Aplicações de reservoir computing e sistemas não-lineares para forecasting
Visualizar/abrir
Data
2022Orientador
Nível acadêmico
Graduação
Assunto
Resumo
Em meio a um cenário de forte competição impulsionado por tecnologias disruptivas, novos paradigmas técnicos e operacionais e o advento de aplicações em ciência de dados e inteligência artificial faz-se cada vez mais necessário o desenvolvimento de produtos sofisticados, fortemente embasados do ponto de vista teórico e científico e capazes de agregar valor a processos em empresas atuantes no mercado financeiro. Com o desafio de alocação de capitais no mercado de ações se mostrando cada vez maio ...
Em meio a um cenário de forte competição impulsionado por tecnologias disruptivas, novos paradigmas técnicos e operacionais e o advento de aplicações em ciência de dados e inteligência artificial faz-se cada vez mais necessário o desenvolvimento de produtos sofisticados, fortemente embasados do ponto de vista teórico e científico e capazes de agregar valor a processos em empresas atuantes no mercado financeiro. Com o desafio de alocação de capitais no mercado de ações se mostrando cada vez maior, com a utilização em larga escala de algoritmos de trading de alta frequência e análise em tempo real, otimização, eficiência e robustez são cada vez mais características imprescindíveis de qualquer produto que se proponha a ser competitivo e atrativo. Em decorrência desta situação e com consciência da capacidade do profissional de engenharia física para agregar valor a negócios aliando tecnologia com vasta formação teórica propusemos o desenvolvimento de um produto. Partindo do estado da arte e elaborando uma solução concisa e aplicável para a análise de forecasting de cotações de diversos ativos financeiros com o uso de conceitos sólidos da física de sistemas não-lineares e a implamentação de modelos de redes neurais. O desenvolvimento deste projeto passa pela implementação de redes neurais do tipo Echo State baseadas em paradigmas de Reservoir Computing para redes neurais e a análise de sistemas não-lineares já bastante conhecidos na literatura. O desempenho da rede neural no que tange a sua capacidade de predição em séries temporais será avaliado com base nas medições do erro de predição dos modelos. A ideia conceitual será ampliada visando a análise de sistemas caóticos sobre efeito de diversas fontes de ruído e analisando a consequência destes nas capacidades preditivas e na acurácia. Por fim, o sistema será aplicado para séries temporais de ativos financeiros de frequência diária, alta liquidez e interesse prático. O produto será então amplamente avaliado, documentado e seus resultados devidamente apresentados do ponto de vista técnico. Ao final, teremos desenvolvido um produto completo munido do rigor científico adequado, robusto, estruturado e escalonável possibilitando sua aplicação prática por empresas no setor tanto como um algoritmo solo e integrado a sistemas de maior complexidade. ...
Abstract
Due to a highly competitive market driven by disruptive technologies, it has become necessary to develop novel products well supported by current scientific theories. Furthermore, high-frequency trading algorithms and real-time analysis tools have become the standard approach for problems of capital allocation in the stock market. Given this scenario, this work proposes the conceptualization of a forecasting tool based on reservoir computing. This tool will be implemented using echo state netwo ...
Due to a highly competitive market driven by disruptive technologies, it has become necessary to develop novel products well supported by current scientific theories. Furthermore, high-frequency trading algorithms and real-time analysis tools have become the standard approach for problems of capital allocation in the stock market. Given this scenario, this work proposes the conceptualization of a forecasting tool based on reservoir computing. This tool will be implemented using echo state networks and tested using standard non-linear systems. The performance of the neural network regarding its predictability power will be measured according to several error metrics in order to evaluate the model’s capacity. This concept will be extended to chaotic systems under the influence of strong noise sources. Finally, the system will be applied to real time-series previously selected according to several criteria such as liquiduty, data frequency and practical interest. The tool will then be adequately evaluated, documented and presented. We aim at developing a scientifically designed forecasting tool that can be readily used by the market at the end of this project. ...
Instituição
Universidade Federal do Rio Grande do Sul. Instituto de Física. Curso de Engenharia Física.
Coleções
-
TCC Engenharias (5679)
Este item está licenciado na Creative Commons License