Vous êtes sur la page 1sur 3

UNIVERSIDADE DE BRASLIA PROGRAMA DE PS-GRADUAO EM COMPUTAO APLICADA MESTRADO PROFISSIONAL EM COMPUTAO APLICADA ALGORITMOS E ESTRUTURAS DE DADOS

PROFESSOR: Guilherme N. Ramos

ALUNO: FRANCISCO DE ASSIS NETO

Atividade: Fichamento de Artigo Cientifico

Atividade apresentada como requisito para composio da avaliao da Disciplina Algoritmos e Estruturas de Dados no Curso de Mestrado em Computao Aplicada 2013/2, na Universidade de Braslia UnB.

BRASLIA - DF OUT/2013

Fichamento de Artigo Cientfico FRANCISCO DE ASSIS NETO


Algoritmos genticos paralelos aplicados s regras de negociao no mercado de aes 1. Identificao do texto Janko Strasburg, Christian Gonzlez-Martel, Vassil Alexandrov ELSEVIER, International Conference on Computational Science, ICCS 2012. Procedia Computer Science 9 (2012) 1306 1313 2. Palavras-chave Algoritmos Genticos, Mercado de Aes, Regras Tcnicas de Negociao. 3. Sinopse do texto O investimento no mercado de aes algo que pode ser muito lucrativo, mas requer muita cautela devido ao risco. Encontrar o modelo ideal para a devida aplicao um problema muito conhecido, ainda por mais experiente que seja o investidor. O autor afirma que a utilizao de solues computacionais para analisar dados de mercado amplamente utilizada no mercado financeiro, pois os seres humanos no tem a capacidade de analis-los. Enfatiza a utilizao de algoritmos genticos, como uma valiosa ferramenta para encontrar uma soluo satisfatria, dentro do tempo hbil, depende do esforo a que ele seja submetido. Por outro lado, ineficiente, dependendo do tamanho da entrada de dados a ser analisado no aspecto da populao (amostra) e a quantidade de geraes. Visando otimizar este aspecto, o autor tem como plano de fundo do seu artigo um aprimoramento de um algoritmo gentico, para o mercado de aes, otimizando a regras de negociao tcnicos (chamado TTR), utilizando como exemplo os dados da Bolsa de Madri ndice Geral (IGBM). Conseguir prever a evoluo ou at mesmo prev-los auxilia em muito o aspecto decisrio aos investidores. Algoritmos Genticos (AG), criado por Holland, na base da evolucionaista de Darwin (no ao individuo mais forte, e sim ao mais adaptvel) so algoritmos aplicados em problemas que no so resolvidos de maneira analitica e deterministica. Este gera solues variveis para o problema, combinando, cruzando e gerando mutaes, avaliando a soluo gerada, possibilitando chegar a um comportamento pretendido ao problema original, que necessariamente ser a soluo tima, mas a melhor encontrada. Que, segundo o autor nas ultimas trs decada tem atraido o interesse do mercado financeiro. O seu inicio se dar com cromossomos candidatos a soluo (populao), que sero avaliados em torno de uma funo de uma funo objetivo. Os individuos mais aptos so selecioandos e sofre uma combinao binria (cruzamento), ou mutaes aleatrias (evitar timo local). Depois de vrias iteraes (geraes), e dentro do tempo hbil, surge uma possvel soluo aceitvel. Os passos do AG, pode ser resumido nos 6 passos abaixo: 1 . Criar uma populao inicial de candidatos aleatoriamente (cada individuo um vetor); 2 . Avaliar o desempenho de cada candidato em termos de uma funo objetivo; 3. Selecionar os candidatos para a recombinao; 4 . Realizar cruzamento e mutao; 5. Avaliar o desempenho dos novos candidatos 6. Retornar ao passo 3, a menos que um critrio de encerramento seja satisfeita; O modelo apresentado pelo autor utilizou o MATLAB R2011, em um computador com processador Intel I7 (4 ncleos), 8GB Ram, e uma ferramenta agregada ao Matlab permtindo a computao paralela, propondo que ir fazer melhor uso dos recursos computacionais disponveis, obtendo melhores resultados e em menor tempo. Dada a demanda na entrada, pode ser um gargalo. Realizados 5 ciclos, utilizando at 4 ncleos da CPU, onde observou-se que o tempo foi mais curto. Os resultados apresentados em figura no seu artigo aponta um tempo mdio, em escala logartimica. Concluiu que obteve-se uma melhoria na velocidade em relao ao algoritmo gentico original, permitindo mais geraes em tempo menor, tendo possibilidade de analisar problemas maiores.

4. Anlise crtica O assunto abordado de forma superficial quanto a aplicao do AG nas aplicaes do mercado financeiro (Aes), mas com contedo suficiente para apresentar um bom contedo sobre algoritmos genticos. Por outro lado, apresentou a possibilidade de realizar aplicaes utilizando AG de maneira paralela, dividindo para conquistar, no chegando a ser uma memoizao. Os modelos utilizados, ainda so imaturos para concluses precipitadas, mas sendo uma abordagem inicial necessitam de mais modelos para concluses mais acuradas. A simulao apenas em 5 vezes uma medida baixa. O que aconteceria se fosse realizada 100 vezes? Ou ainda com 8, 16, 32 ncleos? Seria necessria memria adicional? H muitos questionamentos. Mas algo que pode ser objeto de estudos futuros, como menciona o autor. Raposo (2002) em sua dissertao de mestrado aplicava inteligncia computacional voltado ao mercado financeiro, e que nos seus estudos para doutorado evoluiu para Ag, e demonstrou resultados em artigo publicado falando sobre o assunto em tela http://rica.ele.pucrio.br/media/Revista_rica_n9_a4.p>, exceto pela computao paralela. A utilizao de AG no mercado financeiro algo que possvel eficazmente, em um futuro prximo..

Vous aimerez peut-être aussi