Padrões na Predição de Dados de Ativos em Bolsa

O Vincent Granville aproveita para trazer um padrão local dos ativos listados no SP500.

Anúncios
Padrões na Predição de Dados de Ativos em Bolsa

Agrupamento de Ativos do Mercado Indiano para Administração de Portfólios

Este paper publicado na revista acadêmica Expert Systems with Applications traz um trabalho interessante no qual pesquisadores indianos utilizaram as técnicas de clustering para construção e administração de portfólios de ativos da bolsa de valores da Índia e compararam os resultados com o índice Sensex.

A pesquisa utiliza como parâmetro de seleção de ativos idéias relativas ao artigo Portfolio Selection de Markowitz, no qual a carteira seria composta não somente pelos ativos que tivessem um melhor retorno financeiro, mas que também tivessem um baixo risco.

Partindo desse princípio, as empresas seriam agrupadas em clusters de acordo com alguns indicadores de análise técnica, e em um momento segunte de acordo com o valor do índice de validação dos clusters seriam formados os portfólios com os pesos de cada companhia.

O artigo trás idéias interessantes e o ponto negativo (e que provavelmente não foram apresentados pelos autores por desconhecimento ou abstração) é que fatores técnicos são inadequados para esse tipo de classificação devido ao seu alto volume de transações, bem como a pesquisa é inviável em termos de atualização de dados para alocação de ativos. O artigo se tivesse focado em indicadores fundamentalistas, macroeconômicos e setoriais  para enquadrar a construção e gestão de portfólios apresentaria melhores resultados.

Clustering Indian stock market data for portfolio management

Agrupamento de Ativos do Mercado Indiano para Administração de Portfólios

Aplicações da Mineração de Dados no mercado financeiro

Este paper de Savinderjit Kaur e Veenu Mangat, apesar de ser bastante curto em termos de volume (3 páginas) apresenta um bom arcabouço relativo à mineração de dados aplicada ao mercado financeiro, mas dentro de uma perspectiva mais generalista e conseqüentemente um pouco menos técnica.

O artigo coloca a mineração de dados como background de diversas atividades dentro da administração de ativos financeiros. Essas atividades são Predição de Preços de Ativos, Predição de Índices, Administração de Portfólios, Sistemas de Recomendação (Sistemas Especialistas), e Detecção de Tendências.

 Ao final os autores concluem que há muito a ser feito no campo entre Mineração de Dados e Mercado Financeiro para as seguintes atividades como retornos fora do normal, diagnósticos Pré-bolhas, padrões nos ativos de acordo com a indústria, Book-To-Market (Razão entre valor contábil e valor de mercado, tendências precedentes, entre outros.

Applications of Data Mining in Stock Market

Aplicações da Mineração de Dados no mercado financeiro

Aplicação de Mineração de Dados no Mercado Financeiro – Application of data mining techniques in stock markets

Ehsan Hajizadeh, Hamed Davari Ardakani e Jamal Shahrabi, todos da Amirkabir University of Technology no Irã trazem nesse paper uma boa abordagem de idéias de aplicações de mineração de dados no mercado financeiro.

Aos moldes do que faz o ótimo livro do Roberto Pontes que já foi resenhado aqui, os autores colocam um leque de possibilidades bem interessantes com as técnicas de mineração de dados, no qual não somente a mineração de dados será uma ferramenta de análise exploratória e reconhecimento de padrões, como colocam as técnicas como forma de se analisar tendências futuras para melhorar a análise de ativos.

Como os autores bem colocam, o paper vem a preencher uma lacuna na literatura sobre a aplicação de mineração de dados, principalmente no que vai além da dupla árvore de decisão e rede neural.

As técnicas elencadas pelos autores foram: Árvore de Decisão (alternativas de decisão), Redes Neurais (avaliação paramétrica), Agrupamento – Clustering – (observação de dinâmicas de características dos ativos financeiros, análise de fator (avaliação de variáveis e a influência de cada um sobre um modelo de predição), regras de associação (relacionamento entre os ativos de acordo com as características da base de dados), Séries Temporais (análise de tendência e predição).

Para quem deseja engajar-se em um projeto sério de análise de dados financeiros, sem dúvidas esse  artigo traz uma luz bem oportuna ao assunto, e pode auxiliar em pesquisas neste aspecto.

Application of data mining techniques in stock markets

Aplicação de Mineração de Dados no Mercado Financeiro – Application of data mining techniques in stock markets

O estudo certo, no ambiente errado

Com o IPO do Facebook, e com alguns outros IPOs de algumas empresas de Big Data, parece que uma legião de pesquisadores foram atraídos para o poder do Social Analytics (atraídos pela ideia na qual vão desenvolver uma ferramenta de marketing dirigido (Target Marketing) que valerá U$ 1 Bi em questão de dias) e estão realizando uma porção de pesquisas nesse segmento.

Que as redes sociais tem muito a dizer em relação ao comportamento do consumidor online, isso não há dúvidas; entretanto, esse domínio apesar de estar em uma esfera já computacional (Ou seja não envolve a busca de informações de outras fontes) em sua origem exige uma série de estudos que transcendem as questões relacionadas a análise de dados como conhecemos; na qual demandam mais domínio do que técnicas propriamente ditas.

Este estudo em forma de paper de Daniel Gayo-Avello da University of Oviedo mostra bem que os estudos das redes sociais são de fato um ótimo campo para prospecção de conhecimentos; porém, demandam mais ‘filosofia’ do que ‘engenharia’ com estudos que demandam especialistas em antropologia, propaganda e publicidade, cientistas sociais entre outros.

Este estudo é um caso emblemático no qual o estudo certo foi realizado; entretanto, o domínio não foi considerado para a análise dos dados o que causou a perca de tempo por parte do pesquisador; e serve de alerta para pesquisadores que desejam desmistificar o poder das redes sociais e o comportamento do consumidor online.

Fonte: http://arxiv.org/pdf/1204.6441v1.pdf

A Balanced Survey on Election Prediction using Twitter

O estudo certo, no ambiente errado

Financial Series – Applications of Data Mining in Stock Market

Esse artigo escrito por Savinderjit Kaur e Veenu Mangat ambos da Panjab University na India apresenta algumas das aplicações da Mineração de Dados no mercado acionário, com diversas idéias de domínio interessantes.

Esse paper é bem feito, e tem como objetivo apresentar de forma bem introdutória aspectos nos quais a Mineração de Dados pode ser aplicada no mercado acionário, tudo isso em um texto bem simples; quase como um overview, porém, com um bom teor acadêmico de background.

Os aspectos apresentados no texto são:

  • Previsões de preços de ativos na bolsa de valores;
  • Predição de Índices no Mercado Acionário;
  • Portfólio Management;
  • Sistemas de Recomendações; e
  • Detecção de Tendências.

De uma maneira geral, o paper tem como grande trunfo aliar a simplicidade nas aplicações bem como ampliar o espectro de aplicações de Mineração de Dados no mercado financeiro. Um ponto negativo no artigo é a editoração/revisão (pontos nos lugares errados); entretanto, nada que comprometa a leitura. É um ótimo artigo para quem deseja iniciar trabalhos no domínio financeiro, e um bom ponto de partida para os iniciantes.

Applications of Data Mining in Stock Market

Financial Series – Applications of Data Mining in Stock Market

Financial Series

Este site fará a contar de hoje uma série de resenhas sobre alguns papers que tratam especificamente de aplicações práticas de Mineração de Dados  em Finanças.

Há uma muitos bons artigos que são escritos mundo a fora e que infelizmente não temos acesso aqui no Brasil; muito pela a nossa baixa qualidade editorial que prefere trabalhar sobre blockbusters literários ao invés de construir as bases do saber dentro da nossa cultura técnica; mas isso é outra história.

Quem inicia os estudos em Mineração de Dados sempre escuta a mitológica história que Beers and Diepers, entretanto um outro assunto que ronda as discussões sobre essa disciplina é como realizar previsões no mercado de ações utilizando Mineração de Dados? E os papers que serão resenhados aqui de forma muito sucinta terá o objetivo de elucidar essas questões.

O site não tem nenhuma pretensão de ser algum tipo de Readers Digest da Mineração de Dados, mas tem como único objetivo se tornar um repositório de dados e um agregador sobre esse importante campo do saber que vem se desenvolvendo muito nesses últimos anos; e mostrar o que o seu professor na faculdade não vai te ensinar, bem como a sua editora favorita não vai publicar.

Enjoy!

Financial Series

Algorithmic Finance Journal

Um dos bons achados na internet, é esse excelente Journal of Algorithmic Finance que entre outros aspectos inerentes á área das finanças tem trabalhos muito interessantes sobre aplicação desses modelos dentro da esfera computacional. Vale a pena conferir.

Algorithmic Finance Journal

Entrevista com o Autor de Nerds on Wall Street

Essa é uma entrevista de 2009 de com David Leinweber, autor de “Nerds on Wall Street; que é um livro que aponta alguns contrastes sobre a atividade de comercialização de ativos em Wall Street e a entrada cada vez maior de estatísticos, matemáticos, e cientistas da computação na atividade de Trading (compra e venda de ativos). O Autor na entrevista faz um paralelo com uma de suas passagens do livro no qual através das correlações matemáticas ele encontrou um padrão interessante que o índice da S&P 500 estaria diretamente vinculado à alguns índices de produção de manteiga em… Bangladesh. Essa crítica que o autor faz, em um primeiro momento pode parecer estúpida e descabida, e quando algum Data Miner  (esse que vos fala foi um deles) faz a leitura da crítica que o livro apresenta, logo pensa: “Que diabos ele está falando?”; mas ao longo do livro muito do que é proposto é extremamente válido e leva a uma reflexão sobre a máxima “Torturar os dados até que eles falem”. É uma boa pedida e o livro é recomendadissímo.

http://online.wsj.com/video/an-interview-with-nerds-on-wall-street-author/5062DA68-FCF6-42AC-AC62-AE6046BA40AC.html

http://s.wsj.net/media/swf/VideoPlayerMain.swf

Entrevista com o Autor de Nerds on Wall Street

1010data Provides Big Data Analysis in the Cloud with the Trillion Row Spreadsheet

Uma ótima reportagem sobre a Ten-Ten Data, na qual há algumas explicações sobre o conceito de SaaS (Software as a Service) aplicado a área de análise de dados com todos os dados na nuvem. O principal mote do marketing é que a 1010Data pode prover até 1 trilhão de linhas na nuvem. É um modelo de negócios interessante para os dias atuais.

1010data Provides Big Data Analysis in the Cloud with the Trillion Row Spreadsheet