertas de compra e venda disponíveis em dado instante e também sobre negociações que foram concretizadas. Esses dados são disponibilizados em diferentes formatos. Os dados de futuros utilizados neste trabalho, por exemplo, seguem o formato padrão do protocolo FIX, que dene cada mensagem como uma coleção de pares de chave/valor. Um outro formato de dados próprio da Bovespa é utilizado para a disponibilização de dados de ações. Neste trabalho faz-se a construção do livro de ofertas a partir dos dados de futuros, com a proposta de uma estrutura de dados eciente para a manipulação de mensagens no formato do protocolo FIX. Também discute-se sobre a possibilidade de construção do livro de ofertas a partir dos dados de ações. Finalmente, um algoritmo de predição de valores baseado em técnicas de mineração de dados como agrupamento é proposto e analisado quanto à sua aplicabilidade. / Algorithmic trading offers algorithms that make buy/sell decisions based on predetermined parameters, market price fluctuations, historical data and so on. One advantage it offers is the possibility of quickly operating on the market, possibly taking advantage of the best buy/sell offers currently available. Bovespa provides data regarding message exchange between the constituent parts of the financial market. From these messages, it is usually possible to extract the offerbook, which contains information regarding buy/sell offers available at a given moment in time. This data is provided in different formats. The future data used in this work, for example, is according to the Fix protocol format, which defines each message as a collection of key/value pairs. Another data format proprietary from Bovespa is used to provide stock data. In this work the construction of the offerbook is made from the future data and the proposal of an efficient data structure for dealing with messages in Fix format is made. It is also discussed the possibility of constructing the offerbook from the stock data. Finally, a predicting values algorithm based on data mining techniques such as clustering is proposed and its applicability is analysed.

A negociação algorítmica oferece algoritmos que tomam decisões de compra e/ou venda com base em parâmetros pré-determinados, oscilações de preços no mercado, dados históricos etc. Uma vantagem oferecida por ela é a possibilidade de atuação rápida no mercado, possivelmente aproveitando as melhores ofertas disponíveis. A Bovespa disponibiliza dados referentes à troca de mensagens entre as partes que constituem o mercado nanceiro. A partir dessas mensagens, geralmente é possível fazer a construção do livro de ofertas, que contém informações referentes às ofertas de compra e venda disponíveis em dado instante e também sobre negociações que foram concretizadas. Esses dados são disponibilizados em diferentes formatos. Os dados de futuros utilizados neste trabalho, por exemplo, seguem o formato padrão do protocolo FIX, que dene cada mensagem como uma coleção de pares de chave/valor. Um outro formato de dados próprio da Bovespa é utilizado para a disponibilização de dados de ações. Neste trabalho faz-se a construção do livro de ofertas a partir dos dados de futuros, com a proposta de uma estrutura de dados eciente para a manipulação de mensagens no formato do protocolo FIX. Também discute-se sobre a possibilidade de construção do livro de ofertas a partir dos dados de ações. Finalmente, um algoritmo de predição de valores baseado em técnicas de mineração de dados como agrupamento é proposto e analisado quanto à sua aplicabilidade. / Algorithmic trading offers algorithms that make buy/sell decisions based on predetermined parameters, market price fluctuations, historical data and so on. One advantage it offers is the possibility of quickly operating on the market, possibly taking advantage of the best buy/sell offers currently available. Bovespa provides data regarding message exchange between the constituent parts of the financial market. From these messages, it is usually possible to extract the offerbook, which contains information regarding buy/sell offers available at a given moment in time. This data is provided in different formats. The future data used in this work, for example, is according to the Fix protocol format, which defines each message as a collection of key/value pairs. Another data format proprietary from Bovespa is used to provide stock data. In this work the construction of the offerbook is made from the future data and the proposal of an efficient data structure for dealing with messages in Fix format is made. It is also discussed the possibility of constructing the offerbook from the stock data. Finally, a predicting values algorithm based on data mining techniques such as clustering is proposed and its applicability is analysed.

Em nosso trabalho analisamos os dados provenientes da BM&F Bovespa, a bolsa de valores de São Paulo, no período de janeiro de 2011, referentes aos índices: BOVESPA (IND), o mini índice BOVESPA (WIN) e a taxa de câmbio (DOL). Estes dados são de alta frequência e representam vários aspectos da dinâmica das negociações. No conjunto de valores encontram-se horários e datas dos negócios, preços, volumes oferecidos e outras características da negociação. A primeira etapa da tese foi extrair as informações necessárias para análises a partir de um arquivo em protocolo FIX, foi desenvolvido um programa em R com essa finalidade. Em seguida, estudamos o carácter da dependência temporal nos dados, testando as propriedades de Markov de um comprimento de memória fixa e variável. Os resultados da aplicação mostram uma grande variabilidade no caráter de dependência, o que requer uma análise mais aprofundada. Acreditamos que esse trabalho seja de muita importância em futuros estudos acadêmicos. Em particular, a parte do carácter específico do protocolo FIX utilizado pela Bovespa. Este era um obstáculo em uma série de estudos acadêmicos, o que era, obviamente, indesejável, pois a Bovespa é um dos maiores mercados comerciais do mundo financeiro moderno. / In our work we analyzed data from BM&F Bovespa, the stock exchange in São Paulo. The dataset refers to the month January 2011 and is related to BOVESPA index (IND), mini BOVESPA index (WIN) and the exchange tax (DOL). These, are high frequency data representing various aspects of the dynamic of negotiations. The array of values includes the dates/times of trades, prices, volumes offered for trade and others trades characteristics. The first stage of the thesis was to extract information to the analysis from an archive in FIX protocol, it was developed a program in R with this aim. Afterwards, we studied the character of temporal dependence in the data, testing Markov properties of a fixed and variable memory length. The results of this application show a great variability in the character of dependence, which requires further analysis. We believe that our work is of great importance in future academic studies. In particular, the specific character of the FIX protocol used by Bovespa. This was an obstacle in a number of academic studies, which was, obviously, undesirable since Bovespa is one of the largest trading markets in the modern financial world.

Em nosso trabalho analisamos os dados provenientes da BM&F Bovespa, a bolsa de valores de São Paulo, no período de janeiro de 2011, referentes aos índices: BOVESPA (IND), o mini índice BOVESPA (WIN) e a taxa de câmbio (DOL). Estes dados são de alta frequência e representam vários aspectos da dinâmica das negociações. No conjunto de valores encontram-se horários e datas dos negócios, preços, volumes oferecidos e outras características da negociação. A primeira etapa da tese foi extrair as informações necessárias para análises a partir de um arquivo em protocolo FIX, foi desenvolvido um programa em R com essa finalidade. Em seguida, estudamos o carácter da dependência temporal nos dados, testando as propriedades de Markov de um comprimento de memória fixa e variável. Os resultados da aplicação mostram uma grande variabilidade no caráter de dependência, o que requer uma análise mais aprofundada. Acreditamos que esse trabalho seja de muita importância em futuros estudos acadêmicos. Em particular, a parte do carácter específico do protocolo FIX utilizado pela Bovespa. Este era um obstáculo em uma série de estudos acadêmicos, o que era, obviamente, indesejável, pois a Bovespa é um dos maiores mercados comerciais do mundo financeiro moderno. / In our work we analyzed data from BM&F Bovespa, the stock exchange in São Paulo. The dataset refers to the month January 2011 and is related to BOVESPA index (IND), mini BOVESPA index (WIN) and the exchange tax (DOL). These, are high frequency data representing various aspects of the dynamic of negotiations. The array of values includes the dates/times of trades, prices, volumes offered for trade and others trades characteristics. The first stage of the thesis was to extract information to the analysis from an archive in FIX protocol, it was developed a program in R with this aim. Afterwards, we studied the character of temporal dependence in the data, testing Markov properties of a fixed and variable memory length. The results of this application show a great variability in the character of dependence, which requires further analysis. We believe that our work is of great importance in future academic studies. In particular, the specific character of the FIX protocol used by Bovespa. This was an obstacle in a number of academic studies, which was, obviously, undesirable since Bovespa is one of the largest trading markets in the modern financial world.