Aprendizado por Reforço aplicado ao Investimento Automatizado no Mercado Brasileiro de Ações

• Processo: 24/04827-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2024
• Data de Término da vigência: 31 de maio de 2025
• 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: Paulo Ricardo Sturion
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado por reforço
• Palavra(s)-Chave do Pesquisador: Algotrading | Aprendizado por Reforço | Mercado de Ações | Swing Trading | Aprendizado de Máquina por Reforço

Resumo

O projeto visa desenvolver diferentes técnicas de Aprendizado por Reforço (Proximal Policy Optimization, Recurrent Reinforcement Learning e Deep-Q-Learning) de forma comparativa para a aplicação no problema de investimento automatizado no mercado brasileiro de ações - especificamente para operações diárias (swing trade). Para isso, se propõe: o desenvolvimento de um banco de dados históricos de diferentes atributos referentes às principais ações do mercado; estudo e implementação dos métodos de Aprendizado por Reforço escolhidos; realização de simulações e experimentos utilizando os dados coletados; avaliação e comparação dos diferentes métodos investigados por meio de uma seleção de métricas bem estabelecidas; e a análise dos resultados e publicação de artigos.