@MASTERSTHESIS{ 2022:1676610798,
 	title = {Computação evolutiva para otimização de carteiras de estratégias de negociação no mercado financeiro},
 	year = {2022},
 	url = "http://tede2.uefs.br:8080/handle/tede/1628",
 	abstract = "A digitalização do mercado de capitais levou ao surgimento de estratégias de negociação automatizadas: os robôs investidores. Embora seja possível utilizar apenas um algoritmo para realizar operações financeiras, tornou-se comum a criação de carteiras de investimento com diversas estratégias de negociação. Ao realizar operações no mercado, e possível distribuir os ativos entre as estratégias automatizadas de maneira arbitrária. Diferentes configurações dessas distribuições, no entanto, podem levar a diferentes níveis de rentabilidades. Dado um conjunto de ativos, o problema da distribuição ótima pode ser estudado a partir de uma perspectiva multiobjetiva, pois diversos índices de mercado podem ser utilizados para avaliar a carteira de estrategias. Um conjunto de estrategias automatizadas de negociação pode ser disposto em um portfólio, buscando maximização de rendimentos e minimização de perdas. A melhor combinação para o portfólio requer a atribuição de pesos ótimos para cada estratégia, considerando diversos indicadores utilizados no mercado financeiro. Neste trabalho, é proposta a aplicação de um Algoritmo Evolutivo com abordagem lexicográfica e um Algoritmo Evolutivo baseado no NSGA-II para otimizar um portfólio de estratégias automatizadas aplicadas ao mercado futuro brasileiro. Os experimentos consideram diferentes indicadores  financeiros, com diferentes ordenações, além de condições de otimização e de variações temporais, aplicando dados históricos de minicontratos do  índice futuro do Ibovespa e do dólar. Experimentos foram realizados com o intuito de ajustar vários parâmetros, avaliando o impacto das funções-objetivo e do tamanho dos períodos de tempo, além do capital acumulado ao longo do período. Após os experimentos com funções-objetivo, o grupo de funções que otimizou o índice de Sórtino obteve capital acumulado superior nos dois algoritmos evolutivos. Nos experimentos com tamanhos de janelas, as soluções do NSGA de “Maior Retorno" e “Próximo ao Ideal" produziram as maiores medias de retorno e capital acumulado em todos os cenários e todas as soluções obtiveram desempenho superior ao IPCA e  a Selic. Per  odos In-Sample curtos reduziram o risco e elevaram a propor c~ao entre retorno e riscoem janelas Out-of-Sample. Os períodos Out-of-Sample mais extensos, no entanto, elevaram a rentabilidade e o capital acumulado em toda a série temporal.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Programa de Pós-Graduação em Ciência da Computação},
 	note = {DEPARTAMENTO DE TECNOLOGIA}
}