DESENVOLVIMENTO DE ALGORITMO PARA O MERCADO FINANCEIRO

Breve resumo do projeto: O projeto de desenvolvimento de um algoritmo para operar na bolsa de valores tem como objetivo automatizar o processo de compra e venda de ativos financeiros em alta frequência, buscando obter lucros a partir de pequenas variações de preço.

Para isso, é necessário utilizar uma plataforma de desenvolvimento própria, que possa ser integrada com uma API de dados históricos da bolsa de valores, permitindo a criação de modelos de inteligência artificial baseados em análises técnicas e fundamentais. Além disso, é importante contar com um provedor de dados em tempo real de baixa latência, que possa fornecer informações precisas e atualizadas sobre as cotações dos ativos em tempo real. Para o envio de ordens de compra e venda, é necessário contar com um OMS de baixa latência, que possa integrar com a corretora utilizada, permitindo o envio rápido e seguro das ordens.

No entanto, devido ao custo do projeto e a necessidade de treinamento da inteligência artificial, o projeto será divido em 02 fases, com subfases para que se torne acessível. Por fim, é importante destacar que o projeto deve ser desenvolvido levando em consideração as melhores práticas de segurança e conformidade regulatória, a fim de garantir a confidencialidade e integridade dos dados e das operações realizadas pelo algoritmo.

Fases do projeto:

• Na fase 01 do projeto, focaremos no tratamento dos dados, criação da IA e teste em uma plataforma de negociação já existente. Como ainda não temos certeza se o projeto será bem-sucedido, é importante economizar o máximo possível nessa etapa. Por isso, vamos utilizar uma plataforma de IA online para desenvolver a IA evitando a necessidade de investir em uma placa de vídeo especializada. Também consideraremos a possibilidade de ter um protótipo para testar a eficácia da IA em condições simuladas antes de investir em hardware ou software mais avançados. Dessa forma, podemos minimizar os riscos e maximizar as chances de sucesso do projeto, e, portanto, o objetivo principal será economizar o máximo possível.

Para isso, a fase 01 será dividida em subfases: Subfase 01 - Tratamento dos Dados:

• Coleta e organização dos dados históricos dos ativos financeiros de interesse

• Pré-processamento dos dados, incluindo limpeza, normalização e padronização

Subfase 02 - Criação da IA:

• Escolha do modelo de IA adequado para o projeto, como redes neurais, árvores de decisão, entre outros

• Treinamento do modelo utilizando os dados históricos processados na subfase 01

• Ajuste dos parâmetros da IA para otimização do desempenho Subfase 03 - Teste em Plataforma de Negociação Existente:

• Escolha de uma plataforma de negociação online com baixo custo para testar a IA

• Integração da IA com a plataforma de negociação

• Teste da IA em ambiente simulado para avaliação de sua eficácia em um ambiente

de mercado simulado

• Ajuste da IA com base nos resultados obtidos nos testes

Subfase 04 - Avaliação e Melhorias:

• Análise dos resultados obtidos nos testes e avaliação da eficácia da IA em um ambiente simulado

• Identificação de pontos fortes e fracos da IA e possíveis melhorias a serem implementadas

• Ajuste e melhoria da IA com base nos resultados da avaliação

Nesta fase do projeto é importante dizer que o desenvolvimento da inteligência artificial não será baseado em uma estratégia já existente, pois se o objetivo fosse automatizar uma estratégia não faria sentido colocar inteligência artificial no projeto.

O real objetivo é que a inteligência artificial desenvolva seu próprio modelo de análise e para isso teremos uma abordagem de estratégia orientada a dados: Nesta abordagem, a IA é treinada com base em dados históricos e usa análise de dados para identificar padrões e tendências no mercado. Com base nessas análises, a IA desenvolve uma estratégia de negociação automatizada que busca aproveitar esses padrões e tendências. Nessa abordagem, a IA cria a estratégia sozinha, sem a necessidade de intervenção humana. Essa abordagem é comumente usada em estratégias de negociação quantitativa.

Portanto é totalmente possível desenvolver uma IA para algotrading que possa fazer trading, gerenciar riscos (nesse quesito, a função da inteligência artificial é apenas definir alvos e stops, além de exposição máxima) e fazer previsões de preços para tomar decisões de investimento.

E como foi citado no início do projeto, o objetivo desta inteligência artificial são operações de curta ou até curtíssima duração (operações com até 100pts de WIN/3pts de WDO), também conhecida como “scalp”, portanto restringir a IA a fazer apenas scalping, pode definir limites no tempo que a posição pode ser mantida ou definir regras específicas para quando a posição deve ser fechada. Isso garantirá que a IA esteja focada em fazer scalping e não se envolva em outras estratégias de negociação.

É importante pontuar que no desenvolvimento, é desejável que a IA tenha um volume mínimo de operações diárias.

Ainda na subfase 02 é importante dizer que o cenário ideal seria utilizar C++ na programação, haja visto que é uma linguagem de alto desempenho e baixa latência, além de ser compatível com as principais plataformas do mercado.

Ainda na subfase 02 é necessário simular a latência e para simular a latência no teste da IA, pode adicionar um atraso de tempo ao processamento da IA durante os testes. Isso simulará as condições reais do mercado, onde há um atraso no processamento das informações devido à latência da rede e outras questões relacionadas ao desempenho.

Existem várias ferramentas que podem ser usadas para simular a latência em testes de IA de algotrading, como o Pythonsleep, o Imitate, o Netlimiter e o Network Emulator Toolkit (NET). Essas ferramentas permitem que introduzam atrasos na rede e na comunicação, a fim de simular as condições reais do mercado.

Por fim, é importante dizer que a latência precisa ser baixa, mas por não ser um IA de arbitragem, a estrutura onde a IA ficará hospedada ao final da fase 02 oferta uma latência de execução de até 3.5ms (é importante saber esse dado para usá-lo nos simuladores de latência) mas por não ser um algoritmo de alta ou altíssima frequência, a latência não é tão importante, sendo permitido e aceitável latências até a casa dos 7ms.

Já na subfase 03 para integrar a IA em uma plataforma já existente na B3, uma opção é a Neológica que oferece uma API de baixa latência que permite a integração de algoritmos desenvolvidos em outras linguagens de programação com a plataforma. O nome da solução é DLL Real Time.

A solução da Neológica, o Data Feed, poderá ser bastante útil pois ele engloba o DLL Real Time além de fornecer dados históricos de alta qualidade que serão necessários na Subfase 01.

E por último, na subfase 4, um cuidado que deve ser tomado nesta fase é para que seja evitado o overfitting, onde a IA é ajustada demais para os dados históricos e pode não se adaptar bem às mudanças no mercado. É importante, portanto, usar técnicas de validação cruzada para avaliar o desempenho da IA e garantir que ela possa ser generalizada para novos dados e condições de mercado.

• A segunda fase do projeto de implementação de um sistema de negociação com inteligência artificial é uma das mais importantes, pois é nesta etapa que iremos investir o máximo possível na IA. A fase 02 é composta por quatro subfases que têm como objetivo aprimorar o modelo de IA criado na fase anterior e integrá-lo a uma plataforma de negociação real.

Portanto assim como a fase 01, a fase 02 será feita em subfases:

Subfase 01 - Melhorias na Infraestrutura:

• Identificação de possíveis gargalos na infraestrutura atual

• Proposta e implementação de melhorias na infraestrutura, como aumento de

capacidade de processamento, armazenamento e melhoria da velocidade de conexão

Subfase 02 - Implementação de Outras Técnicas de Machine Learning:

• Pesquisa e seleção de outras técnicas de machine learning que possam complementar ou substituir o modelo atual de IA

• Teste e avaliação dessas técnicas com dados históricos para verificação da eficácia Subfase 03 - Aperfeiçoamento do Modelo de IA:

• Análise dos resultados obtidos nos testes da subfase anterior para identificação de pontos de melhoria no modelo atual de IA

• Ajuste e otimização dos parâmetros da IA para melhoria do desempenho

• Teste e avaliação do modelo aperfeiçoado em ambiente simulado para verificação

da eficácia

Subfase 04 - Integração da IA com Outras Plataformas:

• Identificação de outras plataformas de negociação que possam ser integradas com a IA para ampliação do leque de opções de investimento

• Desenvolvimento e implementação da integração da IA com essas plataformas Subfase 05 - Desenvolvimento de Ferramentas de Análise e Gerenciamento de Risco:

• Desenvolvimento de ferramentas que possam auxiliar na análise de risco e gestão de portfólio de investimentos

• Implementação dessas ferramentas na plataforma de negociação existente Subfase 06 - Teste em Ambiente Real de Mercado:

• Teste da IA em ambiente real de mercado para avaliação da eficácia em situações reais de negociação

• Análise dos resultados obtidos e identificação de pontos de melhoria

• Ajuste e otimização da IA com base nos resultados obtidos no teste em ambiente

real

Subfase 07 - Avaliação e Melhorias:

• Análise dos resultados obtidos nos testes realizados nas subfases anteriores

• Identificação de pontos fortes e fracos da IA e possíveis melhorias a serem

implementadas

• Ajuste e melhoria da IA com base nos resultados da avaliação.

Na subfase 01, serão realizadas melhorias na infraestrutura necessária para suportar o processamento de dados e o treinamento do modelo de IA. Isso inclui a aquisição de mais recursos de hardware e software, bem como a implementação de outras técnicas de machine learning.

Já na subfase 02, serão escolhidos novos modelos de IA adequados ao projeto, como redes neurais, árvores de decisão e outros. Além disso, será realizado o treinamento desses modelos com dados históricos coletados na subfase anterior. Será feito também o ajuste dos parâmetros de cada modelo para otimização do desempenho.

Na subfase 03, será escolhida uma plataforma de negociação com baixo custo e integrada a IA a essa plataforma. O objetivo é testar a IA em ambiente real de mercado, avaliando

sua eficácia em situações reais. Ajustes serão feitos com base nos resultados obtidos nesses testes.

Por fim, na subfase 04, será feita uma análise detalhada dos resultados obtidos nos testes e uma avaliação da eficácia da IA em um ambiente real de negociação. Serão identificados pontos fortes e fracos da IA, e serão propostas possíveis melhorias a serem implementadas. O objetivo é aperfeiçoar ainda mais a IA, com base nos resultados da avaliação.

Em resumo, a fase 02 é onde ocorrerão os maiores investimentos do projeto. O objetivo é aprimorar o modelo de IA, integrá-lo a uma plataforma de negociação real e avaliar sua eficácia em um ambiente real de mercado. Com as melhorias implementadas nesta fase, esperamos que o sistema de negociação com IA seja capaz de tomar decisões cada vez mais precisas e gerar lucros consistentes.