Replicando estratégias de trading sintéticas utilizando redes neurais

Abstract

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.