Avaliação de estratégias de trading por algoritmo baseadas em rompimentos de linhas de tendências aplicadas ao índice de força relativa
Carregando...
Arquivos
Data
2025
Orientador(res)
Marques, Alessandro Martim
Métricas
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Esta dissertação avalia a eficácia de estratégias de trading algorítmico baseadas no rompimento de linhas de tendência aplicadas ao Índice de Força Relativa (RSI). Utilizando dados históricos de ações do índice S&P 500 e adotando uma abordagem rigorosa de otimização de parâmetros, o estudo fornece uma análise sistemática de como esses sinais podem ser usados para gerar recomendações de compra e venda. A metodologia, desenvolvida em Python, envolve a identificação de linhas de tendência derivadas do RSI, a validação de sinais de rompimento e a realização de testes em diversos cenários. Os resultados demonstram que a estratégia proposta entrega retornos consistentemente superiores em comparação com abordagens tradicionais de buyand-hold em um número significativo de casos. O Sharpe Ratio e os retornos anualizados se destacam, evidenciando o forte desempenho ajustado ao risco da estratégia. Além disso, a flexibilidade do modelo permite sua extensão para outras classes de ativos, como índices, moedas e dados intradiários, indicando um potencial de aplicação mais amplo. As técnicas desenvolvidas para a construção de linhas de tendência fornecem uma estrutura robusta para estudos futuros e podem ser valiosas para outras pesquisas que incorporem linhas de tendência como parte de seus processos de geração de sinais. O estudo também explora a aplicação de sinais baseados em linhas de tendência não diretamente nos gráficos de preços, mas em indicadores derivados, como RSI, demonstrando o potencial de geração de sinais robustos a partir de dados transformados. Um aspecto central desta pesquisa é a implementação prática de intervalos de teste alternados e aleatórios na calibração e validação da estratégia, que reduz os riscos associados ao ajuste excessivo (overfitting) e melhora a robustez da avaliação da estratégia. Os resultados contribuem para o campo da análise técnica ao implementar rotinas e técnicas para o uso de rompimentos de linhas de tendência aplicáveis a muitos indicadores gráficos. Este estudo também estabelece as bases para outras pesquisas, incluindo a integração de técnicas de aprendizado de máquina e a aplicação dessas estratégias em ambientes de negociação em tempo real.