Recentemente há um aumento exponencial no uso de técnicas de aprendizado de máquina
no mercado financeiro, principalmente para negociação de ações, na tentativa de prever o seu
preço futuro. O objetivo desse projeto é desenvolver um sistema de negociação inteligente para
o Minicontrato Futuro de Dólar, baseado no uso de aprendizado por reforço, usando o Deep
Recurrent Q learning, um modelo de Redes Neurais Convolucionais combinadas com as Redes
Neurais Recorrentes. O treinamento foi baseado em uma base da dados históricos do ativo
e o agente realizou três ações: comprar, vender, manter o ativo, sempre visando o máximo
retorno financeiro. Os experimentos realizados demonstraram que o sistema proposto teve um
desempenho melhor do que as estratégias de Buy and Hold, um modelo baseado na Deep Q
Network, um Fundo Cambial e uma estratégia baseada no indicador técnico MACD.
Palavras-chave: Aprendizado por Reforço Profundo. Redes Neurais Convolucionais. Redes
Neurais Recorrentes. Long Short-Term Network. Deep Recurrent Q Network. Mercado Futuro
