Uma ferramenta computacional eficiente para identificação de melhores gatilhos de compra e venda de ativos financeiros
|
|
- João Pedro Sacramento Cesário
- 8 Há anos
- Visualizações:
Transcrição
1 Uma ferramenta computacional eficiente para identificação de melhores gatilhos de compra e venda de ativos financeiros Bruno C. Barroso 1,Gustavo P. Hanaoka 1,Felipe D. Paiva 1,Rodrigo T. N. Cardoso 1 1 CEFET MG Centro Federal de Ensino Tecnológico de Minas Gerais (CEFET MG) Belo Horizonte MG Brazil {bbarrosobh@gmail.com, gustavopph@gmail.com, fpaiva@dcsa.cefetmg.br, rodrigoc@des.cefetmg.br} Abstract. This paper presents a computational tool for identifying best purchase and sale triggers of financial assets based on three graphical analysis techniques: candlesticks, whose objective is the perception of reversing trends (high or low) or continuity ones in the prices; stop, tool that protects your investment in case of identification error of signals, and support and resistance lines, which are values on which the asset price tends not to be exceeded. An artificial neural network is used to predict future values with the intention of confirming the signals. The methodology is validated by simulating purchases and sales only at the instants specified by the algorithm, using historical series of the stock exchange. Resumo. Este artigo apresenta uma ferramenta computacional para identificação de melhores gatilhos de compra e venda de ativos financeiros baseada em três técnicas da análise gráfica: candlesticks, cujo objetivo é a percepção de tendências de reversão (de alta ou de baixa) ou de continuidade nos preços; stop, ferramenta que protege o investimento em caso de erro nas identificações de sinais; e linhas de suporte e resistência, valores nos quais o preço do ativo tende a não ultrapassar. Uma rede neural artificial é utilizada para a previsão de valores futuros com a intenção de se confirmar os sinais emitidos. A metodologia é validada simulando compras e vendas apenas nos momentos indicados pelo algoritmo, utilizando séries históricas da bolsa. 1. Introdução De forma dispare há duas correntes de pensamento no mercado de investimentos de ativos financeiros. A primeira e com amplo número de adeptos no meio acadêmico, é a análise fundamentalista, que concentra seus estudos nos fatores que afetam as situações de oferta e demanda de um mercado, com o objetivo de determinar o valor intrínseco de um ativo (Chaves, 2004). Por meio de tal avaliação, o analista é capaz de comparar os preços encontrados com aqueles praticados pelo mercado e assim classificá-los em sobre avaliado, subavaliado ou condizente com o valor de mercado. Em vista disso, a análise fundamentalista define qual o ativo deve ser vendido ou comprado. Já a segunda corrente, de grande afeição dos profissionais de mercado, é a análise técnica, que firma seus estudos no comportamento histórico do mercado para determinar o estado atual ou as condições futuras do mesmo (Murphy, 1986). O analista
2 técnico observa tendências de tal comportamento e avalia a reação do mercado a elas. Em sua essência, a análise técnica assume que os mercados exibirão comportamentos futuros que são condizentes com o passado, ou seja, o técnico se orienta pela repetição de padrões de comportamento do mercado. A análise tem como objetivo a previsão de movimentação de preços, orientando a entrada ou saída do mercado. De acordo com Rotella (1992), a análise fundamentalista é inerentemente profética, pois o analista faz projeções que objetivam encontrar equações futuras para as curvas de oferta e demanda do mercado. O fundamentalista frequentemente visa obter o dueto: causa e efeito de uma variável e seus impactos sobre o mercado, ou seja, preocupam-se em definir o motivo pelo qual os preços se direcionarão no futuro. Rotella (1992) destaca que a análise técnica pode ser usada tanto de maneira reativa como profética. No primeiro método, o analista responde a uma situação ocorrida. Já através do segundo método, o técnico tentará antecipar o que pode ocorrer no futuro, segundo suas observações do mercado. Segundo Rotella (1992), a premissa básica para a análise técnica está no fato de que todos os fatores que, direta ou indiretamente, afetam o mercado, como as informações fundamentalistas, comportamento emocional ou leis naturais, são refletidos nas duas principais fontes para a análise: o preço e volume praticados pelo mercado. Utilizando ferramentas da análise técnica, o presente trabalho objetiva prever melhor os momentos de compra e venda através de candlesticks, uma técnica japonesa de reconhecimento de padrões em séries temporais financeiras, com o suporte de previsões realizadas através de redes neurais. Dessa maneira, reconhecido um padrão indicativo de tendência através dos candles, uma rede neural é chamada para realizar a previsão do valor do ativo três dias após o indicativo fornecido. Caso a rede neural confirme a tendência indicado pelos candles, um sinal é enviado para o investidor. Além disso, outras ferramentas da análise técnica são utilizadas, como as linhas de resistência e suporte e o stop. Caso sejam identificadas linhas de resistência ou suporte, é enviado um sinal de compra ou de venda para o investidor no momento que o preço atingir o valor identificado. No caso do stop, caso o preço atinja o seu valor determinado automaticamente no momento da compra, um sinal de venda é automaticamente enviado. Nessa mesma vertente, Mizuno et al (1997) propuseram a utilização de redes neurais para determinar melhores momentos de compra e venda. A previsão da rede neural servia como auxílio a medias móveis, outra ferramenta da análise técnica. Marques (2009) apresenta um procedimento para a parametrização do indicador de análise técnica do mercado financeiro chamado Moving Average Convergence Divergence (MACD), propondo a criação de uma nova ferramenta de auxílio à tomada de decisão em investimentos O sistema desenvolvido ainda utiliza algoritmos genéticos na busca dos melhores fatores de alisamento que compõem o MACD e incorpora uma máquina de inferência fuzzy de forma a tornar o indicador mais seguro nas ordens de compra e venda. Ferreira (2009) propõe um trading system que realiza a análise gráfica aprendendo de forma autônoma a reconhecer padrões em séries e determinando automaticamente gatilhos de compra e venda de uma determinada ação. Em seu trabalho, utiliza redes neurais na intenção de prever padrões de candlesticks. Dessa forma, não se limita apenas aos padrões já catalogados, pois a rede neural pode prever algum outro tipo de sequencias de candles que determinam algum padrão.
3 Este trabalho está organizado da seguinte forma: a Seção 2 apresenta uma revisão bibliográfica com os principais conceitos, a Seção 3 explica a metodologia do trabalho, a Seção 4 apresenta os resultados e sintetiza algumas conclusões, e a Seção 5 faz as considerações finais, apresentando sugestões de trabalhos futuros. 2. Revisão Bibliográfica 2.1. Ferramentas da análise técnica As ferramentas da análise técnica têm como objetivo comum indicar gatilhos de compra ou de venda de ativos. O presente trabalho considera os candlesticks, as linhas de resistência e suporte e ainda o stop como proteção de investimento Candlesticks De acordo com Elder (1993), os gráficos de candlesticks, ou simplesmente candles, são constituídos por fileiras de corpos que apresentam sombras em ambos os lados. O corpo representa a distância entre os preços de abertura e de fechamento de um ativo em um determinado período. Se o preço de fechamento for maior que o preço de abertura, então o corpo será branco; caso contrário, o corpo do candle será preto. O extremo livre da sombra superior indica o preço máximo do dia e, por sua vez, o extremo livre da sombra inferior representa o preço mínimo do dia. Figura 1. Representação gráfica de um candle. Nison (1991), considerado o introdutor das técnicas de candlestick no ocidente, relata que estes surgiram no Japão Feudal, desenvolvidas por Munehisa Homma, filho de uma rica família de produtores. Ainda hoje os gráficos de candlesticks são muito utilizados e sua principal finalidade é de prever tendências de preços (Ferreira, 2009) Indicação de tendência através de Candlesticks No fim do século passado surgiram vários estudos no Ocidente analisando a capacidade dos candles de retratar o andamento do mercado. Foram identificadas sequências que, historicamente quando apareciam, indicavam forte tendência de previsão. Um dos
4 estudos mais conhecidos foi realizado por Nison (1991), em que mais de 50 padrões de candles são identificados e explicados, servindo de base para o presente trabalho. Por exemplo, um corpo preto significa que o preço esteve em queda no período analisado, pois a abertura foi maior que o fechamento. Um corpo branco mostra o contrário, o mercado está em crescimento, pois o fechamento foi maior que a abertura. Candles pequenos, ou seja, valor máximo próximo do valor mínimo indica que houve pouca movimentação nesse ativo durante o período analisado. Entretanto, a maioria dos padrões de identificação de tendência é composta por mais de um candle. É importante ressaltar que os candles são desenhos que contêm informações sobre as movimentações no período analisado, dessa forma, os padrões identificados através dos candles são nada mais do que identificações analisadas no próprio mercado, dessa forma cada padrão pode ser explicado através do que aconteceu com o mercado de ações. A figura 2 contêm alguns exemplos de padrões que serão explicados a seguir. O engolfo de alta é quando, após um momento de queda, o valor do ativo no período analisado possui uma abertura inferior ao candle anterior, sinalizando que a queda provavelmente continuaria. Porém, no fim do período, o fechamento ultrapassa o valor inclusive da abertura do dia anterior, isto é, as movimentações daquele período foram capazes de reverter a tendência de queda e subiram o preço do ativo. Essas características indicam que, provavelmente o preço irá subir, pois as movimentações conseguiram parar a queda que vinha acontecendo. O engolfo de baixa segue a mesma explicação que o engolfo de alta, porém, ocorre após um mercado em alta e indica tendência de queda. Já o bebê abandonado mostra que após uma queda de preço, as compras se equipararam às vendas, estabilizando o preço. Esse equilíbrio entre compras e vendas significa que a abertura e o fechamento possuem valores próximos, o que é mostrado pelo segundo candle do bebê abandonado. Após isso, o mercado começa a subir, e possivelmente continuará assim, pois finalmente as compras conseguiram se sobressair às vendas. O bebê abandonado de baixa segue a mesma explicação do bebê abandonado, porém, ocorre após um período de alta e indica tendência de baixa. Figura 2. Alguns padrões de candlesticks A ideia é, a cada padrão associar um indicativo de reversão ou continuidade de tendência, de modo que a identificação de uma futura tendência de alta gera sinais de compra e a identificação de futura tendência de baixa gera sinais de venda. Cada padrão possui sua própria eficiência de acerto, assim como sua frequência de aparecimento. Dessa forma, alguns se tornam mais confiáveis para a tomada de decisão, enquanto outros precisam de outras formas de confirmação. Nison (1991) mostra em seu livro essa frequência e eficiência, medida através de inúmeros estudos com milhares de dados. É importante ressaltar que todos os padrões, segundo o livro e também através
5 dos testes, possuem eficiência maior que 50%, ou seja, acertam mais previsões do que erram Stop O conceito de stop é muito utilizado no mercado financeiro devido à sua grande capacidade de reduzir perdas (Espindola, 2011). O stop é uma ferramenta que realiza a venda do ativo quando o preço da ação ultrapassar o preço pré-determinado pelo cliente como preço de disparo da ordem. Esse preço geralmente corresponde de 5% a 10% de perda do valor original do ativo. Dessa maneira, caso ele ultrapasse, o stop será utilizado e o ativo será vendido. O objetivo do seu uso, num primeiro momento, é resguardar o capital mesmo que com uma pequena perda, para que se possa voltar ao mercado em outro momento. Num segundo momento, se a operação inicial estiver evoluindo favoravelmente, sua função passa a ser a de proteger uma parte dos lucros auferidos até então (Noronha, 1995) Linhas de suporte e de resistência Segundo Noronha (1995), suportes são níveis de preços onde as compras feitas pelos investidores são fortes o suficiente para interromper durante algum tempo e, possivelmente, reverter um processo de queda, gerando um ponto de retorno. Já resistências são níveis de preços onde as vendas feitas pelos investidores podem gerar um processo de subida. Dessa maneira, as linhas de suporte e resistência atuam como valores prováveis de mudança de tendência do mercado, se tornando momentos interessantes para a realização de transações. O valor do ativo pode, porém, ultrapassar esse valor, geralmente acarretando uma extinção desse valor de resistência ou suporte antigo, e possibilitando a criação de uma nova barreira. Um ponto importante que os analistas técnicos costumam ressaltar é que quando uma resistência ou um suporte é rompido existe uma tendência destes pontos se reverterem, ou seja, no caso de um suporte este poderá virar uma resistência e vice-versa. Entretanto, a significância será tão relevante quanto mais significante for o rompimento Redes neurais artificiais Definição Redes neurais artificiais são modelos matemáticos e computacionais que se assemelham às estruturas neurais biológicas, com capacidade de aprendizado e generalização, que se dão pela adaptação e otimização de parâmetros ao meio externo (Braga et al., 2007). Os neurônios são unidades de processamento que após realizar operações matemáticas com os valores recebidos, sejam de entrada ou de camadas anteriores, propagam o sinal, valor ajustado, para que a rede retorne uma saída calculada. O aprendizado da rede neural pode ser obtido de três formas distintas de treinamento: supervisionado, por reforço e não supervisionado. As redes neurais mais utilizadas: Perceptron, ADALINE e MLP (Multilayer Perceptron) realizam sua aprendizagem por treinamento supervisionado, em que existem resultados desejados que
6 serão comparados com os calculados para a realização do ajuste dos pesos nos neurônios. O algoritmo utilizado para o aprendizado deve adaptar os parâmetros (pesos) buscando convergir para um resultado dentro um número finito de iterações, que significa dar a modelagem mais precisa possível ao problema estudado, observada sua complexidade (Haykin, 2001) Rede Recorrente de Elman A Rede Elman, ou rede recorrente simples, descrita em Elman (1990), é uma rede onde a realimentação capacita a realização de tarefas que se estendem no tempo. Esta característica as torna uma opção para análise de séries temporais, já que há a capacidade de memorização. Na rede Elman ocorre a recorrência de sinais, pois além do fluxo de sinais da camada de entrada para a camada de saída, há fluxo de sinais que realimentam as entradas, ou seja, o sinal de saída é tomado como entrada em dado ponto. Os neurônios ocultos contêm conexões recorrentes para uma camada de unidades de contexto que consiste de atrasos unitários, e assim, têm um registro das suas ativações passadas, o que capacita a rede a realizar tarefas que se estendem no tempo. Nas redes de Elman o estado interno da rede (contexto) em um determinado instante depende de duas coisas: da entrada da rede no momento considerado e no instante anterior. O papel das unidades de contexto é fornecer memória dinâmica à rede, pois a camada de contexto tem a capacidade de codificar toda a informação de entrada desde o começo da sequência apresentada à rede (Stoianov, 2001). Essa memória é de grande profundidade e pouca resolução: as unidades de contexto conservam um registro exponencialmente decrescente do valor anterior de saída dos neurônios da camada oculta da rede (Koskela et al, 1996). Dessa forma, redes do tipo recorrente são de particular interesse na previsão de séries temporais, já que a capacidade de realimentação possibilita a elas o reprocessamento dinâmico do erro destas saídas Uso de redes neurais em finanças Devido a sua alta capacidade de previsão em geral, as redes neurais têm sido utilizadas também na área de finanças. Por exemplo, Matsumoto (2008) utilizou informações financeiras e contábeis com o objetivo de classificar a rentabilidade futura das empresas em ruim média ou ótima. Segundo ele, os experimentos realizados evidenciam que as redes neurais geram resultados satisfatórios e melhores que os modelos de regressão linear e logística. Neto (2008) verificou a utilização de protótipos de vários modelos de redes neurais para a previsão de cotações, e mostrou a relevância da utilização de séries exógenas para melhoras na precisão das previsões geradas por redes neurais. Hanaoka et al. (2011) discutem a possibilidade de séries financeiras apresentarem ligeira previsibilidade, através de técnicas de detecção de caos, refutando a pura aleatoriedade embasada pela Hipótese do Mercado Eficiente. Em seu trabalho, foram realizados testes com as redes neurais MLP, Narxnet e Elman para a previsão de valores futuros de um ativo da bolsa de valores, sendo que esta última foi a rede que obteve melhores resultados. Já Zanetti Jr. e Almeida (1998) avaliaram a capacidade das redes neurais em prever o retorno das ações da Telebrás, mas concluíram que a grande intensidade de oscilações diárias dificultou a adequação do modelo.
7 3. Metodologia Buscou-se com o presente trabalho desenvolver uma ferramenta computacional de apoio à compra e venda de ativos de uma carteira de investimentos usando a técnica dos candlesticks, com o auxílio de previsões de preços futuros feitas por uma rede neural recorrente Elman. Como complementação, utiliza sinais de stop e análise das linhas de resistência e suporte da série no período analisado. A fim de validar a metodologia proposta, foram feitas simulações utilizando um banco de dados contendo 3902 valores de fechamento, abertura, máximo e mínimo de cinco ativos da BOVESPA (PETR4, VALE5, ELET6, USIM5, CMIG4), correspondentes ao período entre 02/01/1995 até 28/12/2010 (contabilizando um total de 3902 dados). O software comercial MATLAB foi utilizado para realização de todos os cálculos e programas. Foram realizados 13 testes utilizando 300 dados para cada ativo, percorrendo assim um total de 3900 dias para cada ativo. Cada simulação corresponde aproximadamente a um ano de bolsa de valores aproximadamente, pois se descontam os dias que a bolsa não abre (feriados, sábados e domingos). Primeiramente, é realizado o cálculo das partes dos candles: sombra superior, sombra inferior e corpo, prosseguindo com a classificação dos mesmos, identificando a qual grupo ele pertence, bem como os padrões de reversão de tendências, de acordo com a sequência dos candles necessária (catalogada) para a formação de cada padrão. Neste trabalho foram utilizados 20 padrões conhecidos, sendo escolhidos os padrões mais frequentes na prática. A identificação de uma futura tendência de alta gera sinais de compra, e a identificação de futura tendência de baixa gera sinais de venda. A cada dia que os padrões de tendência são identificados, uma rede neural é solicitada para prever o valor de três dias posteriores. Caso a rede preveja o mesmo que a análise dos candles, é criado um sinal de compra ou venda. São realizados experimentos utilizando rede neural recorrente de Elman, com duas camadas intermediárias de três neurônios cada, taxa de aprendizado de 0,1, e os 14 dias anteriores como treinamento. Como entrada da rede utiliza-se o fechamento dos dias anteriores, para obter como saída a abertura de três dias posteriores. As funções de ativação utilizadas foram sigmoidal logística para a 1ª camada intermediaria, tangente hiperbólica para a 2ª camada intermediaria e linear para a camada de saída. Para efeitos de validade estatística, são realizados 30 experimentos e o sinal é aceito caso seja confirmado em pelo menos 80% dos testes. Como forma de proteger o investidor em caso de algum sinal de transação equivocado o programa utiliza o stop, conceito muito utilizado no mercado financeiro. O valor do stop é definido automaticamente no ato da compra dos ativos, considerando 90% do valor do ativo no momento da compra. Dessa forma, caso ocorra uma queda no preço que atinja esse valor determinado, um sinal de venda é enviado. Vale ressaltar que o preço do stop varia com o aumento do ativo. Isto é, caso o preço do ativo estivesse em R$ 20,00 no momento da compra, mas cresceu para R$ 30,00 em uma semana, o valor do stop passa a ser 90% dos R$ 30,00, e não dos R$ 20,00 do momento da compra. Por fim, o programa utiliza a ferramenta chamada linha de resistência e linha de suporte, que consiste em algum valor de preço que um ativo tende a não ultrapassar. Essa ferramenta foi introduzida criando-se um algoritmo que identificava os mínimos e máximos locais e comparava-os com os anteriores, dessa forma, quando era identificado
8 um valor comum, esse valor tornava-se uma linha de resistência ou de suporte em potencial. Assim, caso o preço volte a atingi-las, um sinal de venda ou de compra é enviado para o programa. O programa implementado simula transações de compra e venda ao receber os sinais, comprando ou vendendo em uma porcentagem determinada pela previsão da rede (quanto mais testes confirmarem, maior a porcentagem) e pelo estudo da eficiência dos candles (quanto maior a eficiência histórica, maior a porcentagem). De posse desses sinais de compra e venda, de stop e das linhas de resistência, foi feito o experimento reproduzindo um investidor durante um intervalo de tempo especificado, comprando e vendendo apenas ao receber esses sinais. O programa tem como parâmetros de entrada um valor em dinheiro, uma quantidade de ações, porcentagem para stop e um fator de investimento, que será explicado posteriormente. Na saída, o programa retorna o dinheiro total, correspondente à quantidade de dinheiro que sobrou mais o valor das ações no último dia, o lucro total, e ainda faz algumas comparações com outros investimentos, comparando caso o dinheiro fosse aplicado em renda fixa, e comparando caso não fosse realizada nenhuma transação, ou seja, à mercê da valorização das ações, investimento realizado por muitos investidores. Para efeito de comparação, foram realizados testes sem utilizar a rede neural como filtro das informações dos candles. O principal parâmetro de entrada do programa é um fator de investimento entre 0 e 1, que representa o perfil de risco/lucro do investidor. Quanto mais próximo de 1, mais o investidor busca apenas a valorização do seu ativo, não preocupando com o risco. Este fator de investimento é multiplicado pela eficiência histórica do padrão identificado e pela porcentagem de previsão da rede. Esse resultado gera a porcentagem de compra ou venda do ativo. Por exemplo, caso o investidor tenha entrado com um fator de investimento de 50%, a eficiência histórica do padrão identificado seja de 80% e a rede tenha confirmado o sinal em 95% das vezes, o programa efetuará a compra de ativos com 38% do dinheiro ou a venda de 38% de ações. É importante ressaltar que o programa simula um investidor real, uma vez que em momento algum são utilizados dados do momento de compra ou de venda, bem como de dias posteriores: as decisões são tomadas considerando-se apenas os valores anteriores de abertura, fechamento, máximos e mínimos. 4. Resultados e Conclusões Os resultados representam a média das 13 simulações realizadas para cada ativo, considerando a duração de cada uma como aproximadamente um ano de investimentos. É de se esperar que os valores apresentem um desvio-padrão grande, pois cada ano de um ativo possui momentos de compra e valores de preços diferentes entre si. Inicialmente é importante analisar o lucro obtido por cada tipo de investimento. Para tal, foram considerados quatro investimentos diferentes. O primeiro representa os lucros do programa utilizando a rede neural para validar os sinais dos candles, além das linhas de resistência e suporte e do stop. O segundo indica os lucros obtidos utilizando os candles, as linhas de resistência e de suporte e o stop, ou seja, apenas não utiliza a rede neural como auxílio às previsões. O terceiro representa os lucros obtidos aplicando o montante inicial (correspondente ao dinheiro inicial mais o dinheiro investido em ações) em um investimento com renda fixa, simulando uma poupança (investimento 1).
9 Este é um investimento muito utilizado por pessoas que temem a grande variação da bolsa de valores, preferindo um investimento fixo e mais seguro. Para tal, foi considerada uma taxa de 0,6% ao mês de rentabilidade. Finalmente, o quarto indica os lucros obtidos aplicando o dinheiro no investimento de renda fixa, novamente à taxa de 0,6% ao mês, e não fazendo movimentações com as ações, ou seja, deixando as ações à mercê de sua valorização (investimento 2). Esse investimento também é feito por muitos investidores da bolsa de valores, que por não terem tempo ou conhecimento acabam comprando ações e não efetuando transações. A Tabela 1 mostra a média dos 13 resultados de 300 dias para cada investimento, e também seu desvio padrão. O montante inicial totalizou R$ 2.000,00 sendo R$ 1.000,00 como dinheiro e outros R$1.000,00 investidos em ações. Tabela 1. Média e desvio-padrão de lucro dos investimentos em quarto cenários, para cinco ativos da Bolsa. A primeira linha representa a média, e a segunda o desvio-padrão, ambos em porcentagem do valor inicial investido. Ativos CMIG4 ELET6 PETR4 USIM5 VALE5 Lucro utilizando o algoritmo (médias e desvios) Lucro sem RNA (médias e desvios) Lucro Investimento 1 (médias e desvios) Lucro Investimento 2 (médias e desvios) 12,58% 5,05% 9,20% 8,98% 17,24% 18,36% 13,22% 10,39% 26,65% 20,73% 9,34 % 5,19% 8,22% 6,84% 14,85% 15,25% 17,03% 10,15% 20,01% 19,07% 6,14% 6,14% 6,14% 6,14% 6,14% 0% 0% 0% 0% 0% 9,91% 5,27% 7,46% 6,43% 13,45% 14,19% 8,28% 14,84% 17,82% 16,37% Através dos resultados pode-se concluir que o algoritmo criado obteve, em média, melhores resultados comparados aos outros investimentos. Apenas no ativo ELET6 os investimentos comparados foram, em média, superiores ao algoritmo. O desvio padrão apresenta valores bastante elevados, pois os lucros variam dependendo do período analisado. Ainda que nem sempre o algoritmo tenha se mostrado superior aos outros investimentos, em média, em 75% das vezes se apresentou melhor que o investimento 1, e em 70% das vezes em relação ao investimento 2. Estes resultados já indicam uma melhora com a utilização da rede neural, uma vez que ela filtra os sinais enviados pelos candles, eliminando sinais que não coincidem com a previsão. Com isso, o número de transações realizadas ao utilizar a rede é sempre menor ou igual a quando não se utiliza. Esse detalhe é importante, pois cada transação possui um custo de corretagem e impostos, por isso é interessante tentar reduzir as transações sem reduzir o lucro. Por isso é calculado a média de lucro por cada transação, resultado que mostra qual foi o lucro médio a cada transação, que é mostrado na Tabela 2. Estes resultados acima evidenciam ainda mais a melhora do lucro com a utilização da rede neural. As transações se mostram mais eficientes, já que aquelas sugeridas pelo candle e certificadas pela rede neural em geral trazem maior lucratividade.
10 Tabela 2. Média e desvio-padrão de lucro por cada transação. A primeira linha representa a média, e a segunda o desvio-padrão. Ativo CMIG4 ELET6 PETR4 USIM5 VALE5 Lucro por transação utilizando o algoritmo (médias e desvios) Lucro por transação sem RNA (médias e desvios) R$ 42,55 R$ 16,79 R$ 60,14 R$ 63,35 R$ 117,80 R$ 64,26 R$ 50,11 R$ 94,30 R$ 88,53 R$ 74,55 R$ 23,37 R$ 9,68 R$ 29,01 R$ 32,56 R$ 64,08 R$ 38,50 R$ 44,43 R$ 39,54 R$ 113,26 R$ 130,29 Por fim, foi verificada a eficiência de cada sinal enviado pelo candle, ou pelo candle certificado pela rede neural. Para estudar essa eficiência foi considerado um intervalo de três dias. Após tal período, uma comparação é feita com o dia em que apareceu o sinal. Sinais de venda significam que o preço irá cair, e sinais de compra que o preço irá subir. Dessa maneira, calculam-se quantas vezes os sinais acertaram e quantas erraram, gerando assim uma eficiência de acerto, mostrada na Tabela 3. Tabela 3. Média e desvio-padrão das eficiências do algoritmo. A primeira linha representa a média, e a segunda o desvio-padrão. Ativos CMIG4 ELET6 PETR4 USIM5 VALE5 Média das eficiências do algoritmo (médias e desvios) Média das eficiências sem RNA (médias e desvios) 75,6% 79,6% 85,6% 79,0% 72,9% 15,2% 12,8% 13,9% 22,3% 26,3% 69,1% 84,0% 80,2% 69,8% 71,1% 17,8% 27,5% 13,2% 21,2% 23,1% É destacável que a média da eficiência da previsão do programa é sempre superior a 50%, inclusive sendo superior a 75% em quatro dos cinco ativos. Isso indica que, em um intervalo de três dias, a previsão feita pelos candles e pela rede neural acertou três vezes mais do que errou. Apenas em um ativo a eficiência do algoritmo foi inferior à eficiência apenas utilizando candle. É importante ressaltar que os sinais enviados pelos candles são de reversão, por isso esse resultado de eficiência se mostra bastante satisfatório, uma vez que as previsões feitas, em sua grande maioria vão contra a tendência do mercado até aquele momento, mostrando uma grande capacidade de previsão da rede neural mesmo em um momento de reversão de tendência, se o treinamento realizado for bem sucedido. 5. Considerações Finais O estudo dos candlesticks têm se mostrado bastante eficiente e popular. Utilizar uma inteligência computacional para se aliar ao estudo histórico dos movimentos nas bolsas de valores é algo interessante e, sem dúvidas, existem várias formas de conciliá-las. Através deste trabalho foi possível concluir que esta combinação é bastante proveitosa, já que se mostrou superior a outros investimentos realizados pelos investidores em geral, e em todos os testes, foi superior ao estudo utilizando apenas os candles. Ainda é necessário adicionar os valores de custos de transações na bolsa de valores.
11 Dessa forma, um dos projetos futuros é a integração da metodologia a outras técnicas de inteligência artificial, como por exemplo, o uso de algoritmos genéticos para a identificação de porcentagens ótimas. Outra possibilidade é a montagem de uma carteira de investimentos on-line, com as transações sendo realizadas no mercado diariamente. Por fim, existem diversas ferramentas da análise técnica que podem ser integradas e verificadas através de uma previsão de rede neural, sendo assim interessante integrar outras formas de indicativos de tendências da análise técnica. Agradecimentos Os autores agradecem ao CEFET-MG e às agências FAPEMIG, CAPES e CNPq pelo apoio financeiro recebido. Referências Braga, A. de P. e Carvalho, A. C. P. de P. L. F. de, Ludemir, T. B. (2007) Redes neurais artificiais: teoria e aplicações, 2ª ed., LTC, Rio de Janeiro, Brasil. Chaves, D. A. T. (2004), Análise técnica e fundamentalista> divergências, similaridades e complementariedades, Monografia, São Paulo, Brasil. Economatica (2012), Janeiro. Elder, A. (1993), Trading for a living, John Willey & Sons Inc.. Elman, J. (1990), Finding structure in time, Cognitive Science. Espindola, R. (2011), Estratégia de venda coberta de opções dentro do dinheiro no mercado acionário brasileiro. Monografia, Florianópolis, Brasil. Ferreira, L. N. (2009), Um trading system autônomo baseado em redes neurais Artificiais, Monografia, Lavras, Brasil. Hanaoka, G. P., Barroso, B. C., Paiva, F. D., Cardoso, R. T. N. (2011), Um estudo comparativo utilizando Redes Neurais na previsão de tendências em séries temporais financeiras para composição ótima de carteiras, em Encontro Mineiro de Modelagem Computacional, Brasil. Haykin, S. (2001), Redes Neurais: princípios e prática, 2ª ed., Bookman, Porto Alegre, Brasil. Investmax (2011), Introdução do modelo gráfico Candlestick, Junho. Koskela, Timo et al. (1996), Times series prediction with multilayer perceptron, FIR and Elman neural networks In: Proceedings of the World Congress on Neural Networks, INNS Press. Marques, F. C. R.; Gomes, R. M.; Almeida, P. E. M. (2009) Maximização de Lucros em Investimentos: uma abordagem a partir do MACD com emprego de algoritmos genéticos e lógica fuzzy, IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN), Brasil.
12 Matsumoto, E. Y. (2008) Aplicação de Redes Neurais na Classificação de Rentabilidade Futura de Empresas. Dissertação (Mestrado em economia). Fundação Getúlio Vargas, São Paulo, Brasil. Mizuno, H., Kosaka, M. and Yajima, H. (1997), Stock Market Prediction System Based On Technical Analysis of Stock Index Using Neural Network,in Proceedings of the 15th IMACS World Congress on Scientific Computation, Modelling and Applied Mathematics (IMACS '97). Murphy, J. (1996) Technical Analysis of the Future Markets, New York Institute Finance, New York, USA. Neto, A. M. C. de. (2008) Previsão Séries Temporais Usando Séries Exógenas e Combinação de Redes Neurais Aplicada ao Mercado Financeiro, Dissertação (Mestrado em ciência da computação). Universidade Federal de Pernambuco, Pernambuco, Brazil. Nison, S. (1991), Japanese candlestick charting techniques, New York Institute of Finance, New York Noronha, M. (1995), Análise Técnica: Teorias, Ferramentas, Estratégias, Editec, Rio de Janeiro, Brazil. Rotella, R. P. (1992), The Elements of Successful Trading, Institute of Finance Simon & Schuster, New York, USA. Stoianov, I. (2001), Recurrent neural networks: design and applications, Boca Raton: CRC Press. Zanetti Jr, L. A. Almeida, F. C. de. (1998), Exploração do Uso de Redes Neurais na Previsão do Comportamento de ativos Financeiros. In: III Semead, Univeridade de São Paulo, São Paulo, Brazil.
4 Estratégias para Implementação de Agentes
Estratégias para Implementação de Agentes 40 4 Estratégias para Implementação de Agentes As principais dúvidas do investidor humano nos dias de hoje são: quando comprar ações, quando vendê-las, quanto
Leia maisNeurodinâmica do Mercado de Ações
Neurodinâmica do Mercado de Ações Armando Freitas da Rocha Eina Estudos em Inteligência Natural e Artificial Rua Tenente Ary Aps, 172 13207-110 Jundiaí Fone: (11) 4535-1414 Direitos Reservados: Eina The
Leia maisPrevisão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais
Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisComplemento II Noções Introdutória em Redes Neurais
Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações
Leia maisAula 2 RNA Arquiteturas e Treinamento
2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:
Leia maisPALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
Leia maisCOMO INVESTIR NO MERCADO A TERMO MERCADOS
COMO INVESTIR NO MERCADO A TERMO MERCADOS Como Investir no Mercado a Termo 1 2 Como Investir no Mercado a Termo O que é? uma OPERAÇÃO A TERMO É a compra ou a venda, em mercado, de uma determinada quantidade
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisIntrodução 12. 1 Introdução
Introdução 12 1 Introdução O crescente avanço no acesso à informação, principalmente através da rede mundial de computadores, aumentou o ritmo de mudanças, impondo uma diminuição no tempo necessário para
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisCOMO CALCULAR A PERFORMANCE DOS FUNDOS DE INVESTIMENTOS - PARTE II
COMO CALCULAR A PERFORMANCE DOS FUNDOS DE INVESTIMENTOS - PARTE II O que é o Índice de Treynor? Índice de Treynor x Índice de Sharpe Restrições para as análises de Sharpe e Trynor A utilização do risco
Leia maisMercado de Opções Opções de Compra Aquisição
Mercado de Opções Opções de Compra Aquisição Ao comprar uma opção, o aplicador espera uma elevação do preço da ação, com a valorização do prêmio da opção. Veja o que você, como aplicador, pode fazer: Utilizar
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia maisJoseilton S. Correia
O P E R A N D O N A Bolsa de Valores U T I L I Z A N D O ANÁLISE TÉCNICA Aprenda a identificar o melhor momento para comprar e vender ações Joseilton S. Correia Novatec Sumário Agradecimentos... 13 Sobre
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisEste capítulo é divido em duas seções, a primeira seção descreve a base de
30 3. Metodologia Este capítulo é divido em duas seções, a primeira seção descreve a base de dados utilizada, identificando a origem das fontes de informação, apresentando de forma detalhada as informações
Leia maisUNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA A GEOMETRIA DO VaR: (Value at risk) Aplicações computacionais AUTOR: RODOLFO VENDRASCO TACIN PROFESSOR
Leia maisPESQUISA SOBRE O PERFIL DE ALUNOS NA UTILIZAÇÃO DE UM SITE DOCENTE DO ENSINO SUPERIOR
PESQUISA SOBRE O PERFIL DE ALUNOS NA UTILIZAÇÃO DE UM SITE DOCENTE DO ENSINO SUPERIOR Wesley Humberto da Silva (Fundação Araucária), André Luis Andrade Menolli (Orientador) e-mail: wesleyhumberto11@mail.com
Leia maisPesquisa com Professores de Escolas e com Alunos da Graduação em Matemática
Pesquisa com Professores de Escolas e com Alunos da Graduação em Matemática Rene Baltazar Introdução Serão abordados, neste trabalho, significados e características de Professor Pesquisador e as conseqüências,
Leia maisA IMPORTÂNCIA DAS DISCIPLINAS DE MATEMÁTICA E FÍSICA NO ENEM: PERCEPÇÃO DOS ALUNOS DO CURSO PRÉ- UNIVERSITÁRIO DA UFPB LITORAL NORTE
A IMPORTÂNCIA DAS DISCIPLINAS DE MATEMÁTICA E FÍSICA NO ENEM: PERCEPÇÃO DOS ALUNOS DO CURSO PRÉ- UNIVERSITÁRIO DA UFPB LITORAL NORTE ALMEIDA 1, Leonardo Rodrigues de SOUSA 2, Raniere Lima Menezes de PEREIRA
Leia mais3 Multi-Agent System for Stock Exchange Simulation
Multi-Agent System for Stock Exchange Simulation 29 3 Multi-Agent System for Stock Exchange Simulation A participação na competição Agent Reputation Trust (ART) Testbed [10] motivou o estudo do domínio
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisGRUPO 12. Celso André Locatelli de Almeida Gabriell Orisaka Jorge Domingos Pizollato Filho José Lucas do Nascimento Santos
GRUPO 12 Celso André Locatelli de Almeida Gabriell Orisaka Jorge Domingos Pizollato Filho José Lucas do Nascimento Santos Nostrademus VENDA COMPRA O mercado de ações se caracteriza por possuir diversas
Leia maisCurso Análise Técnica 1
Curso Análise Técnica 1 Módulo 1 de 4 www.tradernauta.com.br Introdução Análise Técnica ou Gráfica Avaliação dos preços históricos de um ativo por meio de um gráfico típico para realizar projeções de performance
Leia maisIntrodução. 1.1 Histórico
1 Introdução 1.1 Histórico O mercado brasileiro, assim como os mercados da maioria dos países emergentes, tem se caracterizado pela crescente volatilidade e dependência do capital estrangeiro. A integração
Leia maisLeonardo Cavalcante Daniel Santos Costa
Leonardo Cavalcante Daniel Santos Costa Novatec capítulo 1 INTRODUÇÃO Provavelmente você, leitor, perderá dinheiro com o mercado financeiro. Isso mesmo. Repito: provavelmente perderá dinheiro com o mercado
Leia maisAnálises: Análise Fundamentalista Análise Técnica
Análises: Análise Fundamentalista Análise Técnica Análise Fundamentalista Origem remonta do final do século XIX e princípio do século XX, quando as corretoras de bolsa tinham seus departamentos de análise
Leia maisCOMO DETERMINAR O PREÇO DE UMA
COMO DETERMINAR O PREÇO DE UMA O que são opções? Precificação de opções Exemplo de árvore recombinante Autores: Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas graduado pela EAESP/FGV.
Leia maisOs investimentos no Brasil estão perdendo valor?
1. Introdução Os investimentos no Brasil estão perdendo valor? Simone Maciel Cuiabano 1 Ao final de janeiro, o blog Beyond Brics, ligado ao jornal Financial Times, ventilou uma notícia sobre a perda de
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisANÁLISE DOS RESULTADOS DOS PROGRAMAS DE APOIO ÀS PMEs NO BRASIL Resumo Executivo PARA BAIXAR A AVALIAÇÃO COMPLETA: WWW.IADB.
ANÁLISE DOS RESULTADOS DOS PROGRAMAS DE APOIO ÀS PMEs NO BRASIL Resumo Executivo PARA BAIXAR A AVALIAÇÃO COMPLETA: WWW.IADB.ORG/EVALUATION ANÁLISE DOS RESULTADOS DOS PROGRAMAS DE APOIO ÀS PMEs NO BRASIL
Leia maisSISTEMAS DE GESTÃO São Paulo, Janeiro de 2005
SISTEMAS DE GESTÃO São Paulo, Janeiro de 2005 ÍNDICE Introdução...3 A Necessidade do Gerenciamento e Controle das Informações...3 Benefícios de um Sistema de Gestão da Albi Informática...4 A Ferramenta...5
Leia maisINDICADORES FINANCEIROS NA TOMADA DE DECISÕES GERENCIAIS
INDICADORES FINANCEIROS NA TOMADA DE DECISÕES GERENCIAIS ANA BEATRIZ DALRI BRIOSO¹, DAYANE GRAZIELE FANELLI¹, GRAZIELA BALDASSO¹, LAURIANE CARDOSO DA SILVA¹, JULIANO VARANDAS GROPPO². 1 Alunos do 8º semestre
Leia maisPerguntas Frequentes. 1ª Fase: Otimização de Capital e Emissão de Instrumentos de Capital
Perguntas Frequentes 1ª Fase: Otimização de Capital e Emissão de Instrumentos de Capital 1-) Qual é o objetivo do plano de Otimização de Capital e Emissão de Instrumentos de Capital? Esse plano visa incrementar
Leia maisFolhaInvest Manual Carteira
FolhaInvest Manual Carteira Carteira é onde estão consolidadas as informações sobre suas ações e seu capital. A partir de atalhos, você poderá comprar, clicando na letra C, ou vender, clicando na letra
Leia maisEducação Financeira Responsável. Escola de Operadores
Escola de Operadores Escola de Operadores Treinamentos e Ltda. São Paulo, SP, Brasil Telefone: (5511) 3022-4528 (5511) 99103-9827 www.escoladeoperadores.com.br Contato@escoladeoperadores.com.br http://twitter.com/operadoresbr
Leia maisPLANEJAMENTO OPERACIONAL: RECURSOS HUMANOS E FINANÇAS MÓDULO 16
PLANEJAMENTO OPERACIONAL: RECURSOS HUMANOS E FINANÇAS MÓDULO 16 Índice 1. Orçamento Empresarial...3 2. Conceitos gerais e elementos...3 3. Sistema de orçamentos...4 4. Horizonte de planejamento e frequência
Leia mais3 Metodologia de Previsão de Padrões de Falha
3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar
Leia maisSONHOS AÇÕES. Planejando suas conquistas passo a passo
SONHOS AÇÕES Planejando suas conquistas passo a passo Todo mundo tem um sonho, que pode ser uma viagem, a compra do primeiro imóvel, tranquilidade na aposentadoria ou garantir os estudos dos filhos, por
Leia maisEstruturando o modelo de RH: da criação da estratégia de RH ao diagnóstico de sua efetividade
Estruturando o modelo de RH: da criação da estratégia de RH ao diagnóstico de sua efetividade As empresas têm passado por grandes transformações, com isso, o RH também precisa inovar para suportar os negócios
Leia maisCAPÍTULO 1 - CONTABILIDADE E GESTÃO EMPRESARIAL A CONTROLADORIA
CAPÍTULO 1 - CONTABILIDADE E GESTÃO EMPRESARIAL A CONTROLADORIA Constata-se que o novo arranjo da economia mundial provocado pelo processo de globalização tem afetado as empresas a fim de disponibilizar
Leia maisEsclarecimentos sobre rentabilidade das cotas do Plano SEBRAEPREV
INVESTIMENTOS Esclarecimentos sobre rentabilidade das cotas do Plano SEBRAEPREV Uma questão de suma importância para a consolidação e perenidade de um Fundo de Pensão é a sua saúde financeira, que garante
Leia maisSimulação Computacional de Sistemas, ou simplesmente Simulação
Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.
Leia maisTaxa de Aplicação de CIP (Custos Indiretos de Produção)
Projeto Curso Disciplina Tema Professor Pós-graduação MBA em Engenharia de Produção Custos Industriais Aplicação de Custos Diretos e Indiretos Luizete Fabris Introdução tema. Assista à videoaula do professor
Leia maisBack-Test no MetaStock
Back-Test no MetaStock Visão Geral Tela principal do System Tester O System Tester visa testar sistemas (trading systems) para determinar seu histórico de rentabilidade. Ele ajuda a responder a pergunta
Leia maisA IMPORTÂNCIA DA GESTÃO DE CUSTOS NA ELABORAÇÃO DO PREÇO DE VENDA
553 A IMPORTÂNCIA DA GESTÃO DE CUSTOS NA ELABORAÇÃO DO PREÇO DE VENDA Irene Caires da Silva 1, Tamires Fernanda Costa de Jesus, Tiago Pinheiro 1 Docente da Universidade do Oeste Paulista UNOESTE. 2 Discente
Leia maisPESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *
PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária
Leia maisGASTAR MAIS COM A LOGÍSTICA PODE SIGNIFICAR, TAMBÉM, AUMENTO DE LUCRO
GASTAR MAIS COM A LOGÍSTICA PODE SIGNIFICAR, TAMBÉM, AUMENTO DE LUCRO PAULO ROBERTO GUEDES (Maio de 2015) É comum o entendimento de que os gastos logísticos vêm aumentando em todo o mundo. Estatísticas
Leia maisCurso CPA-10 Certificação ANBID Módulo 4 - Princípios de Investimento
Pág: 1/18 Curso CPA-10 Certificação ANBID Módulo 4 - Princípios de Investimento Pág: 2/18 Módulo 4 - Princípios de Investimento Neste módulo são apresentados os principais fatores para a análise de investimentos,
Leia maisCONFIRA UMA BREVE DESCRIÇÃO DAS VANTAGENS COMPETITIVAS OBTIDAS A PARTIR DE CADA META COMPETITIVA VANTAGEM DA QUALIDADE
CHÃO DE FÁBRICA A PRODUÇÃO COMPETITIVA CONFIRA UMA BREVE DESCRIÇÃO DAS VANTAGENS COMPETITIVAS OBTIDAS A PARTIR DE CADA META COMPETITIVA VANTAGEM DA QUALIDADE Foco principal das empresas que competem com
Leia maisPrincípios de Finanças
Princípios de Finanças Apostila 02 A função da Administração Financeira Professora: Djessica Karoline Matte 1 SUMÁRIO A função da Administração Financeira... 3 1. A Administração Financeira... 3 2. A função
Leia maisUma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro
Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,
Leia maisAPLICACAÇÃO DE METRICAS E INDICADORES NO MODELO DE REFERENCIA CMMI-Dev NIVEL 2
APLICACAÇÃO DE METRICAS E INDICADORES NO MODELO DE REFERENCIA CMMI-Dev NIVEL 2 Renan J. Borges 1, Késsia R. C. Marchi 1 1 Universidade Paranaense (UNIPAR) Paranavaí, PR Brasil renanjborges@gmail.com, kessia@unipar.br
Leia maisAnálise de Ponto de Função
Complemento para o Curso Análise de Ponto de Função FUNÇÕES DO TIPO DADO O termo Arquivo não significa um arquivo do sistema operacional, como é comum na área de processamento de dados. Se refere a um
Leia maisMódulo 2 Custos de Oportunidade e Curva de Possibilidades de Produção
Módulo 2 Custos de Oportunidade e Curva de Possibilidades de Produção 2.1. Custo de Oportunidade Conforme vínhamos analisando, os recursos produtivos são escassos e as necessidades humanas ilimitadas,
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia mais)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR
6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,
Leia maisTeoria da Decisão MÉTODOS QUANTITATIVOS DE GESTÃO
Teoria da Decisão MÉTODOS QUANTITATIVOS DE GESTÃO INTRODUÇÃO Todo problema de decisão envolve julgamento sobre um conjunto conhecido de alternativas; Informações Disponíveis (Dados) Conhecidos com certeza;
Leia maisPerguntas e Respostas Alteração no rendimento da caderneta de poupança. 1) Por que o governo decidiu mudar as regras da caderneta de poupança?
Perguntas e Respostas Alteração no rendimento da caderneta de poupança Novas regras 1) Por que o governo decidiu mudar as regras da caderneta de poupança? Por ter parte de sua remuneração (chamada de adicional)
Leia maisRedes Neurais. A IA clássica segue o paradigma da computação simbólica
Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia mais7.Conclusão e Trabalhos Futuros
7.Conclusão e Trabalhos Futuros 158 7.Conclusão e Trabalhos Futuros 7.1 Conclusões Finais Neste trabalho, foram apresentados novos métodos para aceleração, otimização e gerenciamento do processo de renderização
Leia maisA Organização orientada pela demanda. Preparando o ambiente para o Drummer APS
A Organização orientada pela demanda. Preparando o ambiente para o Drummer APS Entendendo o cenário atual As organizações continuam com os mesmos objetivos básicos: Prosperar em seus mercados de atuação
Leia maisProcessos Técnicos - Aulas 4 e 5
Processos Técnicos - Aulas 4 e 5 Trabalho / PEM Tema: Frameworks Públicos Grupo: equipe do TCC Entrega: versão digital, 1ª semana de Abril (de 31/03 a 04/04), no e-mail do professor (rodrigues.yuri@yahoo.com.br)
Leia maisIniciando. Bolsa de Valores. O que é uma ação?
O que é uma ação? Por definição é uma fração de uma empresa. Por isso, quem detém ações de uma companhia é dono de uma parte dela, ou melhor, é um dos seus sócios e por conseguinte passa a ganhar dinheiro
Leia maisA Hora do Gráfico. Análise Gráfica. Índice. Ibovespa - Diário. Ibovespa (gráfico de 15 minutos) Índice Ibovespa. Top 5. Fique de Olho.
quinta-feira, 3 de outubro de 2013 Análise Gráfica A Hora do Gráfico Ibovespa - Diário Índice Índice Ibovespa Top 5 Fique de Olho Disclosure Hoje tivemos um dia de queda, no começo até testamos novamente
Leia maisProtocolo em Rampa Manual de Referência Rápida
Protocolo em Rampa Manual de Referência Rápida 1 O que é o Protocolo em Rampa O protocolo em rampa é um protocolo para testes de esforço que não possui estágios. Nele o incremento da carga se dá de maneira
Leia maisPesquisa realizada com os participantes do 12º Seminário Nacional de Gestão de Projetos. Apresentação
Pesquisa realizada com os participantes do de Apresentação O perfil do profissional de Projetos Pesquisa realizada durante o 12 Seminário Nacional de, ocorrido em 2009, traça um importante perfil do profissional
Leia maisSERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA
SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente
Leia mais1. Introdução. 1.1 Introdução
1. Introdução 1.1 Introdução O interesse crescente dos físicos na análise do comportamento do mercado financeiro, e em particular na análise das séries temporais econômicas deu origem a uma nova área de
Leia maisANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD
ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos
Leia maisPreparando sua empresa para o forecasting:
Preparando sua empresa para o forecasting: Critérios para escolha de indicadores. Planejamento Performance Dashboard Plano de ação Relatórios Indicadores Embora o forecasting seja uma realidade, muitas
Leia maisCOMO INVESTIR NO MERCADO A TERMO MERCADOS
COMO INVESTIR NO MERCADO A TERMO MERCADOS O que é? uma operação A TERMO É a compra ou a venda, em mercado, de uma determinada quantidade de ações, a um preço fixado, para liquidação em prazo determinado,
Leia maisdissertação. 2 Credibilidade total, em linhas gerais, seria a capacidade de representar o comportamento
13 1 Introdução Esta dissertação é o estudo de um problema estatístico de classificação que diz respeito à precificação de seguros de automóveis. Devido às particularidades deste ramo, a formação dos contratos,
Leia maisConstrução de Modelos de Previsão de Risco de Crédito Utilizando Técnicas de Estatística Multivariada
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO Construção de Modelos de Previsão de Risco de Crédito Utilizando Técnicas de Estatística Multivariada Equipe
Leia maisPrimeiros Passos para o Simulador de Ações do FinanceDesktop. Parte A INICIANDO E CONFIGURANDO (5 passos)
Primeiros Passos para o Simulador de Ações do FinanceDesktop. Seja bem-vindo(a) ao Simulador de Ações FinanceDesktop. Seu propósito é oferecer um ambiente completo e fácil de usar que permita o registro
Leia maisAs fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico
Leia maisTécnicas de Caixa Preta de Teste de Software
Técnicas de Caixa Preta de Teste de Software Na maioria de projetos de teste, o tempo para a realização dos mesmos sempre é curto e os números de testes a serem realizados nas aplicações são inúmeros.
Leia mais1. Introdução. 1.1 Apresentação
1. Introdução 1.1 Apresentação Empresas que têm o objetivo de melhorar sua posição competitiva diante do mercado e, por consequência tornar-se cada vez mais rentável, necessitam ter uma preocupação contínua
Leia maisPOLÍTICA DE INVESTIMENTOS
POLÍTICA DE INVESTIMENTOS Segurança nos investimentos Gestão dos recursos financeiros Equilíbrio dos planos a escolha ÍNDICE INTRODUÇÃO...3 A POLÍTICA DE INVESTIMENTOS...4 SEGMENTOS DE APLICAÇÃO...7 CONTROLE
Leia maisENTENDENDO COMO FUNCIONA A RENDA FIXA. Renda Fixa Plano B 124,0 % 10,0 % Renda Fixa Plano C 110,0 % 9,1 % Selic 71,0 % 6,5 %
ENTENDENDO COMO FUNCIONA A RENDA FIXA A partir de 2005 foi iniciado um processo de alongamento dos prazos das carteiras de renda fixa da PSS, que propiciou bons ganhos por oito anos seguidos até o final
Leia maisMatlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida
27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma
Leia maisAs principais características da abordagem de um banco de dados versus a abordagem de processamento de arquivos são as seguintes:
SGBD Características do Emprego de Bancos de Dados As principais características da abordagem de um banco de dados versus a abordagem de processamento de arquivos são as seguintes: Natureza autodescritiva
Leia maisPelo segundo mês consecutivo cai o endividamento e a inadimplência em Santa Catarina. Síntese dos resultados Meses Situação da família
Núcleo de Pesquisas Pelo segundo mês consecutivo cai o endividamento e a inadimplência em Santa Catarina Os dados levantados pela Pesquisa de Endividamento e Inadimplência dos Consumidores (PEIC) de Santa
Leia maisREDUZINDO AS QUEBRAS ATRAVÉS DA MANUTENÇÃO PROFISSIONAL
REDUZINDO AS QUEBRAS ATRAVÉS DA MANUTENÇÃO PROFISSIONAL Luiz Rodrigo Carvalho de Souza (1) RESUMO O alto nível de competitividade exige que as empresas alcancem um nível de excelência na gestão de seus
Leia maisUma análise econômica do seguro-saúde Francisco Galiza Outubro/2005 www.ratingdeseguros.com.br
Uma análise econômica do seguro-saúde Francisco Galiza Outubro/2005 www.ratingdeseguros.com.br Um dos ramos mais importantes do mercado segurador brasileiro é o de saúde. Surgido sobretudo com uma opção
Leia maisNathalie Portugal Vargas
Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield
Leia mais4 passos para uma Gestão Financeira Eficiente
4 passos para uma Gestão Financeira Eficiente Saiba como melhorar a gestão financeira da sua empresa e manter o fluxo de caixa sob controle Ciclo Financeiro Introdução Uma boa gestão financeira é um dos
Leia maisNBC TSP 10 - Contabilidade e Evidenciação em Economia Altamente Inflacionária
NBC TSP 10 - Contabilidade e Evidenciação em Economia Altamente Inflacionária Alcance 1. Uma entidade que prepara e apresenta Demonstrações Contábeis sob o regime de competência deve aplicar esta Norma
Leia maisGESTOR DA CARTEIRA DE INVESTIMENTO
O QUE É? No Brasil um fundo de investimento possui a sua organização jurídica na forma de um condomínio de investidores, portanto o fundo de investimento possui um registro na Receita Federal (CNPJ) pois
Leia maisFormação: o Bacharel em Sistemas de Informações (SI); o MBA em Tecnologia da Informação e Comunicação (TIC).
DOCENTE PROFESSOR CELSO CANDIDO Formação: o Bacharel em Sistemas de Informações (SI); o MBA em Tecnologia da Informação e Comunicação (TIC). Conhecimentos: o Web Designer; o Arquitetura de Máquina; o Implementação
Leia maisPindyck & Rubinfeld, Capítulo 15, Mercado de Capitais::REVISÃO
Pindyck & Rubinfeld, Capítulo 15, Mercado de Capitais::REVISÃO 1. Uma empresa utiliza tecidos e mão-de-obra na produção de camisas em uma fábrica que foi adquirida por $10 milhões. Quais de seus insumos
Leia mais