Algoritmos genéticos aplicados a séries temporais em mercados cambiais

Abstract

This paper reports the work done to build a trading system for the EUR/USD currency pair, in the forex market, that could beat the market. That is, it should be profitable when used in out of sample series. If this endeavour were to be achieved, it would be in disagreement with what is established in the Efficient Market Theory. The simulation system was built in a way to be as close as possible to the real market conditions. Spread was taken into consideration as the cost to do the business. Time series data of four different frequencies were used. The system is supposed to take advantage of price trends and should allow a maximum of one open position at any given time. Five rules were designed to enter a position and five others to exit. A total of 31 parameters were considered. Due to the enormous search space considered, a genetic algorithm was built in order to achieve good solutions for the problem. The genetic algorithm was conceived with a constant set of ten individuals evolving in 50 generations. Fitness was conceptualized as the ration between return and maximum drawdown achieved by an individual. Experiments have shown that when a group of individuals is trading in parallel, in the same time frequency data, positive fitness and profits should be expected. The best individuals can be interpreted as following short term trends and entering the market on certain rebounds. Exits, which were defined when the new position was taken, can be readjusted if the algorithm realizes there was a halt on the trend.

Com este trabalho pretendeu-se construir um sistema de negociação para o par de divisas EUR/USD, no mercado de Forex, que permitisse a obtenção de rentabilidades supra-normais, isto é, que se mostrasse consistentemente lucrativo nas diversas séries temporais. Tal feito mostrar-se-ia em desacordo com a Teoria da Eficiência dos Mercados. O sistema de simulação foi construído de forma a aproximar-se, o mais possível, das condições reais de negociação no mercado, incorporando custos de transacção. Os dados utilizados dizem respeito a quatro séries base temporais, correspondendo às frequências de 1, 5, 15 e 60 minutos. O sistema procura tirar partido de tendências de evolução dos preços, permitindo, no máximo, a existência de uma posição aberta a cada momento. Foram previstas cinco regras de entrada em posição e outras cinco de saída. No total, foram considerados 31 parâmetros diferentes. Dado o vasto espaço de soluções possíveis, foi desenvolvido um algoritmo genético responsável pela escolha da estrutura e dos valores dos parâmetros de modo a possibilitar a obtenção de boas soluções. O algoritmo genético labora na evolução de populações de dez indivíduos durante 50 gerações.O conceito de fitness, segundo o qual cada indivíduo é avaliado, resulta do quociente entre o lucro (ou prejuízo) obtido e a maior quebra a que esteve sujeito. As conclusões apontam para a existência de soluções que permitem esperar a obtenção de um desempenho positivo nas séries de testes. Os melhores indivíduos têm uma estrutura que tira partido de tendências de curto prazo, com o aproveitamento de retrocessos, na evolução dos preços. A saída de posição, inicialmente prevista, pode ser alterada se for constatada uma atenuação na tendência.