Académique Documents
Professionnel Documents
Culture Documents
MANAUS
2016
FUNDAMENTOS E TÉCNICAS DE MODELAGEM MATEMÁTICA E
APLICAÇÕES
DO PROGRAMA DE INICIACAO CIENTÍFICA
NA UFAM
UNIVERSIDADE FEDERAL AMAZONAS
PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO
DEPARTAMENTO DE APOIO A PESQUISA
PROGRAMA INSTITUCIONAL DE INICIAÇÃO CIENTIFÍCA
RELATORIO FINAL
PIB-E/0155/2015
MANAUS
2016
Todos os direitos deste relatório são reservados à Universidade Federal do
Amazonas, ao Núcleo de Estudo e Pesquisa em Ciência da Informação e aos seus autores.
Parte deste relatório só poderá ser reproduzida para fins acadêmicos ou científicos.
O sistema Proteu Fuzzy é um sistema de tomada de decisão para compra e venda de ativos
financeiros que visa auxiliar a figura do analista técnico (de modo imparcial e racional), informando
quando existe uma boa oportunidade para se comprar ou vender um determinado ativo.
Foram utilizados como base para as suas decisões, técnicas de inteligência artificial (Lógica
Fuzzy) e indicadores técnicos (Médias Móveis, MACD e RSI) que foram implementadas através do
software Matlab. O resultado para o exemplo aplicado foi positivo com resposta de 82% (posição de
compra).
As simulações, trabalho futuro, mostrarão se o sistema conseguirá gerar resultados de forma
consistente (lucrativa) e com menor volatilidade que o mercado para alguns ativos.
7
1 Introdução
1.1 Objetivo
1.2 Antecedentes
2 Desenvolvimento
A partir de tais conceitos é possível introduzir a modelagem matemática, uma vez que
essa só existe com problemas e suas devidas divisões – hipóteses. Portanto quando se procura
refletir sobre uma porção da realidade, na tentativa de explicar, de entender, ou de agir sobre ela,
deve-se selecionar no sistema argumentos ou parâmetros considerados essenciais e formaliza-los
através de um sistema artificial, ou seja, o modelo.
Para estudar e desenvolver este modelo foi utilizado o livro Análise Técnica dos
Mercados Financeiros (Flávio Lemos, CMT) juntamente com o livro Manual de Análise Técnica
(Marcos Abe) e com o livro Controle e Modelagem Fuzzy (Marcelo Godoy Simões e Ian S.
Shaw)
A variação dos ativos ocorre pela mudança de interesses dos investidores, principalmente
dos maiores. Parece simples, mas o bombardeio cotidiano de notícias sobre as empresas e a
economia é o fator que muda o humor dos investidores. ´´Quando muitos querem vender, poucos
querem comprar´´ (CERBASI, GUSTAVO 2009).
2.3 Candlesticks
‘‘Na maior parte do tempo as ações estão sujeitas a flutuações de preços irracionais e
excessivas em ambas as direções como consequência de uma tendência, impregnada na maioria
das pessoas, para especular ou jogar... abrindo caminho para a esperança, o medo e a ganancia. ’’
(Benjamin Graham, 1949).
atrasadas pois baseiam-se em preços passados e apesar disso, ajudam a suavizar o preço e filtrar o
ruído.
Formam também os blocos de construção para muitos outros indicadores técnicos e
sobreposições, por exemplo MACD e o Oscilador McClellan.
As medias móveis mais populares são a média móvel simples (MMS) e a exponencial
(MME), que podem ser utilizadas para identificar a direção da tendência ou definir níveis
potencias de suporte e de resistência.
Foi um dos primeiros indicadores que apareceu na análise gráfica e, devida sua facilidade e
simplicidade de uso, até hoje é um dos mais utilizados.
A MMS é o cálculo do preço médio de um ativo sobre um número especifico de períodos.
A maior parte das médias móveis é baseada em preços de fechamento sendo a maior parte delas
baseadas em um preço de fechamento.
Com a aplicação de uma média móvel simples na ação de preços, as flutuações aleatórias
são analisadas para tornar mais fácil a identificação de uma tendência. Se um preço de um título
for extremamente volátil, logo uma média móvel vai ajudar a suavizar os dados. Filtros de médias
móveis diminuem ruídos aleatórios e oferecem uma perspectiva suave de preço de um ativo.
O MACD é o indicador antecedente utilizado nesse trabalho. Outros são: RSI ou IFR,
Williams %R, ROC, Momentum e Commodity Channel Index (CCI).
Foi desenvolvido por Gerald Appel no final dos anos 1970 tornando-se, até hoje, um dos
principais indicadores de impulsão por ser simples e eficaz.
O MACD transforma dois indicadores de tendência, duas médias móveis, em um oscilador
de momentum, subtraindo a média móvel maior da menor média móvel e com isso oferecendo a
impulsão do ativo e sua tendência.
Flutua acima e abaixo da linha de zero quando as médias convergem, atravessam e
divergem. A figura abaixo mostra o indicador MACD para o gráfico da VALE5:
Figura 2: Gráfico de Candles da Vale com o indicador MACD e MM (fonte: xpi.com.br; acessado
25/07/16)
17
Deve-se procurar cruzamentos de linhas, cruzamentos com o eixo e divergências para gerar
sinais de compra e venda. O MACD é um exemplo de um oscilador que varia de centrado acima
e abaixo de zero.
A linha MACD é a linha MME de 12 dias menos a MME de 26 dias. Os Preços de
fechamentos são usados para essas médias móveis. A MME de 9 dias da linha MACD é
representada com o indicador para atuar como uma linha de sinal e identificar viradas de
tendência.
Os valores de 12, 26 e 9 são os ajustes típicos usados com o MACD, no entanto, outros
valores podem ser substituídos, dependendo do estilo de negociação e dos objetivos.
Em sua essência, o MACD é uma diferença de médias móveis, o ponto onde elas se
encontram será o valor zero, portanto, o gráfico traçado a partir do valor da diferença dessas duas
médias móveis deve ser interpretado assim: quando o valor passa de negativo para positivo, tem-
se o sinal de compra; quando passa de positivo para negativo, sinal de venda.
O oscilador MFI considera dias de ‘alta e dias de ‘baixa para determinar o fluxo de
dinheiro dentro e fora de um ativo. É um método de medição do fluxo de dinheiro Criado por
Gene Quong e Avrum Soudack, também conhecido como ponderada por volume. Começa com o
preço típico para cada período. Fluxo de dinheiro é positivo quando o preço médio for maior que
o do dia anterior (pressão de compra - PMF) e negativos quando o preço médio for menor que o
18
do dia anterior (pressão de venda - NMF). A relação entre o fluxo de dinheiro positivo e negativo
é então ligado a uma fórmula RSI para criar um oscilador que se move entre zero e cem. Como
um oscilador de impulso amarrado ao volume, o Índice de Fluxo de Dinheiro (MFI) é o mais
adequado para identificar reversões e extremos de preços com uma variedade de sinais.
Quando o fluxo positivo de dinheiro é relativamente elevado, o oscilador se aproxima de
100; de modo inverso, quando o fluxo de dinheiro negativo é relativamente elevado, o oscilador
se aproxima de 0. Um nível acima de 80 é com frequência considerado sobrecomprado (valor
acima da avaliação do ativo), e abaixo de 20, sobrevendido. Esses parâmetros, bem como o
período, são obviamente ajustáveis. O gráfico a seguir mostra o oscilador MFI:
Figura 3: Gráfico de Candles da VALE com os indicadores: Média Móvel e MFI (fonte: xpi.com.br;
acessado 25/07/16)
Como outros indicadores, esse índice apresenta problemas quando os preços estão em
tendência e dá prematuros sinais de saída. A foto abaixo fica evidente que quando
sobrecomprada, a tendência do ativo é de queda, e quando sobrevendida a tendência é de compra.
19
Figura 4: gráfico de Candles da Petrobrás com o indicador MFI(fonte: xpi.com.br; acessado 25/07/16)
2.5.1 Introdução
A Lógica Fuzzy, também denominada lógica nebulosa ou difusa, desenvolvida por Zadeh
(1965) é uma teoria que incorpora a experiência, a intuição, o conhecimento especialista e a
natureza imprecisa do processo decisório humano através de um conjunto de regras ou heurísticas
simples. Tem sido empregada com sucesso para exprimir conhecimento impreciso e resolver
problemas em muitas áreas onde o processo de modelagem convencional é difícil, ineficiente ou
muito oneroso. Para o entendimento do procedimento adotado neste trabalho, faz-se uma
introdução aos principais conceitos que envolvem a Lógica Fuzzy.
Uma das grandes barreiras na construção de sistemas que envolvem conhecimento
especialista é a dificuldade na obtenção e modelagem desse conhecimento. O especialista utiliza
expressões vagas, termos aproximados e até mesmo raciocínio impreciso e incompleto para
exprimir seu conhecimento (LEMOS, 2003). Com a Lógica Fuzzy, a possibilidade de descrição
20
2.5.2.1 Entradas
Para a definição das entradas do sistema, realizou-se uma série de testes para verificar
qual seria a melhor partição do universo de discurso ou a melhor definição para o conjunto fuzzy
a ser utilizada para o sistema.
Os testes consistiram em realizar simulações para o índice Bovespa no período de 1995 a
1996, onde foram realizadas apenas alterações nas partições dos universos de discurso e nas
definições dos conjuntos fuzzy, de modo a obter simulações rápidas e com resposta mais
eficientes, sendo que as variações dos conjuntos fuzzy consistiram na escolha entre funções
triangulares e trapezoidais.
MFI – O gráfico 4 mostra o conjunto fuzzy do oscilador MFI já definida pela variável
linguística MFI. Representa o nível de sobrecompra, sobrevenda ou ainda ‘‘intermediário’’ de um
ativo, ou seja, quanto o ativo está supervalorizado ou superdesvalorizado. Quanto menor o seu
valor, maior é a tendência de alta deste ativo e, inversamente, quanto maior seu valor, menor a
tendência de alta.
Os valores das variáveis linguísticas foram ajustados para o modelo proposto de acordo
com a lógica da análise técnica. Já que é um oscilador com um máximo de 100 e um mínimo de
0, no qual o valor de sobrevenda se encontra nas faixas abaixo de 20 e sobrecompra acima de 80,
ajustou-se para faixas de sobrevenda abaixo de 40, com o intermediário entre 30 e 70, e
sobrecompra acima de 60. O intermediário representa, nesse caso, um preço justo do mercado.
2.5.2.2 Saída
Na saída, tem-se o Resultado: variável que representa as respostas que podem ser
atribuídas pelo sistema ao ativo em questão.
23
Uma vez obtidas as entradas fuzzy, o modelo deverá realizar as inferências necessárias
para gerar as saídas dos conjuntos fuzzy. Esse processo consiste na aplicação de regras que
simulam o conhecimento especialista.
Foram utilizadas 27 regras, conforme apresentado na tabela 2, no formato ‘‘Se-Então’’
para a montagem da base de conhecimento do sistema Proteu Fuzzy.
Esta base de regras, que simula o conhecimento especialista e que relaciona as diversas
variáveis e seus respectivos valores é descrita a seguir:
Se (MACD = Positivo) E (MA = Positiva) E (MFI = Intermediário), Então (Resposta =
Comprar).
Figura 8: Tabela com as 27 regras utilizadas para simular o conhecimento do analista financeiro
25
Afim de exemplificar o que foi explicado, será apresentado um exemplo para todas as 27
regras descritas anteriormente.
Na etapa de fuzzificação, ocorre a classificação das variáveis de entrada com relação as
respectivas variáveis linguísticas e foi-se utilizado o método de Mamdani (1977) nesta simulação
com os seguintes valores de entrada para as variáveis modeladas:
3 Metodologia
4 Resultados e discussões
5 Conclusões
Este trabalho não teria sido possível sem a colaboração e a boa vontade daqueles a que
agora me refiro. A todos os meus sinceros agradecimentos.
Ao Professor Doutor, Nilomar Vieira de Oliveira, pela forma simpática e acolhedora
como me recebeu como seu orientando e também pela sua dedicada orientação.
A Professora M.a Yachiko Nascimento Wakiyama, de forma muito especial, pelo
sentimento de generatividade que desde início manifestou, por ter sido sempre presente e
prestável e, também, pela simpatia e generosidade com que, diariamente, me “aturou”.
32
7 Referências Bibliográficas
7.1 Livros
ABE, Marcos. Manual de análise técnica: essência e estratégias avançadas. São Paulo:
Novatec, 2009.
SIMOES, Marcelo G.; SHAW, Ian S. Controle e Modelagem Fuzzy 2. Ed.- São Paulo:
Blucher, 2007.
ÇENGEL, Yunus A.; PALM III, William J. Equações Diferenciais. 1. Ed. – Porto Alegre:
AMGH, 2014.