Processamento Digital de Sinais Financeiros
Estabelecer competências em técnicas quantitativas aplicadas ao mercado de renda variável, por meio da aplicação dos métodos de processamento digital de séries temporais. Nesse contexto, a disciplina inicia com a modelagem estocástica do preço, partindo para a concepção de portfólios otimizados de ativos financeiros até alcançar a codificação de indicadores e robôs de algo trading. Porém, é importante salientar que a disciplina não objetiva a formação de operadores do mercado financeiro, possuindo responsabilidade estrita à formação discente em métodos e técnicas computacionais aderentes ao mercado de renda variável.
- Universidade de Brasília - UnB
- Campus UnB Gama
- Disciplina: Processamento Digital de Sinais Financeiros
- Prof. Marcelino Monteiro de Andrade Dr (andrade@unb.br).
- Pré-requisitos: Introdução a Álgebra Linear e Probabilidade Estatística
I) Tópicos
- Fundamentos da Análises Gráfica, Técnica e Quantitativa;
- Modelagem Estocástica do Preço com o Movimento Browniano Geométrico;
- Teoria do Portfólio Moderno de Markovitz;
- Estimadores de Tendência, Reversão e Volatilidade;
- Operações Long & Short com Cointegração;
- Implementação de Indicadores e Expert Advisor no Metatrader;
- Técnicas de Otimização e de Backtest;
- Infraestrutura de Hardware e Software para Algo Trading;
II) Aulas
| 01 | Aula 1 - Modelagem do Preço Modelagem estocástica do preço, somado a conceituação de volatilidade, expectativa de retorno, índice Sharpe, correlação entre outros aspectos fundamentais e quantitativos. |
|---|---|
| 02 | Aula 2 - Teoria Moderna do Portfolio de Markowitz Aplicação da Teoria Moderna do Portfolio (TMP), com a identificação da fronteira de eficiência, portfolio de menor risco, de maior Sharpe e da linha de mercado de capitais. |
| 03 | Aula 3 - Indicadores Técnicos Clássicos Conjunto de indicadores técnicos adotados, regularmente, em estratégias de algo trading ou em operações manuais. Adicionalmente, uma análise no domíno das frequência será desenvolvida para o indicador média móvel. |
| 04 | Aula 4 - Algo Trading Um conjunto de 3 (três) estratégias didáticas de operações automáticas de compras, baseadas nos indicadores média móvel, MACD e as bandas de Bollinger. As estratégias são apresentadas no formato mais trivial possível, considerando o sentido pedagógico. |
| 05 | Aula 5 - Operações Long & Short Operações Long & Short baseadas no spread entre pares de ações, sendo a "aposta" a diminuição do spread a partir de um determinados pontos de distorções no resíduo estacionário de cointegração. |
| 06 | Aula 6 - Indicador VWAP Metatrader Uum indicador funcional na plataforma Metatrader 5. Nesse sentido, o indicador de referência escolhindo foi o VWAP (Volume Weighted Average Price) que corresponde a média móvel, ponderada pelo volume, de cada barra do gráfico. |
| 07 | Aula 7 - Expert Advisor MT5 Um robô funcional desenvolvido em mql5-Metatrader, em código aberto, com a estratégia de reversão à média. Nesse sentido, o indicador VWAP (aula 6) foi aplicado para determinação dos pontos de entrada, a partir de uma distância da média de referência, e também de saída por meio do retorno/cruzamento na média VWAP. |
| 08 | Aula 8 - Conexão MT5 Python Comunicação via socket (IP:Port) no qual o metatrader enviar para o Python os preços de fechamento de N períodos e o Python, por meio do método "LinearRegression" do módulo "sklearn.linear_model", realiza o cálculo da regressão linear e retorna para o MT5 os pontos da reta. Código mql5 |
III) Aulas Extras
| 01 | Aula Extra 1 - Leitura de Dados e Exploratory Data Analysis (EDA) É natural que ao iniciar um projeto de aprendizado de máquina (ML) ou modelagem estatística, precisamos primeiro fazer uma análise exploratória de dados (EDA). Isso inclui ações como plotagens de dados brutos, análise histogramas e muito mais ... |
|---|---|
| 02 | Aula Extra 2 - Introdução IA Investimento Alguns aspectos introdutórios abordando inteligência artificial e aplicações em investimentos, em especial, na aplicação de aprendizagem de máquina. |
| 03 | Aula Extra 3 - K-Means e Carteira de Ativos para Swing Estratégia de concepção de carteira de Swing Trade baseado na clusterização não supervisionada com K-Means |
| 04 | Aula Extra 4 - Bolsas Mundiais, Correlações e Clusterização DBSCAN A presente atividade prática abordará a identificação das correlações das principais bolsas mundiais e uma clusterização não supervisionada, com a técnica de machine learning, denominada DBSCAN. |
| 05 | Aula Extra 5 - Random Forest aplicado em Algo trading A presente aula aborda técnicas de classificação denominadas de decision tree e random forest. Nesse sentido, esses modelos de Machine Learning para classificação foram treinados para incorporar regras de algotrading, baseada em crossover dos eventos de sucesso, buscando "melhorar" o desempenho operacional do cruzamento de médias. |
IV) Bibliografia
Básica
- Ali N. Akansu and Mustafa U. Torun. 2015. A Primer for Financial Engineering: Financial Signal Processing and Electronic Trading (1st ed.), Academic Press.
Complementar
- John F. Ehlers. 2004. Cybernetic Analysis for Stocks and Futures: Cutting Edge DSP Technology to Improve Your Trading (1st ed.), John Wiley & Sons, Inc.
- Robert Prado. 2008. The Evaluation and Optimization of Trading Strategies (2nd ed.), John Wiley & Sons, Inc.
- Yves Hilpisch. 2014. Python for Finance: Analyze Big Financial Data (1st ed.), O’Reilly Media, Inc.
- Andrew R. Young. 2013. Expert Advisor Programming for Metatrader 5: Creating Automated Trading Systems in the Mql5 Language (1st ed.), Edgehill Publishing.