Rede Neural e Lgica Fuzzy Aplicada em Antecipao de Sries Financeiras

Arthur Tarso, Nathan Augusto e Thiago Torres Resumo Aplicando as caractersticas neurofuzzy sobre um estudo financeiro pode-se gerar uma antecipao e previso do desenvolver de sries financeiras assim como prever se a atual situao ou no favorvel para se trabalhar com o cenrio financeiro. O mtodo utilizado aplicado sobre o ndice S&P 500 do mercado norte americano. Estudos empricos na cincia mostram uma necessidade de grande variedade de dados para gerarem uma previso confivel, dezenas de milhares, enquanto que em sistemas econmicos, a quantidade de informao, menos que mil. O S&P 500 de grande importncia para o mercado norte americano, portanto, 1. Introduo Com o atual perfil financeiro mundial, e o avano acelerado mercado mundial, de grande importncia que o sistema financeiro garanta um padro que possa ser possvel gerar a antecipao para se adquirir uma melhor rentabilidade e aproveito das condies financeiras de mercado. Principalmente em situaes de risco e crises, as pessoas desejam que pelo menos suas rendas no caiam, apesar da volatilidade do mercado. Com este intuito, o artigo escrito por (Pantazopoulos, Tsoukalas e Houstis) mostra uma forma um pouco se apresenta como um importante parmetro de estudo. Na pesquisa so apresentados os estudos que relacionam ao domnio de trs parmetros do S&P 500: Tendncia, Horizonte e Confiana. A Tendncia de uma srie pode ser dita estar subindo, descendo ou se mantendo estvel. A Confiana de uma srie financeira diferente, sendo inversamente proporcional com o Horizonte, uma vez que quando maior o tempo de previso, menor ser a confiana de que o sistema apresentar tais configuraes naquele tempo. A previso em tal sofisticada rentabilidade financeiros. para se em garantir a

sistemas

parmetro

financeiro

ser

muitas outras. Anlise tcnica uma ferramenta utilizada por investidores para tentar prever a direo dos preos de um ativo por meio do estudo de dados

diretamente proporcional em relao confiana da srie, sendo maior a confiana do estudo, mais previsvel este ser. Os captulos seguintes faro

passados do mercado. Ela tem como principal enfoque o comportamento do mercado, baseado no modelo de oferta e demanda. Esse mtodo de anlise no leva em considerao o ambiente como por econmico, exemplo, sendo mudanas susceptvel a mudanas no mesmo, polticas. O S&P neste artigo ser analisado como um ndice caracterstico para acompanhamento da volatilidade de sries temporais ao longo de trs variveis: Tendncia, Horizonte e Confiana. Analiticamente, a Confiana de uma srie financeira est inversamente ligada ao Horizonte, uma vez que quanto menor o tempo de previso, maior ser a confiana na previso, pois mais facilmente prever funes com menos tempo de antecipao. Por outro lado, quanto mais confiante for a srie, maior ser a certeza de uma previso correta. A anlise a Tendncia se baseia na srie, sendo estudado como a tendncia de uma

referncia S&P 500 no captulo 2, no captulo 3 ser mostrada uma anlise de como o sistema neurofuzzy atuar e qual o seu peso para a previso, enquanto que o captulo 4 falar de como a Lgica Fuzzy junto com a Rede Neural foi utilizada para se gerar a previso do sistema, e ao final, no captulo 4 sero mostrados os resultados e a concluso do estudo. 2. S&P 500 S&P um ndice criado pela empresa Standard & Poors em 1957 que composto pelas 500 maiores aes do mercado americano em relao ao tamanho de mercado, liquidez e representao de grupo industrial. um ndice ponderado de valor de mercado, sendo o peso de cada ativo no ndice proporcional ao seu preo de mercado. Fazem parte deste ndice empresas como: Apple, AT&T, Avon, Eletronic Arts, Harley Davidson, Microsoft, Motorola, Tiffany & Co, Xerox, entre

ao variar ou no, podendo tomar valores que indique que a srie financeira ir permanecer constante, ir subir ou ainda cair de valor.

questo de qual a melhor ao a se fazer, que seria uma recomendao do que se fazer. A figura 1 mostra um exemplo de nmero fuzzy que utiliza a leitura de uma tendncia de a sria

3. Anlise do Sistema No artigo estudado, o estudo da srie financeira utilizada com a lgica o Fuzzy interpreta rendimento

permanecer constante e o risco da srie ser mdio. A opo sugerida seria manter suas finanas.

dirio do ndice S&P 500 e gera um modelo que verifica qual a melhor ao a se fazer em funo da sada adquirida. O erro presente na rede neural utilizado como um erro significativo, referente mdia dos valores previstos e o valor atual no tempo. Quando o erro encontrado prximo de zero ou um, ento o sistema modelado como um nmero fuzzy. Um conjunto crisp pode ser interpretado de modo a indicar o risco da previso, que seria a volatilidade da tendncia, porm, essa anlise de difcil interpretao. A fuzzyficao destas duas variveis, risco e estimativa da gera uma de aproximao previso fuzzy. O nmero fuzzy, baseado nos valores de risco e tendncia, representa a sada prevista pelo sistema, que representa a previso fuzzy na capacidade
Figura 1: Universo de Deciso Fuzzy, baseado no risco e tendncia

4. Modelamento Neuro-Fuzzy A funo do sistema de rede neural unido ao controlador fuzzy utilizado para se prever ou antecipar as mudanas das sries financeiras, de modo a se verificar qual a melhor ao a se fazer de acordo com o risco, a tendncia e a confiabilidade da previso financeira. Quando o sistema treinado, ele antecipa as mudanas de acordo com a volatilidade do ndice S&P 500, que seria uma recomendao do que se fazer, como uma estratgia de mercado.

-Modelamento Neural As entradas do sistema esto presentes em trs grupos de nmero fuzzy que representa a volatilidade do ndice que seria de Subir, baseado num vetor de nmeros que tendem o ndice a exceder o valor de 16.5%, de Descer a um valor que faa com que a volatilidade caia abaixo de 16.5% e de Manter entre os valores limites. Estes trs valores so utilizados para se treinar a rede neural.

R5 = Excluso das sadas que prevem tendncias fora do range parametrizado. -Modelamento Fuzzy As sadas dos treinamentos da rede neural so analisadas como nmeros fuzzy que explicitam a previso da volatilidade da srie, caracterizada com uma sada com trs nmeros fuzzy de funo triangular. Foram testadas as funes fuzzy de acordo com regras configuradas para a rede neuro-fuzzy baseadas no treinamento, teste e previso: R1 = Se as trs sadas dos nmeros fuzzy no satisfazem suas premissas, ento no se faz nada; R2 = Se se o todas suas deve sadas descartar das satisfazem ento analisar condies,

Figura 2: Modelamento Neural.

So utilizadas cinco regras para se treinar a rede neural: R1 = Sada relaciona-se com a mdia aritmtica entre os trs vetores; R2 = Considerando-se apenas a tendncia de Subir; R3 = Considerando-se apenas a tendncia de Manter; R4 = Considerando-se apenas a tendncia de Descer;

aquela com maior distoro, e significado funes fuzzy das outras duas; R3 = Se menos que trs satisfazerem, ento tomar como base a mdia fuzzy das que satisfizeram. Para todas as regras, a previso calculada a partir da centride do

nmero fuzzy resultante. 5. Resultado e Concluso Os testes feitos foram baseados em um valor de pocas igual h 10.000 dias. Foi-se utilizado tambm um sistema com uma estratgia opcional paralelamente para se comparar com o sistema neuro-fuzzy. Como montante deste ltimo sistema, foi-se analisada uma rentabilidade igual a $3.862,00, enquanto que utilizando a estratgia opcional, foi-se adquirido um valor de $625.120,00. Como resultado, verifica-se que o sistema neuro-fuzzy foi capaz de prever a dinmica da srie financeira. Utilizando um treinamento que se baseia sistema no estudo de 75% 25% de previses, deixa espao para que o tenha outras de chances de gerar uma falsa previso, que significa que o ganho das previses corretas e as perdas das previses previso erradas errada variaram. gera Um

controlador um volatilidade.

neuro-fuzzy em De forma

apresenta de prtica,

potencial

previso

existem formas de se sofisticar o controlador de modo que haja menos erros ou variaes na sada, porm, existe mrito nos resultados encontrados.

Referncias K.N. Pantazopoulos, L.H. Tsoukalas e E.N. Houstis. Neurofuzzy Characterization of Financial Time Series in an Anticipatory Framework. Purdue University. W. Lafayette, IN 47907. http://www.standardandpoors.com/ind ices/sp-500/en/us/?indexId=spusa500-usduf--p-us-l--. Site com informaes sobre o S&P 500. http://wiki.advfn.com/pt/Anlise_Tcni ca. Site com informaes sobre a forma como foi feita a anlise tcnica da srie financeira. http://custom.infomoney.com.br/. Site com informaes sobre a forma como foi feita a anlise tcnica da srie financeira.

perdas

financeiras para o sistema. Alm do mais, para se recuperar um valor perdido, preciso que haja o dobro de acertos em previses, isto , para 50% de perdas, devem-se existir 100% de acertos para se adquirir o valor anterior antes do erro. Em geral, a estratgia com o