Aplicação das wavelets na detecção da reversão de tendências no mercado financeiro
Carregando...
Arquivos
Citações na Scopus
Tipo de produção
Dissertação
Data
2016
Autores
Penof Júnior, D. G.
Orientador
Belardi, A. A.
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
PENOF JÚNIOR, D. G. Aplicação das wavelets na detecção da reversão de tendências no mercado financeiro. 2016. 80 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2016. Disponível em: . Acesso em: 19 out. 2018.
Texto completo (DOI)
Palavras-chave
Mercado financeiro,Ações (Finanças),Transformada Wavelet
Resumo
Este trabalho busca desenvolver um método para detectar reversões de tendência seguidas de quedas no mercado financeiro brasileiro usando wavelets. A partir do conceito da lei de potência log-periódica, caracterizada pelas reduções da amplitude e do período das suas oscilações conforme se aproxima o momento crítico (onde as quedas são mais prováveis), utilizou-se a Transformada Wavelet Contínua para detectar este aumento na frequência de
oscilação da série temporal dos preços de ativos financeiros e gerar sinais de venda. Com este objetivo, foi desenvolvido um algoritmo para testar diferentes tipos de wavelets e parâmetros de cálculo do Índice Wavelet, avaliando qual combinação de parâmetros obtém os melhores resultados, bem como, comparando esses resultados às ferramentas de Análise Técnica existentes. Os resultados indicam que o método proposto para cálculo do Índice Wavelet detecta com sucesso reversões de tendências seguidas de quedas significativas (acima de 10%) no mercado financeiro brasileiro. Nas quedas acima de 15%, as perdas por venda antecipada foram
de 45,0% (em média) no grupo de busca e 43,9% no grupo de teste, sem falsos negativos, utilizando principalmente a wavelet de Meyer. Sua performance também foi superior às ferramentas de Análise Técnica como MACD e IFR.
This study intends to develop a method to detect trend reversals followed by significant drops in Brazilian Stock Market using wavelets. Applying the concept of the log-periodic power-law, which oscillations present reduction in amplitude and period as the critical moment approaches (where there is a higher probability of market drop), it used the Continuous Wavelet Transform to detect the increasing oscillation frequency in the stock price time series and generate sell signals. An algorithm was developed to test different kinds of wavelets and parameters to calculate the Wavelet Index, evaluating which combination of parameters brings the best results and comparing these results with the existing Technical Analysis tools. The results show that the proposed method to calculate the Wavelet Index detects successfully the significant drops (over 10%) in the Brazilian Stock Market. Considering drops over 15%, there were losses due to early sales of 45,0% (average) in the search set and 43,9% in the test set, without false negatives, using mainly the Meyer wavelet. Its performance was also better than existing Technical Analysis tools, like MACD and RSI.
This study intends to develop a method to detect trend reversals followed by significant drops in Brazilian Stock Market using wavelets. Applying the concept of the log-periodic power-law, which oscillations present reduction in amplitude and period as the critical moment approaches (where there is a higher probability of market drop), it used the Continuous Wavelet Transform to detect the increasing oscillation frequency in the stock price time series and generate sell signals. An algorithm was developed to test different kinds of wavelets and parameters to calculate the Wavelet Index, evaluating which combination of parameters brings the best results and comparing these results with the existing Technical Analysis tools. The results show that the proposed method to calculate the Wavelet Index detects successfully the significant drops (over 10%) in the Brazilian Stock Market. Considering drops over 15%, there were losses due to early sales of 45,0% (average) in the search set and 43,9% in the test set, without false negatives, using mainly the Meyer wavelet. Its performance was also better than existing Technical Analysis tools, like MACD and RSI.