IFR2_Estudos

Prévia do material em texto

INTRODUÇÃO 
Neste trabalho serão realizadas análises estatísticas sobre os resultados de perfomance 
obtidos a partir da aplicação do sistema operacional de trade denominado IFR2 nas ações da 
empresa Minerva Foods do setor de alimentos (carnes e derivados) negociada na bolsa de 
valores através do código BEEF3. 
O modelo será aplicado diretamente sobre os dados históricos diários do papel no 
período de 02/01/2015 até 03/07/2020 e utiliza o indicador Índice de Força Relativa (IFR) de 
2 períodos como ferramenta principal. 
Adicionalmente, serão coletadas informações dos valores das principais médias móveis 
utilizadas por trades para entender se a posição destas médias móveis em relação aos preços 
negociados durante as operações possuiam influência sobre os resultados e, portanto, se 
poderiam servir como parâmetros adicionais para a realização das entradas pelo modelo IFR2. 
Deste modo, também foram coletados os valores das médias móveis aritméticas de 21,50 e 200 
períodos, da média móvel exponencial de 9 períodos e das bandas superior e inferior de 
Bollinger. 
ÍNDICE DE FORÇA RELATIVA 
O Índice de Força Relativa foi desenvolvido por J. Welles Wilder e trata-se de um 
oscilador de momentum que mede a velocidade e a mudança dos movimentos de preços. O IFR 
oscila entre 0 e 100 e tradicionalmente é considerado superavaliado quando acima de 70 e 
subavaliado abaixo de 30. 
O cálculo para encontrar o IFR de um ativo é: 
𝐼𝐹𝑅 = 100 − (100 +
1
(
𝑎
𝑏
)
) 
Onde, 
𝑎 → Média dos preços de fechamento dos dias de alta do período 
𝑏 →Média dos preços de fechamento dos dias de baixa do período 
 
2 
MODELO IFR2 
O modelo IFR2 possui algumas variações e neste trabalho ele foi utilizado a partir das 
seguintes premissas, que são ilustradas pela figura 1: 
A. Compra no Preço de Fechamento, quando o indicador IFR(2) estiver abaixo de 
10; 
B. Alvo móvel no maior valor das duas máximas anteriores ao candle atual; 
C. Operação realizada no gráfico diário. 
 
 
 
3 
ESTUDOS REALIZADOS NO ANACONDA E KNIME 
A seguir são apresentados os outputs obtidos durante os estudos realizados no ambiente 
Jupyter Notebook do Anaconda e no software Knime. 
 
Figura 1: Dataframe Head (10 Primeiras linhas). 
 
Figura 2: Descrição das colunas que continham valores numéricos. Detalhe para a 
média de lucro bruto percentual positiva. 
 
 
Figura 3: Total de Operações realizadas com o modelo, aproximadamente 64% de taxa de 
acerto. 
4 
 
 
Figura 4: Histogramas e Boxplot dos lucros percentuais. 
 
5 
 
Figura 5: Histograma da Razão do Volume Financeiro pela sua média aritmética dos últimos 
20 períodos. 
A seguir são apresentadas as frequências em que as diversas médias móveis 
consideradas nesse estudo encontravam-se acima ou abaixo do preço de fechamento durante as 
operações e suas respectivas taxas de acerto nessas situações. Repara-se, imediatamente, nas 
maiores taxas de acerto do modelo, quando a faixa de preço encontrava-se acima destas médias. 
 
6 
 
 
7 
 
Em resumo e comparação, foi realizada a seguinte tabela gerada a partir da árvore de decisão 
produzida no software Knime. 
Situação 
Operações 
Vencedoras 
Operações 
Perdedoras 
Quantidade 
de Entradas 
Fechamento>MMA[21] 94,40% 5,60% 18 
Fechamento>MMA[200] 76,70% 23,30% 30 
Fechamento>EMA[9] 73,00% 27,00% 37 
Fechamento>MMA[50] 71,40% 28,60% 28 
Fechamento<MMA[50] 60,40% 39,60% 48 
Fechamento<MMA[200] 56,50% 43,50% 46 
Fechamento<EMA[9] 56,40% 43,60% 39 
Fechamento<MMA[21] 55,20% 44,80% 58 
8 
Para ilustração, são demonstradas a seguir as árvores de decisão geradas no Knime: 
 
 
 
 
 
9 
 
Figura 6: Histogrma utilizando base logarítmica para Outliners 
 
Por fim foi realizada a técnica da validação cruzada (cross-validation) para avaliar a 
capacidade de generalização do modelo, a partir dos conjuntos de dados. Esta técnica é 
amplamente empregada em problemas onde o objetivo da modelagem é a predição. Busca-se 
então estimar o quão preciso é este modelo na prática, ou seja, o seu desempenho para um novo 
conjunto de dados. 
 
 
 
10 
 
 
 
 
 
 
 
11