Aprendizado Profundo por Reforço e Estratégias Evolutivas para Investimento em Alta Frequência

• Processo: 23/00441-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2023
• Data de Término da vigência: 30 de junho de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: André Carlos Ponce de Leon Ferreira de Carvalho
• Beneficiário: Thiago Ambiel
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado por reforço Aprendizagem profunda Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Aprendizado Evolutivo | Aprendizado por Reforço | Aprendizado profundo | Árvores de Decisão | Inteligência Artificial | Investimento em Alta Frequência | Inteligência Artificial Aplicada

Resumo

Este trabalho tem como objetivo investigar duas classes de algoritmos de aprendizado por reforço para o desenvolvimento de estratégias de Investimento em Alta Frequência: Algoritmos de Aprendizado Profundo por Reforço e Algoritmos de Aprendizado por Reforço através de Otimizadores Evolutivos. Propomos inicialmente o desenvolvimento de um simulador realista da bolsa de valores brasileira, com o propósito de permitir o treinamento e a análise de performance dos algoritmos de algotrading. Posteriormente, será realizada a implementação de algoritmos de aprendizado por reforço das duas classes citadas, utilizando como estrutura para os modelos: Redes Neurais Profundas e Árvores de Decisão.