Desenvolvimento de plataforma de backtesting para testes de modelo de alta frequência

Página do item simplificado
dc.contributor.advisorRAUL IKEDA GOMES DA SILVA
dc.contributor.authorSutton, Jonathan
dc.contributor.authorOliveira, Luís Antônio Bordignon de
dc.contributor.authorIsrael, Ricardo
dc.contributor.authorRiccetti, Vitor Fortes Giuliano
dc.creatorSutton, Jonathan
dc.creatorOliveira, Luís Antônio Bordignon de
dc.creatorIsrael, Ricardo
dc.creatorRiccetti, Vitor Fortes Giuliano
dc.date.accessioned2024-10-17T17:58:28Z
dc.date.available2024-10-17T17:58:28Z
dc.date.issued2024
dc.descriptionProjeto realizado para a empresa Legacy Capital
dc.description.abstractEste projeto visa o desenvolvimento de uma plataforma de backtesting para alta frequência destinada à avaliação de modelos para a previsão de retornos em contratos futuros. A plataforma será utilizada pelos responsáveis da área Quant da Legacy Capital. Para cumprir com objetivo, foram utilizados raw market data de ordens e negociações realizadas na Bolsa de Mercadorias & Futuros (B3), onde após manipulados e realizados os devidos cálculos, servem como entrada para os modelos. Os modelos escolhidos foram Autorregressivo Exógena (ARX), que é uma extensão dos modelos de regressão linear básica utilizada para séries temporais, Long Short Term Memory (LSTM), que se configura como uma arquitetura de Rede Neural Recorrente (RNN), Multilayer Perceptrons (MLP), que está dentro das Redes Neurais Artificiais (RNA), LSTM-MLP, uma junção da arquitetura de Redes Neurais Artificias (RNA) com Rede Neural Recorrente (RNN) e finalmente o Gradient Boosting Regressor (XGB), que funciona como um processo de árvores de decisão sequencial. A plataforma será projetada para ser flexível, permitindo a incorporação de diversos modelos e para ajuste de parâmetros conforme determinado necessário pelo contratante, com o objetivo de aprimorar as capacidades de previsão e a eficácia dos resultados advindo da plataforma.pt
dc.description.abstractThe project aims the development of a high frequency backtesting platform designed to evaluate models that predict futures contracts returns. The platform will be used by the Quant team at Legacy Capital. To fulfill this objective, raw market data from the Commodities & Futures Exchange (B3) were used, which, after manipulation and appropriate calculations, served as input for the models. Some of the selected models included Autoregressive Exogenous (ARX), which is an extension of the linear regression model employed for time series analysis. Additionally, was used the Long Short-Term Memory (LSTM), that is a Recurrent Neural Network (RNN), along with Multilayer Perceptron (MLP) models within Artificial Neural Networks (ANNs). Also, a combination of MLP with LSTM, referred to as LSTM-MLP, was considered. Finally, the Gradient Boosting Regressor (XGB) was used, working as a sequential decision tree process. The platform is designed to be flexible, allowing for the incorporation of various models and parameter adjustments as determined necessary by the contracting party, with the aim of enhancing prediction capabilities.en
dc.formatDigital
dc.format.extent41 p.
dc.identifier.urihttps://repositorio.insper.edu.br/handle/11224/7101
dc.language.isoPortuguês
dc.subjectRaw Market Datapt
dc.subjectBacktestingpt
dc.subjectMercado Financeiropt
dc.subjectAlta-Frequênciapt
dc.subjectRaw Market Dataen
dc.subjectBacktestingen
dc.subjectFinancial Marketen
dc.subjectHigh-Frequency Tradingen
dc.titleDesenvolvimento de plataforma de backtesting para testes de modelo de alta frequência
dc.title.alternativeBacktesting platform development for high-frequency model testingen
dc.typebachelor thesis
dspace.entity.typePublication
local.contributor.boardmemberRAUL IKEDA GOMES DA SILVA
local.contributor.boardmemberRUY MONTEIRO RIBEIRO
local.contributor.boardmemberMACIEL CALEBE VIDAL
local.subject.cnpqENGENHARIAS
local.typeTrabalho de Conclusão de Curso
relation.isAdvisorOfPublication0d6222c5-47b6-429a-b167-4a7670a0f6f0
relation.isAdvisorOfPublication.latestForDiscovery0d6222c5-47b6-429a-b167-4a7670a0f6f0
relation.isBoardMemberOfPublication0d6222c5-47b6-429a-b167-4a7670a0f6f0
relation.isBoardMemberOfPublication252786e6-ae76-41a8-8878-1c71bc135f79
relation.isBoardMemberOfPublication3c34d0f1-1f7d-4405-a994-3484d365cebf
relation.isBoardMemberOfPublication.latestForDiscovery0d6222c5-47b6-429a-b167-4a7670a0f6f0
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Relatrio_Desenvolvimento de plataforma de backtesting.pdf
Tamanho:
1.54 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
N/D
Nome:
license.txt
Tamanho:
236 B
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Graduações em Engenharias e Ciência da Computação