Seleção Online de Portfólio de Criptoativos por meio de Aprendizado por Reforço

Aluno(a): 

  • Thiago Trabach da Cunha

Data: 

06/05/2019 - 9:00

Local: 

Auditório 537

Resumo: 

Este trabalho se propôs a ampliar o entendimento do framework de Reinforcemente Learning concebido por Jiang et al. (2017) para o problema de seleção online de portfólio. Ao substituir o Bitcoin do trabalho original por um ativo mais próximo do livre de risco (Theter); ampliar o horizonte de tempo da análise; e criar intervalos de confiança para o resultado da estratégia, fomos capazes de identificar situações que a solução convergiu para uma estratégia livre de risco. A estratégia foi capaz de proteger o capital do agenda, quando a maioria das principias estratégias comparadas falhou.

*Texto enviado pelo aluno. 

Membros da banca: 

  • Flavio Codeço Coelho (Orientador) - FGV/EMAp
  • Yuri Fahham Saporito (Co-orientador) - FGV/EMAp
  • Eduardo Fonseca Mendes - FGV/EMAp
  • Max Oliveira Souza - UFF