Apresenta

1
Análise de Investimentos utilizando Lógica
Nebulosa UFRJ NCE/IM Mestrado em
Informática Inteligência Computacional Adriano
Joaquim de Oliveira Cruz Fernando Tamberlini
Alves 07/04/2004
UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
1
2
Artigos

• Stock Market Prediction Based on Fundamentalist
  Analysis with Fuzzy-Neural Networks
• RAPOSO, R.C.T and CRUZ, A.J.O
• NCE/IM UFRJ RJ/BRAZIL

• Introduction
• Input data and sector choice
• The choice of economic indicators
• Fuzzy-Neural Model
• Training and Testing
• Conclusion

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
2
3
Artigos

• Investment using technical analysis and fuzzy
  logic
• DOURRA,H
• PEPE SIY Wayne State University - MI/USA

• Introduction
• Using fuzzy logic in technical analysis
• Stock evaluation process
• Fuzzification module
• Fuzzy processing
• Defuzzification
• System evaluation
• System results and data
• Conclusion

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
3
4
Sumário

• Introdução
• Exposição do 1º Artigo
• Stock Market Prediction Based on Fundamentalist
  Analysis with Fuzzy-Neural Networks
• Exposição do 2º Artigo
• Investment using technical analysis and fuzzy
  logic
• Conclusão

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
4
5
Mercado de Ações

• O Motivo da existência do mercado de ações
• Afim de conseguir novos investimentos necessários
  para seu crescimento fugindo do endividamento
  junto as instituições financeiras. As empresas
  abrem o seu capital para encontrar uma fonte de
  captação de recursos financeiros permantes.

• Comportamento do mercado de ações
• Alto risco
• Altamente volátil
• Especulativo
• Difícil previsão
• Sensível a conjuntura política e econômica.

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
5
6
Como investir ?

• Análise Fundamentalista
• A análise fundamentalista tem como base os
  fundamentos das empresas, ou seja, avalia de que
  forma os números, o grau de endividamento, o
  histórico da empresa e as perspectivas para o
  setor, impactam no preço do ativo. Tais
  indicadores, confrontados com o cenário
  macroeconômico e o preço de mercado do papel, são
  utilizados para definir se determinada ação é ou
  não um bom investimento.

• Análise Técnica
• A análise técnica baseia-se nos gráficos que
  expressam o movimento de preços de uma ação
  durante um determinado período de tempo. Estes
  gráficos também demonstram movimentos de mercado,
  antecipando assim, ciclos de alta e baixa da
  bolsa.

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
6
7
Mercado de Ações e Lógica Nebulosa
Compre em baixa e venda em alta
Princípio básico de uma boa negociãção
Sistema Decisão Nebuloso

• Alto risco
• Preço baixo
• Crescimento alto

• Venda
• Compre
• Mantenha

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
7
8
1º Artigo Idéias Iniciais

• Redes Neurais
• Utilizar a capacidade de reconhecer padrões de
  comportamento do mercado de ações.

• Lógica Nebulosa
• Utilizar a habilidade de trabalhar com
  informações imprecisas e vagas.

• Dados de Entrada
• Balanços das empresas e índices de mercado.

• Decisão Final
• Comprar, vender ou manter.

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
8
9
1º Artigo Idéias Iniciais
Fuzzy-Neural Model

• Balanços
• Índices econ.

• Venda
• Compre
• Mantenha

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
9
10
1º Artigo Dados de Entrada

• Balanços das empresas
• 1º trimestre de 1986 a 2º trimestre 1998 total
  de 51 trimestres.

• Índices econômicos
• Um total de 52 indicadores econômicos. Exemplos
  índice de inflação, taxa de câmbio e etc.

• Ciclo produtivo
• Relaciona os dados de entrada com a época do ano.

• Classificação das empresas por setores
• Setor alimentício, têxtil, eletro-eletrônico,
  bebidas e etc.

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
10
11
1º Artigo Filtro nos dados de entrada
Filtragem nos dados de entrada para diminuir a
complexidade do sistema.

• Setor econômico
• Setor têxtil setor com mais empresas, mais
  dados disponíveis e consistentes.

• Indicadores econômicos
• Escolha de 9 indicadores econômicos baseado no
  Know-how de especialistas e análises estatísticas.

• Índices econômicos
• Redução para 10 índices econômicos. Esses 10
  índices representam 65 do total da variância.

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
11
12
1º Artigo Modelo Neuro-Fuzzy
Modelo Neuro-fuzzy construído numa arquitetura
feed-forward com 5 camadas de neurônios.

• 1º Camada
• Entrada dos dados(indicadores e índices
  econômicos)

• 2º Camada
• Determinação do grau de inclusão de cada variável

• 3º Camada
• Representação das regras nebulosas

• 4º Camada
• Resultado da aplicação da regras nebulosas

• 5º Camada
• Defuzificação. Saída dos dados (compra,venda e
  mantenha).

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
12
13
1º Artigo Conclusões

• Indicou a possibilidade de conseguir bom
  desempenho na previsão de comportamento do
  mercado de ações para o primeiro semestre
  seguinte. Quantos mais dados diponíveis melhor o
  desempenho.

• Indicou a pouca possibilidade de conseguir bom
  desempenho na previsão de comportamento do
  mercado de ações para o segundo e o terceiro
  semestres seguintes.

• Indicou que dados econômicos muito antigos têm
  pouca relevância.

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
13
14
2º Artigo Idéias Iniciais

• Análise Técnica
• Prever o preço futuro de uma ação analisando a
  sequência histórica de preços da ação.
  Desconsiderando a politica econômica, o momento
  da economia e etc

• Prever o comportamento do investidor
• Prever as espectativas e as atitudes do
  investidor

• Considerações sobre outros métodos
• Neuro-Fuzzy - Não existe maneira de determinar
  se um treinamento é adequado ou não.
• Neuro-Fuzzy É estritamente quantitativa e
  generalista perdendo os julgamentos qualitativos
  humanos.

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
14
15
2º Artigo Processo de avaliação de ações

• Receber dados históricos (histórico das
  cotações)
• Desenvolver indicadores técnicos
• Convergir indicadores técnicos em variáveis
  nebulosas
• Criar as funções de inclusões para cada
  variável
• Criar as regras nebulosas
• Gerar as saídas estágio de decisão
• Avaliar o resultado obtido.

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
15
16
2º Artigo Módulo de Convergência
Indicadores Técnicos

• Rate of change momentum indicator - ROC
• Diferença entre da cotação atual e a cotação de
  uma data passada
• ROC(nT) R(nT) R((n 30)T), n gt 30
• R(nT) cotação de fechamento

• Support/resistance indicator
• É calculado sendo o valor 2? abaixo e 2? acima
  da média das cotações dos últimos 30 dias
• Sup Level Avg(nT) - 2?(nT)
• Res Level Avg(nT) 2?(nT)

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
16
17
2º Artigo Módulo de Convergência
Indicadores Técnicos

• Stochastic momentum indicator
• Relação entre a última cotação e a variação da
  cotação.
• K(nT) (R(nT) Rmin(nT)) / (R(nT)
  Rmin(nT)).100

UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
17
18
2º Artigo Módulo de Convergência
Transformando 3 indicadores técnicos em 7
variáveis nebulosas
Inputs Ri(nT) I 1,2,3 R1(nT) ROC R2(nT)
D R3(nT) Sup/Res
OutPuts Y1(nT) YROC(nT) Y2(nT)
YROCt(nT) Y3(nT) YD(nT) Y4(nT)
YKD(nT) Y5(nT) YSup(nT) Y6(nT)
YRes(nT) Y7(nT) YAvg(nT)
Processo de Convergência
UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
18
19
2º Artigo Módulo de Fuzzificação
Neste processo analisa-se a convergência de cada
módulo, estudando as variáveis e o efeito que uma
causa a outra. Inicia-se o processo de previsão
de compartamento das ações. Exemplo - Se
Y1(nT) é alto então tendência de alta. - Se
Y1(nT) é alto então tendência de baixa
Defini-se os conjuntos nebulosos e a função de
inclusão. Neste caso - Low, medium, big or
large. - Bell-Shaped Membership function
UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
19
20
2º Artigo Processo Fuzzy e defuzzificação
Total de 10 regras (0) - If Y1 is big and Y2
is big then C is large (1) - If Y1 is low and Y2
is medium then C is low (2) - If Y2 is large
then C is big (3) - If Y2 is low then C is
medium (4) - If Y7 is large C is large (5) - If
Y4 is large C is big (6) - If Y4 is low and Y7
is low then C is low (7) - If Y3 is large then C
is big (8) - If Y2 is large and Y3 is large then
C is large (9) - If Y5 is big and Y7 is medium
then C is medium (10) - If Y6 is low C is
big Defuzzificação Método adotado é o da
centróide.
UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
20
21
Conclusão Final
A cobiça humana alimenta a busca de sistemas que
predizem o comportamento futuro do mercados. Por
ser um assunto que possui conceitos vagos e
incertos a Lógica Nebulosa ajuda muito estes
sistemas. Porém por possuir muitas variáveis a
modelagem deste sistema é uma tarefa complicada.
UFRJ- NCE/IM Inteligência Computacional Análise
de Investimentos utilizando Lógica Nebulosa
21