Quantis do GARCH para operação em bolsas de valores

Authors

  • José Augusto Fiorucci Universidade de Brasília
  • Geraldo N. Silva Universidade Estadual Paulista (UNESP)
  • Flávio Barboza Universidade Federal de Uberlândia (UFU)

Keywords:

GARCH, Sistema de Reação e Tendência, Metatrader 5, Inferência Bayesiana, Volatilidade

Abstract

O Sistema baseado em Reação e Tendência (SRT), desenvolvido por J. Welles Wilder Jr. e detalhado em seu livro clássico de análise técnica, é uma estratégia que combina duas abordagens: uma para mercados em tendência e outra para mercados não tendenciais. Enquanto mercados em retração oferecem várias oportunidades de compra e venda, mercados em tendência apresentam menos retrações, permitindo que as ordens sejam mantidas por mais tempo. No entanto, distinguir entre esses cenários é desafiador, e o SRT se destaca por alternar automaticamente entre essas estratégias conforme os movimentos do mercado. O SRT identifica e captura os movimentos do mercado a partir de quatro pontos de ação calculados diariamente, sem considerar estatisticamente a volatilidade da série temporal de preços. Uma generalização do sistema foi proposta pelos autores, incorporando modelos estatísticos mais recentes, como o Generalized Autoregressive Conditional Heteroskedasticity (GARCH), para calcular a volatilidade. A estimação dos parâmetros é realizada por inferência bayesiana, aplicada a modelos GARCH de correlação condicional multivariada e dinâmica, com distribuições assimétricas e leptocúrticas de erros. Ambas as metodologias foram integradas em um único sistema de negociação automática, implementado como um Expert Advisor na plataforma Metatrader 5. Os parâmetros para os cálculos dos pontos de ação foram estimados utilizando código em R. Detalhes sobre a implementação do sistema completo estão disponíveis e o código reproduzível. Um estudo de backtest abrangente foi realizado em um ativo da B3, demonstrando a consistência dos resultados do sistema ao longo de 36 meses. Os resultados foram comparados com estudos anteriores que aplicaram abordagens semelhantes em diferentes ativos, ações brasileiras, ETFs, e mercados futuros, ações americanas e o mercado FOREX. Em geral, os resultados indicam que o método proposto possui resultados promissores em diferentes contextos, oferecendo uma alternativa viável para investidores e gestores de fundos.

Downloads

Download data is not yet available.

References

T. Bollerslev. “Generalized autoregressive conditional heteroskedasticity”. Em: Journal of econometrics 31.3 (1986), pp. 307–327.

F. V. Cacique e A. C. Pereira. “Pattern searcher for decision making of trading agents using genetic algorithm”. Em: 2020 IEEE Congress on Evolutionary Computation (CEC). IEEE. 2020, pp. 1–8. doi: 10.1109/CEC48606.2020.9185704.

L. Conegundes e A. C. Pereira. “Beating the stock market with a deep reinforcement learning day trading system”. Em: 2020 International Joint Conference on Neural Networks (IJCNN). IEEE. 2020, pp. 1–8. doi: 10.1109/IJCNN48605.2020.9206938.

J. A. Fiorucci, R. S. Ehlers e M. G. Andrade Filho. “Bayesian multivariate garch models with dynamic correlations and asymmetric error distributions”. Em: Journal of Applied Statistics 41.2 (2014), pp. 320–331. doi: 10.1080/02664763.2013.839635.

J. A. Fiorucci, G. N. Silva e F. Barboza. “Reaction Trend System with GARCH Quantiles as Action Points”. Em: Expert Systems with Applications 198 (2022), p. 116750. issn: 0957-4174. doi: 10.1016/j.eswa.2022.116750.

J. A. Fiorucci, G. N. Silva e F. Barboza. “RTS: Expert Advisor for Reaction Trend System”. Em: Software Impacts 13 (2022), p. 100331. doi: 10.1016/j.simpa.2022.100331.

J. A. Fiorucci., G. N. Silva e F. Barboza. Reaction Trading System based on GARCH Estimates [Source Code]. Codeocean. (2022). doi: 10.24433/CO.3679020.v2.

Metaquotes Software Corporation. Online. MetaTrader 5 Trading Platform. Acessado em 09-05-2024, https://www.metatrader5.com.

B. B. Nair, P. S. Kumar, N. Sakthivel e U. Vipin. “Clustering stock price time series data to generate stock trading recommendations: An empirical study”. Em: Expert Systems with Applications 70 (2017), pp. 20–36. doi: 10.1016/j.eswa.2016.11.002.

R. Naranjo e M. Santos. “A fuzzy decision system for money investment in stock markets based on fuzzy candlesticks pattern recognition”. Em: Expert Systems with Applications 133 (2019), pp. 34–48. doi: 10.1016/j.eswa.2019.05.012.

F. Rundo, F. Trenta, A. L. di Stallo e S. Battiato. “Grid trading system robot (gtsbot): A novel mathematical algorithm for trading fx market”. Em: Applied Sciences 9.9 (2019), p. 1796. doi: 10.3390/app9091796.

J. W. Wilder. New Concepts in Technical Trading Systems. Trend Research, 1978.

Published

2025-01-20