dissertacaoRaulWCalaca PDF

U NIVERSIDADE F EDERAL DE G OIS
E SCOLA DE E NGENHARIA E LTRICA E DE C OMPUTAO
R AUL W ONSJUK C ALAA
Deteco Automtica de Ondas de

Elliott em Mercado Acionrio
Goinia
2008
R AUL W ONSJUK C ALAA
Deteco Automtica de Ondas de

Elliott em Mercado Acionrio
Dissertao apresentada ao Programa de PsGraduao da

Escola de Engenharia Eltrica e de Computao da Univer-
sidade Federal de Gois, como requisito parcial para obten-
o do ttulo de Mestre em Programa de Ps-Graduao em
Engenharia Eltrica e de Computao.
rea de concentrao: Engenharia de Computao.
Orientador: Prof. Weber Martins, PhD
CoOrientador: Prof. Thyago Carvalho Marques, Dr.
Goinia
2008
Dedico este trabalho a todos que me incentivaram na concluso deste curso, em
especial a meus pais, meu orientador e meus amigos.
Agradecimentos
Weber, meu orientador, obrigado pelo auxlio e suporte que tanto precisei. Meu
Co-orientador, Thyago, obrigado pela sua contribuio e conhecimento. Mas principal-
mente agradeo a meus pais, sem eles este trabalho no seria possvel.
O risco vem de no saber o que voc est fazendo.
Warren Buffet,
Investidor Americano.
Resumo
Calaa, Raul Wonsjuk. Deteco Automtica de Ondas de Elliott em Mercado

Acionrio. Goinia, 2008. 96p. Dissertao de Mestrado. Escola de Engenharia
Eltrica e de Computao, Universidade Federal de Gois.
A anlise das Ondas de Elliott uma tcnica desenvolvida para a previso dos preos de
ativos nanceiros (aes, taxas de cmbios etc). O presente trabalho introduz conceitos
bsicos do mercado nanceiro, focando principalmente nas Ondas de Elliott que diverge
das outras tcnicas por prever direo e intensidade da mudana do valor de aes/papis
no mercado nanceiro. A deteco das Ondas de Elliott usa geralmente metodologia
manual, visto que os sistemas automticos possuem custos elevados e so aparentemente
baseados em mtodos de tentativa e erro associados Estatstica. O mtodo manual
avalia, seguindo algumas regras, as ondas prospectadas por tentativa e erro, exigindo
treinamento especializado e experincia. Para detectar automaticamente as Ondas de
Elliott no mercado nanceiro, este trabalho prope, desenvolve e testa um sistema
computacional baseado em Algoritmos Genticos, uma tcnica de Inteligncia Articial
baseada na seleo natural da Biologia. Algoritmos Genticos so utilizados para evoluir
respostas a problemas que permitem avaliar candidatos a solues, codicados como
cromossomos. Os testes do sistema foram realizados com base nos dados de aes
pertencentes Bolsa de Bolsa de Valores, Mercadorias e Futuros (BM&FBOVESPA) e
possuidoras de alta liquidez diria. As simulaes indicaram que as ondas detectadas pelo
sistema foram satisfatrias, possuindo ndice de erro abaixo de 3% por ponto de inexo.
Palavraschave
Algoritmos Genticos; Inteligncia Articial; Ondas de Elliott; Mercado Acio-
nrio; Bolsa de Valores; BM&FBOVESPA; Anlise Tcnica de Aes; Deteo de Ondas.
Abstract
Calaa, Raul Wonsjuk. Automatic Identication of Elliott Waves in Stocks

Market. Goinia, 2008. 96p. MSc. Dissertation. Escola de Engenharia Eltrica
e de Computao, Universidade Federal de Gois.
The Elliott Wave analysis is a technique developed for the prediction of prices of nan-
cial assets (stocks, exchange rates etc.). This work introduces the basic concepts of the
nancial market, focusing mainly on the Elliott Wave principle, which differs from other
techniques for providing direction and intensity of changes in shares / stocks prices in
the nancial market. The Elliott Wave detection usually employs manual methods, since
automated systems present high costs and are apparently based on trial and error method
associated with Statistics. Manual methods assess, following some rules, the waves pros-
pected by trial and error, and requires specialized training and experience. To automati-
cally detect the waves of Elliott, this work suggests, develops and tests a computational
system based on Genetic Algorithms, an Articial Intelligence technique inspired on Bi-
ology. Genetic Algorithms are used to evolve answers to problems by assessing candi-
dates, which are coded as chromosomes. Tests of the system were performed based on
BM&FBOVESPA stocks with high daily liquidity. Simulations have indicated that the
detected waves are satisfactory, with error rate below 3% in each inection point.
Keywords
Genetic Algorithm; Articial Inteligence; Elliott Waves; Stock Market;
BM&FBOVESPA; Stock Technical Analisys; Wave Detection.
Sumrio
Lista de Figuras 9
Lista de Tabelas 11
Lista de Cdigos de Programas 12
1 Introduo 13
1.1 Tema 13
1.2 Problema e Hiptese 13
1.3 Limitaes 13
1.4 Motivao 14
1.5 Justicativa 14
1.6 Principal Contribuio 15
1.7 Viso Geral dos Captulos 15
2 Fundamentao Terica 16
2.1 Mercado Financeiro 16
2.1.1 Ao 16
2.1.2 Bolsa de Valores 17
2.1.3 Formas de Operao 20
2.1.4 Anlise Fundamentalista 21
2.1.5 Anlise Tcnica 24
2.2 Ondas de Elliott 25
2.2.1 Introduo 25
2.2.2 Histria 27
2.2.3 Identicao 29
2.2.4 Previso do Comportamento Acionrio 33
2.3 Algoritmos Genticos 34
2.3.1 Breve Histrico 34
2.3.2 Genes e Cromossomos 36
2.3.3 Vantagens 36
2.3.4 Algoritmo Bsico 37
2.3.5 Indivduo 38
2.3.6 Funo Objetivo 39
2.3.7 Seleo 39
2.3.8 Variao 40
2.3.9 Elitismo 42
3 Sistema Proposto 44
3.1 Composio do Sistema 44
3.1.1 Carga de Dados 44
3.1.2 Gerao da Populao 47
3.1.3 Avaliao das Ondas de Elliott Geradas 50
4 Experimentos 51
4.1 Processo Manual de Deteco 51
4.2 Processo Automtico de Deteco 52
4.2.1 Utilizao do Sistema 55
4.2.2 Dados Dirios da Ao da Petrobras (Vista) - PETR4 56
4.2.3 Dados Dirios da Ao da Compania Vale - VALE5 61
4.3 Anlise das Simulaes 65
5 Concluso 66
5.1 Consideraes Gerais 66
5.2 Principais Contribuies 66
5.3 Trabalhos Futuros 66
Referncias Bibliogrcas 68
A Nveis Complementares das Ondas de Elliott 72

A.1 Teste com Dados em 120 Minutos da Petrobras (Vista) - PETR4 72
A.2 Teste com Dados em 120 Minutos da Compania Vale - VALE5 74
A.3 Resultado 76
B Cdigo do sistema 77
Lista de Figuras
2.1 Exemplo de MACD. 25

2.2 Exemplo de Bandas de Bollinger. 26
2.3 Exemplo de Ondas de Elliott. 27
2.4 Espiral formada com a expanso numrica de Fibonacci. 29
2.5 Possveis Pontos de Incio da Anlise de Elliot. 29
2.6 Primeira e segunda Ondas de Elliott. 31
2.7 Terceira Onda de Elliott. 32
2.8 Quarta Onda de Elliott. 33
2.9 Quinta Onda de Elliott. 34
2.10 Exemplo de um possvel incio de uma Onda 3. 35
2.11 Exemplo de cromossomo com dois genes. 37
2.12 Exemplo de cruzamento de um ponto. 40
2.13 Exemplo de cruzamento de mltiplos pontos. 40
2.14 Exemplo de cruzamento com mscara. 41
2.15 Cruzamento de nmeros com mscara e troca de valores. 41
2.16 Cruzamento de nmeros com mscara e mdia de valores. 42
3.1 Valores dirios da Compania Vale (VALE5). 47

3.2 Valores dirios ltrados pelo sistema. 48
3.3 Erro detectado pelo sistema. 50
4.1 Tentativa manual de deteco das ondas 1 e 2. 52

4.2 Tentativa manual de deteco da Onda 3 e 4. 53
4.3 Nova Tentativa manual de deteco das ondas 1 e 2. 53
4.4 Nova Tentativa manual de deteco da Onda 3. 54
4.5 Tentativa manual de deteco da Onda 4. 54
4.6 Tentativa manual de deteco da Onda 5. 55
4.7 Valores dirios da ao Petrobras (vista) - PETR4 com 2699 informaes. 57
4.8 Picos ltrados da ao Petrobras (vista) - PETR4 com 1261 informaes. 57
4.9 Melhores ondas detectadas com 5% de mutao e 300 geraes. 58
4.13 Valores dirios da ao da Compania Vale - VALE5 com 2978 informaes. 61
4.14 Picos ltrados da ao da Compania Vale - VALE5 com 1520 informaes. 62
4.15 Melhores ondas detectadas pelo sistema com 15% de mutao e 300
geraes. 63
4.16 Melhores ondas detectadas pelo sistema com 5% de mutao e 300 geraes. 63
4.17 Melhor onda detectada pelo sistema com 15% de mutao e 300 geraes. 64
4.18 Melhor onda detectada pelo sistema com 5% de mutao e 300 geraes. 65
A.1 Dados em 120 Minutos da Petrobras (Vista) No Filtrado. 73

A.2 Dados em 120 Minutos da Petrobras (Vista) Filtrado. 73
A.3 Melhor onda detectada com 5% de mutao e 100 evolues. 74
A.4 Dados em 120 Minutos da Compania Vale - VALE5 No Filtrado. 75
A.5 Dados em 120 Minutos da Compania Vale - VALE5 Filtrado. 75
A.6 Melhor onda detectada com 5% de mutao e 100 evolues. 76
Lista de Tabelas
2.1 Exemplo de Anlise Horizontal. 22

2.2 Exemplo de Anlise Vertical. 22
Lista de Cdigos de Programas
2.1 Pseudocdigo Bsico de Algoritmos Genticos. 38

3.1 Pseudocdigo para Deteco dos Pontos de Inexo. 46
3.2 Pseudocdigo Bsico para Gerao de Populao. 49
3.3 Pseudocdigo Bsico de Mutao. 49
CAPTULO 1
Introduo
1.1 Tema
No mercado acionrio, o desenvolvimento de anlises importante para diversas
reas. Ferramentas facilitadoras exercem funo central na utilizao cotidiana dessas
anlises.
O tema deste trabalho a anlise do mercado acionrio com tcnicas de Inte-
ligncia Articial. Mais especicamente, busca-se a deteco automtica de Ondas de
Elliott com auxlio de Algoritmos Genticos.
1.2 Problema e Hiptese

O problema abordado neste trabalho pode ser descrito da seguinte forma:
Como detectar automaticamente Ondas de Elliott em sries nanceiras?
A hiptese bsica :
Sistemas baseados em Algoritmos Genticos detectam automaticamente Ondas de

Elliott em sries nanceiras.
1.3 Limitaes
As simulaes efetuadas nesta dissertao abordaro apenas as aes pertencen-
tes Bolsa de Valores, Mercadorias e Futuros (BM&FBOVESPA), possuidoras de volume
de operaes acima de 300 milhes de reais por dia. Porm, a tcnica aqui descrita foi pro-
posta para funcionar nas demais bolsas de valores existentes no mercado e outros tipos de
mercado de negociao, tais como as Bolsa de Mercadorias, as Bolsas de Cmbio (forex),
os mercados de derivativos. Essa limitao foi inserida pela necessidade de alta liquidez
para aplicar as tcnicas de Ondas de Elliott, explicadas no Captulo 2, e pelo acesso a
dados de movimentao nanceira.
1.4 Motivao 14
1.4 Motivao
As anlises de sries nanceiras podem ser executadas com o uso de diversas
tcnicas. A nica tcnica que permite prever a direo e a intensidade da variao do
valor do ativo a anlise por Ondas de Elliott. As demais tcnicas existentes indicam
apenas se um evento ocorrer, sem indicar intensidade e direo.
A tcnica das Ondas de Elliott utilizado mundialmente por vrios operadores e
investidores do mercado nanceiro.
O mtodo manual para detectar estas ondas requer dedicao, tempo, experincia
e conhecimento especializado, tendo em vista que os mtodos de deteco dos sistemas
automticos existentes no so de domnio publico.
A utilizao de uma nova abordagem, baseada em Algoritmos Genticos, para
a deteco de Ondas de Elliott em sries nanceiras, vislumbra a construo de sistemas
analticos mais ecientes e motivou o desenvolvimento deste trabalho.
1.5 Justicativa
O mercado nanceiro est em constante alteraes, onde empresas abrem seu
capital constantemente e eventos no diversicveis alteram os valores das aes e geram
insegurana ao investidor. A necessidade de possuir meios para mitigar as incertezas
existentes realizando anlises. Dentre as anlises existentes atualmente, uma com grande
enfoque a anlise das Ondas de Elliott porque vai alm de indicar a tendncia de
mudana, prevendo o comportamento das aes.
Notoriamente, verica-se a falta de um algoritmo computacional timo para
realizar a deteco automtica das Ondas de Elliott. Os sistemas existentes atualmente
(tal como o software Rened Elliott Trader1 e o software AlphOmega Elliott Wave 2
para o Metastock) no possuem mtodo denido de busca das ondas, mas aparentemente
so baseados em regras bem denidas, onde o ponto de incio selecionado e testa, a
partir desse ponto, a formao de uma Onda de Elliott. Nos sistemas atuais, a otimizao
provavelmente realizada na seleo do ponto de incio dos testes.
A escolha deste tema visa a identicao das Ondas de Elliott de maneira mais
precisa e eciente, podendo assim auxiliar na diminuio das incertezas e inseguranas
do investidor em relao a sua tomada de deciso.
1 http://www.elliottician.com
2 http://www.alphomegaew.com
1.6 Principal Contribuio 15
1.6 Principal Contribuio

A principal contribuio desta dissertao o uso de Algoritmos Genticos para
deteco de Ondas de Elliott no mercado acionrio, permitindo deteces satisfatrias
dessas ondas.
A deteco satisfatria das Ondas de Elliott auxilia o investidor, diminuindo a
incerteza de avaliao dos movimentos do mercado acionrio.
1.7 Viso Geral dos Captulos

Alm dos captulos de introduo e concluso, a presente dissertao est divi-
dida em trs partes principais: fundamentao terica; sistema proposto e os resultados.
No captulo sobre fundamentao terica, apresentam-se teorias de base sobre
Algoritmos Genticos e mercado nanceiro, com enfoque em mercado acionrio e nas
Ondas de Elliott.
O sistema proposto (Captulo 3) mostra os passos necessrios para a deteco
automtica de Ondas de Elliott em sries nanceiras utilizando tcnicas de Algoritmos
Genticos.
A parte de experimentos (Captulo 4) descreve a avaliao emprica do
sistema proposto a partir de aes da Bolsa de Valores, Mercadorias e Futuros
(BM&FBOVESPA).
A concluso do trabalho salienta os resultados obtidos, o fortalecimento da
hiptese original e o aumento da qualidade das Ondas de Elliott detectadas.
CAPTULO 2
Fundamentao Terica
2.1 Mercado Financeiro

O Banco Central Americano dene o mercado nanceiro como mercado vol-
tado para a transferncia de recursos entre os agentes econmicos. No mercado nanceiro,
so efetuadas transaes com ttulos de prazos mdio, longo e indeterminado, geralmente
dirigidas ao nanciamento dos capitais de giro e xo [EDUCACIONAL 2008], ou seja,
o mercado nanceiro cria o meio no qual empresas possam capitalizar para realizar inves-
timentos e garante aos acionistas ttulos resgatveis de valor varivel.
O mercado nanceiro um dos pilares do sistema econmico atual, pois permite
a negociao quase imediata de bens e direitos.
2.1.1 Ao
A ao no mercado nanceiro (tambm chamada de papel ou ttulos) repre-
senta a menor frao do capital social da empresa, ou seja, o resultado da diviso do
capital social da empresa em partes iguais. O capital social constitudo pelo patrimnio
da empresa, que inclui a estrutura fsica da empresa, os equipamentos, os funcionrios, e
quaisquer outros bens que produzam valor.
Tipos de Aes
Existem dois tipos de ao:
Ordinrias Nominativas (ON) - Ao que confere a seu titular o direito de voto em

assemblia mas no d direito para o recebimento preferencial dos dividendos.
Preferenciais Nominativas (PN) - Ao que oferece a seu detentor prioridades no

recebimento de dividendos e, no caso de dissoluo da empresa, prioridade no
reembolso de capital. Usualmente, no concede direito a voto em assemblia.
A ao nominativa endossvel, ou seja, pode ser transferida mediante simples

endosso no verso. De acordo com o tipo de registro pode ser classicada como:
Nominativas - Cautela ou certicado que apresenta o nome do acionista, cuja

transferncia feita com a entrega da cautela e a averbao do termo, em livro
prprio da sociedade emitente e identicada pelo acionista.
Escriturais - Essas aes no so representadas por cautela ou certicados, no

havendo a movimentao fsica de documentos. Usualmente suas transferncias
de titularidade so realizadas eletronicamente. As aes negociadas no Brasil, na
BM&FBOVESPA, so deste tipo.
Ao portador - So aes sem identicao de propriedade, ou seja, quem as

apresentar ser o portador. Desde 1990, o Brasil no emite mais essas aes, como
forma de coibir o uso desses papis na lavagem de dinheiro.
Tambm existe uma classicao informal da ao utilizando a sua liquidez. De

acordo com o tipo de liquidez a ao pode ser classicada em:
Primeira linha ou blue chips - Aes de grande volume negociadoque apresentam

facilidade de negociao;
Segunda linha - aes menos negociadas.
Terceira linha ou micos - aes com poucos negcios e de alto risco.
2.1.2 Bolsa de Valores

Tradicionalmente, a bolsa de valores uma associao civil sem ns lucrativos
que mantem o local ou o sistema de negociao adequados realizao de transaes de
compra e venda de ttulos e valores mobilirios [BM&FBOVESPA 2008]. Na bolsa de
valores negociam-se aes ou direitos (derivativos). Atualmente, tanto a Bovespa quanto
a BMF abriram o seu capital e se tornaram empresas que visam o lucro.
As bolsas devem informar aos investidores atravs de revistas, boletins e meios
eletrnicos sobre seus negcios dirios, comunicados relevantes de empresas aber-
tas, dados de mercado que contribuam para a transparncia das operaes. No Bra-
sil, a atividade das Bolsas scalizada pela Comisso de Valores Mobilirios (CVM)
[BM&FBOVESPA 2008].
Ecincia de Mercado Acionrio
O preo da ao representa o equilbrio entre as foras de oferta e a demanda no

mercado acionrio. O preo das aes um indicador da expectativa dos investidores com
relao lucratividade.
A hiptese de ecincia de mercado acionrio, pressupe que as mudanas nos
preos devam ser originadas por processos realizados pelos investidores, conduzidos
ao uso eciente do conjunto de informaes na previso do comportamento futuro de
tais preos. Essa hiptese pressupe a no existncia de nenhum padro sistemtico de
comportamento para a denio dos preos da ao.
Se o investidor soubesse identicar e aproveitar a regularidade do comporta-
mento futuro do preo de uma ao abriria o caminho para um lucro muito acima do
esperado, porm, no mercado eciente, a tentativa de utilizar um padro sistemtico faria
com que ele fosse eliminado.
A hiptese de ecincia apresenta duas implicaes: os investidores utilizam
medidas racionais para mitigar o risco do investimento e o processo de reviso das taxas
de retorno esperada realizado constantemente.
BM&FBOVESPA
Bolsa de Valores, Mercadorias e Futuros (BM&FBOVESPA) a maior bolsa

de valores da Amrica Latina. Ela concentra cerca de 70% dos volumes de negcios
realizados nessa regio. Na BM&FBOVESPA so negociadas as aes das empresas
mais importantes do Brasil, tais como Petrobrs, Companhia Vale, Votorantim, Usiminas,
Baskem e diversas outras [BM&FBOVESPA 2008].
Histria
Em 1880, um grupo de agentes liderado por Emlio Rangel Pestana inaugura a
Bolsa Livre, que tornou-se a semente da Bolsa de Valores de So Paulo. A Bolsa Livre
foi fechada j em 1891 devido a poltica do Encilhamento. Em 1895, foi fundada a Bolsa
de Fundos Pblicos de So Paulo, dando continuidade evoluo do mercado de capitais
brasileiro.
Nesse perodo, as negociaes de ttulos pblicos e aes eram registradas em
enormes quadros negros de pedra para acompanhamento por todos os presentes e, por
essa particularidade, esse perodo cou conhecido por Idade da Pedra.
Em 1934, a bolsa se instala no Palcio do Caf e, no ano seguinte, ganha o nome
de Bolsa Ocial de Valores de So Paulo.
As negociaes nesse novo perodo eram feitas em um grande balco central. Os
negcios eram realizados com ordem pr determinada (alfabtica), onde era anunciado o
nome da empresa e, a partir desse momento, ocorriam negociaes entre os papis desta
empresa com um tempo determinado para serem efetuadas.
Na dcada de 1960, a bolsa assume a caracterstica institucional, no sendo
mais subordinada ao Secretrio da Fazenda do Estado, possuindo assim autonomia
administrativa, nanceira e patrimonial. Em 1967, passa a se chamar Bolsa de Valores
de So Paulo.
Ainda em 1967, o cargo de Corretor Ocial deixa de existir e so formadas as
Sociedades Corretoras. Estas foram formadas por ex-Corretores Ociais e por Corretores
autorizados pelo Banco Central. , nesse momento, que surge a gura do operador de
prego, pessoas responsveis pelos negcios sob as ordens das Sociedades Corretoras,
por meio de gritos e gestuais que viraram a marca da Bolsa de Valores.
Na dcada de 1970, houve a evoluo dos boletos utilizados para realizar as
negociaes. Os boletos foram substitudos por cartes perfurados e os negcios passaram
a ser registrados de forma eletrnica.
A BOVESPA foi a primeira bolsa brasileira a implementar o prego automati-
zado em 1972. Esse sistema automatizado disseminava as informaes em tempo real
atravs de ampla rede de terminais de computador.
Em 1990, so iniciadas as negociaes atravs do Sistema de Negociao Ele-
trnica - CATS: (Computer Assisted Trading System), que operava simultaneamente com
o sistema tradicional de Prego Viva Voz.
Em 1997, foi implantado o novo Sistema de Negociao Eletrnica em
substituio ao CATS, o Mega Bolsa. Alm de utilizar plataforma tecnolgica alta-
mente avanada, o Mega Bolsa ampliou o volume de processamento de informaes
[BM&FBOVESPA 2008].
o nal da dcada de 1990, foram lanados o Home Broker e o After-Market. O
Home Broker permite que o investidor transmita sua ordem de compra ou de venda ao
sistema de negociao da bolsa de forma direta, atravs das corretoras. O After-Market
oferece um meio noturno, porm limitado, de negociao eletrnica. Ambos os meios
facilitam a participao do pequeno e mdio investidor no mercado.
Em 2006, a BOVESPA implantou nova infra-estrutura computacional para
suporte de suas operaes. Esta estrutura foi desenvolvida em parceria com a HP, a Intel e
a Microsoft, alcanando dentre os diversos benefcios, a reduo de custos de manuteno
e maior exibilidade de adaptao ao aumento de volume de transaes no mercado de
capitais. Essa base tecnolgica comparvel com a dos mercados mais desenvolvidos
do mundo e o Brasil, por sua vez, hoje um centro de excelncia em infra-estrutura do
mercado nanceiro e de capitais [BM&FBOVESPA 2008].
Em 28 de agosto de 2007, a BOVESPA deixou de ser uma instituio sem ns
lucrativos e se tornou uma sociedade por aes (S/A). Nessa re-estruturao societria
foi criada uma nova empresa, a BOVESPA Holding, tendo como subsidirias integrais
a Bolsa de Valores de So Paulo (BVSP) - responsvel pelas operaes dos mercados
de bolsa e de balco organizado - e a Companhia Brasileira de Liquidao e Custdia
(CBLC) prestadora de servios de liquidao, compensao e custdia. Em 2008, a
BOVESPA e a BM&F ocorreu a integrao da Bovespa Holding S.A. e da BM&F S.A. e
a criao da Bolsa de Valores, Mercadoria e Futuros - BM&F BOVESPA S.A., a terceira
maior bolsa do mundo em valor de mercado [BM&FBOVESPA 2008].
Atualmente, a BM&FBOVESPA o nico centro de negociao de aes do
Brasil e o maior da Amrica Latina. As negociaes realizadas na BM&FBOVESPA so
feitas exclusivamente por meio de seu sistema eletrnico, proporcionando maior agilidade
e segurana nas transaes [BM&FBOVESPA 2008].
2.1.3 Formas de Operao

Antes de operar em qualquer Bolsa de Valores necessrio efetuar o cadastro
junto corretora credenciada. Ao realizar esse cadastro, a corretora ir cadastr-lo
tambm na bolsa que ir operar.
Aps a abertura desse cadastro, necessrio possuir crdito para realizar as
operaes de compra e venda de aes e derivativos, necessitando depositar algum
dinheiro ou ceder garantia junto corretora para assim poder efetuar suas ordens de
compra ou de venda.
Ordem de Compra
Ordem eletrnica emitida para adquirir um papel (ao ou derivativos). Ao emitir

essa ordem deve-se informar qual papel quer adquirir, a quantidade, o valor que deseja
pagar por unidade adquirida e a validade da ordem.
A ordem ser totalmente executada somente quando o valor pago por ao e a
quantidade a ser comprada for ofertada no leilo. O simples fato de emitir a ordem de
compra no garante a compra no valor ou quantidade solicitada.
A ordem poder ser parcialmente executada se o valor ofertado for atingido,
porm a quantidade ofertada no supriu a demanda descrita na ordem de compra; portanto
o valor pago por ao o desejado, mas a quantidade comprada inferior a quantidade
solicitada.
Ordem de Venda
Ordem dada para vender o papel. Ao emitir a ordem, deve-se informar o cdigo
do papel a ser vendido, sua quantidade, o preo por unidade e a validade da ordem.
Esta ordem ser totalmente executada se existir uma ou mais ordens de compra
compatveis com os valores apresentados, ou seja, valores iguais ou maiores ao emitido e
quantidades sucientes. Esta ordem tambm pode ser executada parcialmente.
Ordem de Valor Anormal
Durante a emisso da ordem de compra o comprador pode informar o preo

de compra acima do preo terico de mercado e quando isso ocorre o sistema da
BM&FBOVESPA cria um leilo interno. As aes emitidas dessa forma no podem ser
canceladas e nem terem sua quantidade diminuida. Durante o leilo, as ofertas de venda
no valor terico sero executadas at o limite da quantidade requerida e ofertada. Se a
quantidade solicitada no for atingida, ocorre a execuo da prxima ordem de venda.Esse
passo realizado sucessivamente at chegar ao preo emitido na ordem de compra.
O mesmo ocorre na ordem de venda quando o vendedor emite a ordem de
venda com preo inferior ao preo atual de mercado. Esse sistema existe para proteger
o investidor de possveis erros, facilitar a compra ou venda de grandes quantidades de um
determinado papel e proteger a bolsa de possveis manipulaes.
Momento de Compra e Venda
Para determinar o momento de compra ou venda de determinada ao ou direito,

devem ser realizadas diversas anlises. Essas anlises podem indicar a ocorrncia de
possveis modicaes, a tendncia de movimentos do valor da ao, sua intensidade,
o preo justo da ao e diversas outras informaes.
Essas anlises so divididas em Anlise Fundamentalista e Anlise Tcnica,
detalhadas a seguir.
2.1.4 Anlise Fundamentalista

A Anlise Fundamentalista a anlise da situao nanceira, econmica e
mercadolgica da empresa e suas expectativas e projees para o futuro [Neto 2002] e
[Chaves 2004].
A Anlise Fundamentalista interpreta dados fundamentais da empresa obtidos
do balano (anlise contbil) e informaes sobre a situao do mercado, o patrimnio da
empresa, entre outros, para realizar a deciso da operao nanceira.
Abaixo, esto alguns exemplos de anlises que so fundamentalistas.
Anlise Horizontal
A Anlise Horizontal verica a evoluo individual dos elementos patrimoniais

e as demonstraes nanceiras durante um perodo determinado, possibilitando a com-
parao entre valores da evoluo da demonstrao nanceira em diferentes exerccios
scais/sociais [Neto 2002].
Um exemplo de anlise horizontal pode ser visto na Tabela 2.1.
Ativo (R$ mil) 2007 2008 Aumento

Circulante 200 400 100%
Realizvel a longo prazo 100 100 0%
Permanente 500 500 0%
Total 800 1000 25%
Tabela 2.1: Exemplo de Anlise Horizontal.
Anlise Vertical
A Anlise Vertical ou Anlise da Estrutura, envolve a relao entre o elemento e

o grupo de que ele faz parte, ou seja, relaciona a parte com um todo [Neto 2002].
A Anlise Vertical envolve os elementos do mesmo exerccio, ao contrrio da
Anlise Horizontal, estabelecendo assim as bases para analises prospectivas.
Exemplo de Anlise Vertical exibido na Tabela 2.2.
Ativo (R$ mil) Valor Anlise

Circulante 400 40%
Realizvel a longo prazo 100 10%
Permanente 500 50%
Total 1000 100%
Tabela 2.2: Exemplo de Anlise Vertical.
Anlise atravs de ndices
A avaliao da empresa feita atravs dos ndices, exige a comparao com pa-
dres e a xao da importncia de cada ndice. A caracterstica fundamental dos ndices
fornecer ampla viso da situao econmica ou nanceira da empresa [Jr e Neves 2000].
Em Anlise de Balanos, os termos Econmico e Financeiro precisam ser
muito bem denidos para no se chegar s concluses erradas.
Econmico: Refere-se ao lucro, no sentido dinmico de movimentao. Estatis-
ticamente, refere-se ao patrimnio lquido.
Financeiro: Refere-se a dinheiro. Dinamicamente, representa a variao de
caixa. Estatisticamente, representa o saldo de caixa. O termo nanceiro tem signicado
amplo e restrito. Quando visto de forma restrita, refere-se ao caixa; e no signicado

amplo, refere-se ao capital circulante lquido.
ndice de Liquidez
Os ndices de liquidez servem para medir a capacidade da empresa atender a seus

compromissos de curto prazo atravs da realizao de seus ativos circulantes.
ndice de Liquidez Corrente
AtivoCirculante
LC = (2-1)
PassivoCirculante
Indica quanto a empresa possui no Ativo Circulante para cada R$1,00 de Passivo
Circulante, ou seja, signica dizer quanto a empresa tem de bens e direitos realizveis no
curto prazo para cada R$1,00 de dividas no curto.
ndice de Liquidez Sca
AtivoCirculante Estoques
LS = (2-2)
PassivoCirculante
Indica quanto a empresa possui de Ativo Circulante descontados a conta de
estoques para cada R$ 1,00 de Passivo Circulante, ou seja, signica dizer quanto a
empresa tem de bens e direitos realizveis no curto prazo excluindo-se os estoques para
cada R$1,00 de dividas no curto.
ndice de Liquidez Geral
AtivoCirculante + RealizvelaLongoPrazo
LG = (2-3)
PassivoCirculante + ExigvelaLongoPrazo
Indica quanto a empresa possui no Ativo Circulante e Realizvel a Longo Prazo
para cada R$ 1,00 de divida total.
ndice de Liquidez Imediata
LI=Disponibilidades Passivo Circulante
Disponibilidades
LC = (2-4)
PassivoCirculante
Indica quanto a empresa tem de disponvel (caixa, bancos e em aplicaes de
liquidez imediata) para saldar cada R$ 1,00 de dvidas no curto prazo.
Capital de Giro
A administrao do Capital de Giro constitui um processo de planejamento e

controle dos recursos nanceiros aplicados no ativo circulante das empresas. Tais recursos
provm de diversas obrigaes a vencer a curto prazo, representadas no passivo circulante,
e o excedente das exigibilidades de longo prazo e do Patrimnio Lquido em relao aos

ativos no circulantes.
Rentabilidade do Patrimnio Lquido
A Rentabilidade do Patrimnio Lquido ou Anlise P/L mede a relao entre o

preo atual das aes e o lucro por ao acumulado nos ltimos quatro trimestres.
De forma simplicada, o P/L indica o quanto o investidor est disposto a pagar
por real de lucros. Ou seja, um P/L com valor igual a 10 indica que o preo atual da
ao representa 10 vezes o lucro gerado pela empresa nos ltimos quatro trimestres. Vale
lembrar que alguns analistas trabalham com o conceito de P/L esperado, que considera a
previso de lucro dos prximos quatro trimestres.
PreoPorAo
PL = (2-5)
LucroPorAo
2.1.5 Anlise Tcnica

A Anlise Tcnica o estudo da dinmica do mercado atravs dos sinais que o
prprio mercado emite (preos, volume de negcios e o total dos contratos em aberto)
[Weissman 1996].
Usualmente, a Anlise Tcnica realizada com o estudo dos grcos dos sinais
emitidos pelo mercado. Abaixo, esto relacionadas algumas das tcnicas existentes:
Convergncia/Divergncia em Mdias Mveis (MACD), Bandas de Bollinger e Ondas
de Elliott, sendo a ltima a tcnica utilizada neste trabalho.
Convergncia/Divergncia em Mdias Mveis (MACD)
O MACD (Moving Average Convergence/Divergence) um indicador desenvol-

vido por Gerald Appel para analisar a convergncia e divergncia das mdias mveis. Ele
composto de duas linhas indicadoras, a primeira chamada de linha do MACD e, a se-
gunda, de linha de sinalizao. Essas linhas oscilam em torno do numero zero e quando o
MACD maior que zero, signica que as expectativas mais recentes so favorveis para
alta, enquanto menor que zero, as expectativas esto evidenciando uma situao de baixa
[Elder 1993] [Weissman 1996].
A linha de sinalizao indica os pontos de entrada e sada do mercado. Quando
o MACD est acima da linha de sinalizao sinal que o valor da ao est ascendente e
quando o MACD est abaixo da linha de sinalizao, a ao est em queda.
Na Figura 2.1 est exposto um grco dos valores da ao da Petrobras (PETR4)
extrado em 09 de outubro de 2007 e com o MACD especicado na parte inferior do
grco. Pode-se observar que o MACD exibe o dado da situao atual para auxiliar na
tomada de deciso do investidor, porm, apenas exibe a tendncia do evento. Quando

a linha de sinalizao e do MACD se encontram no existe obrigatoriedade de haver
cruzamento, portanto, apenas indica que um possvel ponto de mudana de tendncia.
Figura 2.1: Exemplo de MACD.
Bandas de Bollinger
As Bandas de Bollinger uma ferramenta relacionada intensamente com a

volatilidade. As Bandas de Bollinger so representadas por trs curvas, sendo que as
curvas das extremidades so traadas a partir da distncia da mdia mvel. Esta distncia
est vinculada ao desvio padro [Weissman 1996]. A Figura 2.2 exemplica as Bandas
de Bollinger.
Observa-se que o movimento da ao tende a oscilar entre as curvas das extremi-
dades. Usualmente, quando o valor da ao ultrapassa alguma das curvas da extremidade,
o valor tende a retornar entre as extremidades, porm, sem indicar at qual valor.
2.2 Ondas de Elliott
2.2.1 Introduo
A tcnica das Ondas de Elliott uma forma avanada de analisar aes. Diferen-
temente das outras anlises tcnicas existentes, as Ondas de Elliott permitem a previso
Figura 2.2: Exemplo de Bandas de Bollinger.
do comportamento das aes analisadas e no apenas a sua tendncia. Ao utilizar essa tc-
nica, as aes a serem analisadas devem possuir um alto ndice de liquidez, que no mer-
cado acionrio descrito pelo volume de negociao. O alto ndice de liquidez representa
melhor o comportamento em grupo dos investidores, evitando inuncias individuais.
Nesta anlise, existem cinco ondas de comportamento e trs ondas de correo,
sendo as ondas de comportamento numeradas em ondas 1, 2, 3, 4, 5 e as ondas corretivas
nomeadas em a, b e c. As ondas de comportamento so divididas em ondas de impulso
(ondas 1, 3 e 5) e ondas corretivas (ondas 2 e 4). Para facilitar a deteco, alguns autores
sugerem a insero do smbolo x para identicar o ponto de parada das ondas de
correo (ondas a, b, c) [Deoke 2000].
As Ondas de Elliott so formadas em diversos nveis, ou seja, podem ser traadas
em grcos de diversas amplitudes, tais como a cada minuto, hora, 120 minutos, dia,
semana, etc. Sendo que uma onda traada, em um nvel mais interno, auxilia na formao
da onda de nvel mais externo (fractais) [Collins 1998]. As Ondas de Elliott em diversos
nveis complementares so apresentadas na Figura 2.3.
O formato de identicao diferenciado das ondas apresentadas na Figura 2.3,
uns algarismos em romano, outros em algarismos arbicos, uns em minsculos e outros
em maisculos, utilizado para referenciar diferentes nveis das ondas.
As ondas corretivas tendem ao movimento lateral, ou seja, no indicam tendncia
de alta ou de baixa, no se aconce;ha a sua utilizao como indicador de momento de bom
investimento.
Figura 2.3: Exemplo de Ondas de Elliott.
2.2.2 Histria
Ralph Nelson Elliott (1871-1948) era um contabilista de prosso. Aposentou-
se em 1927 aps ter contrado uma doena sria. Nos anos que lhe restavam cou em
repouso na Califrnia.
Durante seu longo perodo de convalescencia, desenvolveu sua teoria do com-
portamento de mercado. Aparentemente, foi muito inuenciado pela teoria do Dow, que
tem muito em comum com seu princpio da onda.
Elliott e Dow consultaram os ciclos da mar do mar e compararam o ritmo das
ondas utuao de preo no mercado.
Dois anos antes que sua morte, em 1946, Elliott escreveu seu trabalho denitivo
sobre sua pesquisa e o intitulou da Segredo da lei da natureza do universo. Elliott
estava convencido de que sua teoria era parte de uma lei muito maior que governa toda a
atividade do ser humano.
H trs aspectos bsicos da teoria - o padro, a relao e o tempo (nessa ordem da
importncia). Elliott reivindica que o mercado segue um ritmo repetitivo de cinco-ondas
de avano seguido pelo de trs-ondas de declnio. As ondas um, trs e cinco vo com a
tendncia principal e so chamadas ondas de impulso. As ondas dois e quatro so ondas
corretivas. Aps a onda cinco o avano est terminado. Trs ondas de correo comeam
subdivididas em uma estrutura do ABC. Aps este ciclo, um novo pode comear.
Da Lei da natureza Elliott indicou que a base matemtica para o princpio
da onda estava baseada em na seqncia dos nmeros descoberta (ou redescoberta mais
exatamente) pelo matemtico Leonardo Pisanoque viveu no dcimo terceiro sculo.

Fibonacci
Os nmeros de Fibonacci ou nmeros ureos, como tambm so conhecidos,
uma sequncia numrica descoberta por Leonardo Pisano, mais conhecido como Fibo-
nacci (lho de Bonacci), na qual tenta representar matematicamente o comportamento
natural [Fisher 1993].
Os nmeros de Fibonacci podem ser aplicados em casos de comparao naturais,
tais como:
Relaes de padres de beleza;
Frequncias de notas musicais;
Disposio de imagens em diversas obras de arte;
Relao de tamanho de parte de corpos naturais (incluindo corpo humano e de

outros animais);
Evoluo populacional natural.
Em conceito mais amplo, pode-se dizer que as propores de Fibonacci so

harmnicas em relao natureza e aos sentidos humanos (beleza, agrado, etc.). Para
formar manualmente a sequncia de Fibonacci, inicia-se a sequncia com dois nmeros
um (1 e 1) e para descobrir o prximo nmero, basta somar os dois nmeros anteriores.
Uma pequena sequncia de exemplo segue juntamente com a demonstrao da formao
do nmero: 1, 1, 2 (1 + 1), 3 (2 + 1), 5 (3 + 2), 8 (5 + 3), 13 (8+ 5), 21 (13 + 8), 34 (21 +
13), 55 (34 + 21), 89 (55 + 34), 144 (89 + 55), 233 (144 + 89)...
Pode-se observar que na sequncia de Fibonacci a razo entre um nmero
e seu sucessor tende a ser constante, isso pode ser observado a partir do 11o e 12o
nmeros da sequncia. Esse nmero tende ao valor 0,618033988749895, que chamado
universalmente como nmero Phi.
Observando essa estabilizao, deduz-se a porcentagem de 61,8% e seu comple-
mento, 38,2% como ferramentas de auxlio para anlise grca de Fibonacci. Tambm
pode-se utilizar os percentuais de 50% e com menor frequncia os extremos: 23,6% (pro-
poro derivada) e 78,6% (raiz quadrada de 0,618).
Na Figura 2.4 est representada uma espiral formada seguindo as regras de
expanso numrica de Fibonacci.
Como as Ondas de Elliott so formadas por conjuntos de regras ligadas aos
nmeros de Fibonacci, isto demonstra que o preo do ativo tambm composto pelo
emocional da massa de investidores. O alto ndice de liquidez de uma ao tende a simular
Figura 2.4: Espiral formada com a expanso numrica de Fibo-

nacci.
o comportamento em massa dos investidores, sendo assim pr-requisito para utilizar a

anlise das Ondas de Elliott [Deoke 2000].
2.2.3 Identicao
Para identicar as Ondas de Elliot, primeiramente, necessrio denir o ponto
de incio no grco para tentar traar as ondas.
Na Figura 2.5 est representado um grco dirio de ao da Petrobras (PETR4),
onde visualmente foi marcado em alguns dos pontos possveis para comeo da anlise de
Elliott.
Figura 2.5: Possveis Pontos de Incio da Anlise de Elliot.

Os pontos marcados na Figura 2.5 so pontos de inexes, ou seja, quando

ocorre mudana do sentido no qual caminha o preo da ao. As Ondas de Elliott s
iniciam e terminam em pontos de inexo.
Para identicar as Ondas de Elliott, deve-se utilizar ferramentas que representam
a porcentagem dos nmeros de Fibonacci gracamente, visto que a validao de cada
onda realizada por essa ferramenta. A seguir ser descrito o mtodo de identicao das
ondas comportamentais de Elliott.
Regras Bsicas
Para a deteco das Ondas de Elliott devem ser usadas as seguintes regras de
validaes bsicas:
1. A amplitude da onda 3 sempre maior ou igual amplitude da onda 1;
2. A amplitude da onda 5 sempre maior ou igual amplitude da onda 1;
3. Se a amplitude da onda 3 ou a onda 5 maior do que a onda 1, a amplitude das

mesmas ser uma das expanses de Fibonacci;
4. Se a amplitude da onda 3 maior do que a onda 1, ento a amplitude da onda 5

igual a onda 1;
5. Se a amplitude da onda 5 maior do que a onda 1, ento a amplitude da onda 3

igual a onda 1;
Primeira Onda
As regras de validao das ondas comparam duas ondas e por isso a deteco da
primeira onda realizada em conjunto com a deteco da segunda onda.
Segunda Onda
Aps a denio dos possveis pontos de incio, seleciona-se um desses pontos e

verica-se as porcentagens relativas aos nmeros de Fibonacci. O grco de probabilidade
ser inserido do incio da possvel Onda 1 at o ponto nal desta onda. Em nenhum
momento a Onda 2 deve retrair mais do que a Onda 1. A amplitude da Onda 2 deve
ser no mnimo 80% da amplitude da Onda 1.
Aps traar o grco de probabilidade, deve ser vericado se a onda que possui o
movimento contrrio ao da primeira onda altera o seu sentido perto de alguma das marcas
formadas pela grade de Fibonacci (78,6%, 68,2%, 50%, 38,2% e 23,6%). Se isso ocorrer,
essas duas ondas detectadas possivelmente sero as ondas 1 e 2 de Elliott.
Usualmente os movimentos contrrios revertem sua tendncia nas faixas de

38,2% , 50% ou em 61,8% e em raros casos a retrao ser maior (78,6%). Se a retrao
for de 100%, o ponto selecionado no de uma Onda 1 e as ondas detectadas so ondas
de correo. Se a retrao for acima de 100%, o ponto inicial selecionado tambm est
errado. Na Figura 2.6 encontra-se o exemplo de uma provvel Onda 1 e de uma Onda 2.
A Onda 2 normalmente possui ziguezagues.
Na Figura 2.6, observa-se o exemplo de possveis ondas 1 e 2 onde ocorre a
retrao at o ponto de 50%. Para conrmar se essas ondas so as ondas 1 e 2, deve-se
detectar todas as Ondas de Elliott.
Figura 2.6: Primeira e segunda Ondas de Elliott.
Terceira Onda
A identicao da Onda 3 baseada no tamanho da Onda 1. A Onda 3 deve ser

de impulso e possuir uma amplitude igual ou superior ao da Onda 1. Quando a amplitude
da terceira onda maior que a primeira onda deve-se vericar se a terceira onda expandiu
utilizando uma das porcentagens de Fibonacci. Se a expanso indicar um aumento de
38,2%, 50%, 61,8% ou 100% a onda analisada poder ser a terceira onda.
Na Figura 2.7 est referenciada a possvel terceira onda com tamanho seme-
lhante ao da primeira onda.
Figura 2.7: Terceira Onda de Elliott.
Quarta Onda
Para detectar a Onda 4, utiliza-se a analogia da identicao da Onda 2. Esse

procedimento, no entanto, difere-se no fato de que necessrio utilizar a Onda 3, em vez
da Onda 1, como onda de referncia para detectar a Onda 4, vericando se o movimento
que possui sentido contrrio ao da Onda 3 possui um ponto de inexo perto de uma das
marcas formadas pela grade de Fibonacci.
Os movimentos contrrios normalmente revertem sua tendncia em 38,2%, 50%
ou em 61,8% e, em raros casos, a retrao ser maior (78,6%). Usualmente, a Onda 4
possui uma descida constante, no fazendo ziguezagues. Quando a Onda 2 no possui
ziguezague, a onda 4 provavelmente possuir.
Na Figura 2.8, est o exemplo da deteco da quarta onda, onde houve uma
retrao de 50% comparando com o tamanho da Onda 3.
Quinta Onda
Para detectar a quinta onda, faz-se a analogia com a identicao da terceira

onda. Esse procedimento difere no fato de utilizar a terceira onda como onda de referncia
para detectar a quinta onda.
A Onda 5 deve possuir tamanho igual ou superior ao da Onda 1. Quando a quinta
onda maior que a primeira onda, realiza-se a expanso de Fibonacci para vericar
Figura 2.8: Quarta Onda de Elliott.
os dados. Se a expanso indicar um aumento de 38,2%, 50%, 61,8% ou 100%, a onda

analisada ser a quinta onda.
Na Figura 2.9 est o exemplo da deteco da quinta onda onde houve alterao
de tamanho em relao a primeira e terceira onda. A onda detectada aproximadamente
o dobro da onda 1.
Com as cinco ondas detectadas, encerra-se a deteco das ondas de comporta-
mento de Elliott.
2.2.4 Previso do Comportamento Acionrio

As Ondas de Elliot permitem a previso do comportamento acionrio. Se o
analista tentar descobrir em qual Onda de Elliott o mercado se encontra poder identicar
como o mercado ir se comportar. O comportamento acionrio se move segundo as regras
de formao das Ondas de Elliott.
Se o analista detectar que o mercado est no incio de uma terceira onda, o
mercado dever se comportar como tal, ou seja, o mercado dever seguir as regras das
Ondas de Elliott, inicialmente testando o valor que representaria o mesmo tamanho da
Onda 1 e depois suas expanses de Fibonacci. Na Figura 2.10 mostrado o exemplo
onde, possivelmente, existe o incio de formao de uma Onda 3 em meados do ms de
Julho de 2007. Se a onda mostrada for realmente uma Onda 3, o valor da ao deve chegar
a pelo menos 56,03 reais.
Figura 2.9: Quinta Onda de Elliott.
Essa regra vale para todas as Ondas de Elliott, se for detectado que o mercado
est em uma determinada Onda de Elliott, o mercado dever se comportar como as regras
de formao dessa onda.
2.3 Algoritmos Genticos

No seu uso mais geral, o termo Algoritmos Genticos refere-se a uma famlia
de modelos computacionais inspirados na evoluo biolgica. Estes algoritmos codicam
a soluo potencial para um problema em estrutura de dados simples, chamada cromos-
somo, devido a sua analogia com o cromossomo biolgico. Os Algoritmos Genticos
tem uma aplicao bastante ampla, porm so frequentemente vistos em otimizadores de
funes [Withley 1995].
O termo Algoritmo Gentico tem dois signicados comuns. Em seu primeiro
signicado, refere-se ao modelo bsico investigado por John Holland [Holland 1975].
Em sentido mais amplo, os Algoritmos Genticos referem-se a qualquer modelo baseado
em recombinao para gerar novas amostras no espao de busca.
2.3.1 Breve Histrico

O trabalho Systema Naturae, de 1735, do botnico Carolus Linnaeus, sobre
a classicao dos organismos despertou o interesse pela similaridade entre espcies,
Figura 2.10: Exemplo de um possvel incio de uma Onda 3.
acreditando na existncia de uma relao entre elas.

Outros trabalhos inuenciaram os pesquisadores em direo teoria da seleo
natural, tais como a teoria do uso e desuso realizada por Jean Baptiste Lamark e a
proposta de que os fatores ambientais afetavam o crescimento de uma populao descrita
por Thomas Malthus.
Aps anos de observaes, Charles Darwin apresentou sua teoria de evoluo
atravs de seleo natural em seu livro A Origem das Espcies em 1859. Essa teoria
uma das bases dos Algoritmos Genticos. O trabalho de Darwin inuenciou o futuro
no apenas da Biologia, Botnica e Zoologia, mas tambm teve grande inuncia sobre o
pensamento religioso, losco, poltico e econmico da poca.
No incio do sculo XX foi descoberto o trabalho de Gregor Mendel relativo
aos princpios bsicos de herana gentica, que teve grande inuncia sobre os trabalhos
relacionados evoluo.
A teoria atual da evoluo combina a gentica com as idias de Darwin sobre a

seleo natural. O princpio bsico da Gentica Populacional atual a variabilidade entre
indivduos em uma populao os quais se reproduzem sexualmente. Essa variabilidade
produzida pela recombinao gentica e pela mutao. Esse princpio foi desenvolvido
durante os anos 30 e 40, por bilogos e matemticos de importantes centros de pesquisa.
Nas dcadas de 1950 e 1960, muitos cientistas estudaram, independentemente,
sistemas evolucionrios baseados na idia da evoluo para resolver problemas de otimi-
zao na Engenharia.
Em meados de 1960 o cientista alemo, Ingo Rechenberg, introduziu o mtodo
chamado de Estratgias Evolucionrias, utilizado na otimizao de parmetros para
dispositivos aeroflios. A primeira aplicao registrada na rea de evoluo articial foi
descrita no livro Evolutionsstragegie: Optimierung Technischer Systeme Nach Prinzpien
der Biologischen Evolution de 1973.
Jonh Holland criou os Algoritmos Genticos em meados de 1960 [Belew 1997].
Em contraste com as Estratgias Evolucionrias e a Programao Evolucionria, o ob-
jetivo de Holland foi desenvolver mecanismos de adaptao em sistemas computacio-
nais, sem focalizar na soluo de problemas especcos. Sua obra publicada em 1975
[Holland 1975] apresentou os Algoritmos na forma de abstrao da evoluo biolgica.
O algoritmo de Holland tem como base a evoluo de populaes de indivduos
codicados em representao binria, usando o mtodo de seleo natural aliada a
operadores evolutivos: reproduo e mutao.
2.3.2 Genes e Cromossomos

Todos os seres vivos possuem um conjunto de cromossomos, cadeias de DNA
que servem de modelo para todo o organismo (unicelular ou pluricelular).
O cromossomo constitudo por blocos de DNA, comumente chamados de
genes, e cada gene responsvel por determinada funo, ou seja, codica determinada
protena.
Os genes nos Algoritmos Genticos so informaes bem formatadas, respons-
veis por determinada caracterstica e o cromossomo um conjunto de genes que possui
funo ou informao bem denida. O exemplo de um cromossomo que representa uma
informao de um uxo de caixa est demonstrado na Figura 2.11
2.3.3 Vantagens
Os Algoritmos Genticos diferem dos algoritmos tradicionais de otimizao em
cinco aspectos principais [Goldberg 1989]:
Figura 2.11: Exemplo de cromossomo com dois genes.
Baseiam-se na codicao do conjunto das solues possveis e no nos parmetros

da otimizao em si;
os resultados so apresentados como um conjunto de solues e no como soluo

nica;
o mtodo de descoberta da soluo pode ser considerado caixa preta;
necessrio apenas denir a forma de avaliao do problema, no necessitam de

outros conhecimentos derivado do problema;
usam transies probabilsticas e no regras determinsticas.
Os algoritmos tradicionais normalmente usam tcnicas de tentativa e erro, porm

com parmetros de otimizao, diferindo-se dos Algoritmos Genticos que evoluem
solues (aceitveis ou no) em busca da resposta que melhor se adapta ao caso.
Os Algoritmos Genticos produzem uma populao formada por diversos indi-
vduos que representam as possveis solues do problema proposto, exibindo uma gama
de solues para o problema, diferentemente dos algoritmos tradicionais que usualmente
param ao detectar uma resposta aceitvel.
Ao buscar a resposta do sistema, o Algoritmo Gentico atua de forma incomum
onde sua lgica para formar a resposta depende da evoluo de solues e sua avaliao.
2.3.4 Algoritmo Bsico

O algoritmo bsico para realizar a Evoluo Gentica simples e seu pseudoc-
digo est escrito abaixo:
Cdigo 2.1 Pseudocdigo Bsico de Algoritmos Genticos.

1 Funo AlgoritmoGentico
2
3 1. Gerao da populao inicial (usualmente de forma

4 aleatria)
5
6 2. Equanto os crterios de parada no for alcanado,

7 repita os tens (a),(b), (c) e (d)
8
9 a. Funo-Objetivo: cada indivduo avaliado e recebe

10 uma nota de aptido ao domnio do problema
11
12 b. Seleo: Os indivduos so selecionados para reproduo,

13 Os melhores indivduos usualmente tm a melhor chance de
14 ser selecionado
15
16 c. Reproduo: O casal selecionado recombina-se para gerar

17 descendentes e onde pode ocorrer a mutao.
18
19 d. Elitismo: a populao antiga substituida pelos novos

20 indivduos de acordo com um critrio. Os melhores indivduos
21 da populao antiga podem ser diretamente inserido na nova
22 populao.
23
24 Fim
Observa-se que o algoritmo informado dividido em basicamente trs partes:

a avaliao da populao atravs da funo objetivo, a reproduo para gerar nova
populao e a seleo dos melhores indivduos para a nova populao.
2.3.5 Indivduo
A representao de indivduos o mapeamento do espao de possveis so-
lues para o espao de solues codicadas, dentro de alguma estrutura de dados
[Ghozeil 1997], ou seja, o indivduo representa o portador do seu cdigo gentico. A
populao o conjunto de indivduos.
Entre os principais tipos de representao dos indivduos, destacam-se: binria,
inteira, real, binria representando real e estruturas (vetores, matrizes, objetos e listas).
A representao binria foi utilizada no algoritmo gentico original de Holland e ainda
amplamente utilizada nos dias atuais.
Segundo Fogel e Ghozeil, no existem representaes que levam vantagens sobre
as outras, mas a representao escolhida deve ser compatvel com o problema a ser
solucionado [Ghozeil 1997].
Problemas com mltiplas entradas podem combinar essas entradas em uma nica
sequncia de bits, ou trabalhar com mais de um cromossomo, cada um representando
uma das entradas. O cdigo gentico deve ser capaz de representar todo o conjunto dos
valores no espao de busca e precisa ter tamanho nito.
2.3.6 Funo Objetivo

A funo objetivo (avaliao ou tness) determina a qualidade relativa das
solues. responsvel pelo elo entre o algoritmo gentico e o problema e a sua denio
depende do problema a ser abordado.
Nos Algoritmos Genticos, avaliar a qualidade da soluo usualmente a opera-
o de maior custo, podendo em alguns casos ser acelerada utilizando a estimativa como
resposta ou valor relativo.
A funo objetivo tambm avalia como os indivduos tm se desempenhado,
permitindo um ndice de comparao de aptido entre os indivduos da populao.
2.3.7 Seleo
A seleo o processo que determina qual indivduo ser selecionado para a
variao/reproduo.
A seleo por roleta um procedimento baseado na aptido dos indivduos. Essa
tcnica semelhante ao jogo Roda da Fortuna, onde existe um disco giratrio com
diversos setores, em formato de pizza de tamanhos diferentes e uma seta esttica que
aponta para um setor por vez. Na Roda da Fortuna, o disco girado com uma fora
aleatria e quando a seta para, o setor apontado o escolhido. Se o setor X possuir um
tamanho maior do que o setor Y ento a probabilidade de seleo do setor X maior do
que a do setor Y. No algoritmo de seleo por roleta, cada indivduo representa um setor
do disco e o tamanho desse setor representa a aptido desse indivduo. Dessa forma, os
indivduos mais aptos possuem mais chance de serem escolhidos.
Outro mtodo a seleo por torneiro, onde o Algoritmo Gentico escolhe alea-
toriamente dois indivduos e o mais apto selecionado para participar da recombinao.
Existe tambm a seleo totalmente aleatria, onde o indivduo que participa da
recombinao possui as mesmas chances dos demais indivduos.
O mtodo de seleo pode considerar diversas outras informaes, tais como
o nmero de vezes que o individuo foi selecionado e a existncia anterior em outra
populao. Porm, independente do procedimento de seleo a ser utilizado, a principal
funo deste operador determinar qual indivduo ser selecionado para a recombinao
que ir compor parte da gerao seguinte.
2.3.8 Variao
Tradicionalmente, a variao dividida em duas etapas: o cruzamento e a
mutao.
O cruzamento (ou crossover) efetua a recombinao entre os genes do casal sele-
cionado pela funo de seleo. O cruzamento dependente da seleo dos progenitores.
Os descendentes possuem, em sua carga gentica, as caractersticas semelhantes a dos
projenitores.
Os mtodos tpicos de cruzamento so: cruzamento de um ponto, cruzamento de
mltiplos pontos e cruzamento uniforme. Esses mtodos sero descritos a seguir.
Cruzamento
O cruzamento de um ponto combina um par de cromossomo selecionando,

aleatoriamente, o local onde a informao gentica ser dividida e efetua-se a troca do
material gentico.
Um exemplo de cruzamento de um ponto representado na Figura 2.12, onde X
o ponto de corte.
Figura 2.12: Exemplo de cruzamento de um ponto.
O cruzamento de mltiplos pontos sorteia um nmero aleatrio de pontos onde

ocorrer a troca de materiais genticos. Um exemplo de cruzamento de mltiplos pontos
representado na Figura 2.13 onde X so os pontos de corte.
Figura 2.13: Exemplo de cruzamento de mltiplos pontos.

Enquanto o cruzamento de um ponto e de mltiplos pontos denem locais de

corte onde o cromossomo ser dividido, o cruzamento uniforme (ou com mscaras) ge-
neraliza esta idia para todos os genes. Uma mscara de cruzamento denida aleatria-
mente indicando quais genes sero trocados entre os pais para produzirem os descenden-
tes.
No exemplo da Figura 2.14, quando a mscara indicar 1 o gene ser trocado,
quando indicar 0 o gene no ser trocado.
Figura 2.14: Exemplo de cruzamento com mscara.
Os mtodos de cruzamento no exigem que os dados utilizados sejam binrios,

podendo ser realizados com nmeros, textos, objetos e grupo de informaes, seguindo as
estratgias descritas anteriormente, levando em considerao a natureza da representao.
No cruzamento de nmeros, a gerao dos indivduos lhos pode ser executada
de duas maneiras distintas, a primeira ocorrer com a troca dos genes selecionados,
conforme exemplicado na Figura 2.15.
Figura 2.15: Cruzamento de nmeros com mscara e troca de

valores.
O segundo mtodo de cruzamento permite realizar uma operao matemtica

entre os genes realizados. Esse mtodo no recomendado para todos os tipos de solu-
es, tal como a do caixeiro viajante, porque pode gerar indivduos invlidos do espao
de busca. No exemplo da Figura 2.16, utiliza-se a mdia entre os genes selecionados pela
mscara para realizar o cruzamento:
Figura 2.16: Cruzamento de nmeros com mscara e mdia de

valores.
Mutao
A operao de mutao a troca aleatria de informaes de um indivduo, a

m de garantir maior varredura do espao de busca de modo a evitar que o Algoritmo
Gentico que estagnado em uma resposta mnima local e que realize uma convero
prematura.
O sorteio um dos mtodos utilizados pare selecionar o indivduo que sofrer
mutao, obedecendo a taxa de mutao. Para o indivduo selecionado sorteado o gene
que ter o seu valor alterado.
Outro mtodo sortear, durante o cruzamento, o gene que sofrer a mutao,
tambm obedecendo a taxa de mutao.
Os genes representados binriamente sofrero a inverso de seu valor. Se o
gene for uma informao pertencente a um conjunto, seleciona-se aleatoriamente uma
informao deste conjunto para mutar o gene selecionado.
Se a representao do gene for numrica, o valor do gene poder ser alterado
para um valor dentro da faixa de estudo, explorando locais ainda no visitados.
Nos casos de permutao, normalmente a mutao consiste em trocar a posio
de dois genes, garantindo um rudo aleatrio.
2.3.9 Elitismo
O elitismo ou Genitor [Holland 1975] uma tcnica onde os melhores pontos en-
contrados so preservados na populao seguinte, resultando numa busca mais agressiva,
que na prtica geralmente bastante efetiva. A utilizao de um ndice alto para a sele-
o dos indivduos para permanecerem na nova populao pode inserir uma convergncia
prematura para mnimos locais.
Exemplo:
Na gerao de uma nova populao pelo Algoritmo Gentico, apenas os 10 me-
lhores indivduos permanecero na nova populao, sendo os demais totalmente substi-
tudos pelos descendentes gerados.
Outro mtodo utilizado para simular o elitismo a seleo dos melhores indiv-
duos da populao formada pelos indivduos da populao atual e do cruzamento. Esse
processo pode ser denominado como seleo elitista gerenativa cruzada, recombinao
heterognea e mutao cataclsmica Cross generational elitist selection, heterogeneous
recombination and Cataclysmic mutation (CHC).
Ao utilizar o mtodo de elitismo que seleciona uma grande quantidade de dados
para permanecer na populao ou ao utilizar o mtodo CHC, deve-se considerar uma alta
taxa de mutao para evitar a convergncia prematura a mnimos locais.
CAPTULO 3
Sistema Proposto
Observando o mtodos comumente utilizado para identicar as Ondas de Elliott

(o manual) e que os mtodos automatizados possuem aparentemente tcnicas de tentativa
e erro associadas estatstica, ressalta-se a necessidade de se criar uma metodologia de
deteco automtica dessas ondas.
Para identicar a Onda de Elliott que se adapta melhor ao grco, ser desen-
volvido um sistema computacional baseado em tcnicas de Inteligncia Articial, mais
precisamente Algoritmos Genticos que descrito a seguir.
3.1 Composio do Sistema

O sistema utilizar tcnicas de Algoritmos Genticos para gerar as possveis
Ondas de Elliott e no ser considerada a existncia de ondas corretivas. Ele ser
composto de 3 funes distintas: a primeira funo para carregar os dados e para
identicar os pontos de inexo signicativos do grco; a segunda funo para evoluir
as possveis Ondas de Elliott e a terceira funo para avaliar as ondas geradas.
As descries detalhadas de cada uma das funes sero expostas a seguir.
3.1.1 Carga de Dados

A funo de carga de dados ser dividida em duas partes, a primeira inserir os
dados e a segunda para ltrar os pontos signicativos que sero efetivamente utilizados
no processamento do sistema.
Insero de Dados
Os dados sero inseridos a partir de arquivos de textos bem formatados, onde

cada arquivo individual referencia os dados de apenas uma ao. As informaes dispo-
nveis nos arquivos so as seguintes:
Data
Valor de abertura
Valor de fechamento
Valor mximo negociado na data
Valor mnimo negociado na data
volume de negcios
Com os dados carregados nas variveis locais do sistema aplicado o ltro para
reduzir o volume de informaes a ser processado sem comprometer signicativamente a
qualidade da resposta do sistema.
Filtro de Dados
Como a quantidade de informaes do histrico de preos grande e somente os

pontos de inexo so utilizados na anlise das Ondas de Elliott, desprezando-se assim
os demais pontos, fez-se necessrio modelar um ltro para selecionar os pontos teis para
realizar essa anlise. Esse ltro de dado deixar o sistema mais gil e especializado.
O mtodo de deteco dos pontos de inexo ser desenvolvido seguindo o
pseudocdigo abaixo:
Cdigo 3.1 Pseudocdigo para Deteco dos Pontos de Ine-

xo.
1 FUNO Detecta_inflexao
2 Se ponto atual < ponto posterior
3 VarSobe = true
4 senao
5 varsobe = false
6 fimse
7 Para cada dado carregado
8 se varsobe
9 Se ponto atual > ponto posterior
10 marca como inflexao
11 inverte valor de varsobe
12 fimse
13 senao
14 Se ponto atual < ponto posterior
15 marca como inflexao
16 inverte valor de varsobe
17 fimse
18 fim se
19 fim para
20
Na utilizao das Ondas de Elliott no mercado acionrio para anlise de grcos

dirios, usualmente, busca-se a anlise a longo prazo. Por isso, ser utilizado o ltro para
remover dados prximos, dicultando a deteco de ondas de menor porte.
A tcnica utilizada para remover os dados similares da funo consiste em
comparar a posio atual do ltimo ponto de inexo detectado no grco de histrico
de valores e a posio do prximo ponto de inexo; se a diferena entre os pontos
de inexo dividido pelo tamanho da onda anterior for menor do que a porcentagem
denida no programa (que pode ser zero), um dos pontos desconsiderado. O ponto s
ser selecionado se a representao matemtica descrita na equao 3-1 for verdadeira.
|PosicaoAtual ProximaPosicao|
Porcentagemde f inida < (3-1)
TamanhodaOndaAtual
A remoo de informaes prximas poder inserir um erro de deteco do
melhor ponto na resposta do sistema, porm esse erro controlado pela porcentagem
denida no programa.
O grco da Figura 3.1 refere-se aos dados dirios, sem ltros, coletados da ao
da Compania Vale (VALE5). Nesse grco, os dados foram ajustados para se adequarem
a todos os splits ocorridos no perodo apresentado.
Figura 3.1: Valores dirios da Compania Vale (VALE5).
O grco da Figura 3.2 foi elaborado baseado nos dados da Figura 3.1, porm
apenas utilizando os dados signicativos. Observa-se que os grcos so semelhantes,
contribuindo com a reduo dos dados a serem utilizados.
3.1.2 Gerao da Populao

Essa funo gerar a populao a ser avaliada conforme a tcnica de Algoritmos
Genticos. Quando executada pela primeira vez no programa, a funo gerar a populao
inicial aleatriamente utilizando os dados ltrados pela funo de carga de dados.
Aps a execuo inicial, essa funo gerar novos indivduos a partir da recom-
binao de indivduos pr-existentes e esses indivduos gerados podem, ainda, sofrer pe-
quenas alteraes aleatrias chamadas de mutao.
Para selecionar os indivduos para recombinao, emprega-se o sorteio baseado
no algoritmo de roleta, onde os indivduos mais aptos possuem maior chance de serem
escolhidos como pais.
Para a sobrevivncia dos indivduos nesses sistema, necessrio que todos os
indivduos gerados estejam com suas informaes em uma linha de tempo linear, ou seja,
onde a data contida na informao em um gene antecede a data contida na informao do
gene posterior. Por essa condio de existncia, a funo de gerao dos indivduos no
permitir a gerao de indivduos que no se adequem a essa condio.
Figura 3.2: Valores dirios ltrados pelo sistema.
O pseudocdigo 3.2 referencia a funo que ir gerar a populao:

Cdigo 3.2 Pseudocdigo Bsico para Gerao de Populao.

1 FUNO GERA_PUPULAO
2 Se primeira vez
3 Gera populao aleatoriamente
4 seno
5 para 1 at quantidade mxima de indivduos (i)
6 para 1 at 6 (j)
7 Seleciona projenitores aleatoriamente
8 Selecione gene de troca
9 enquanto (posio selecionada no pode ser utilizada)
10 Seleciona projenitores aleatoriamente
11 Selecione gene de troca
12 fim enquanto
13
14 Cria-se o novo indivduos com os genes

15 recombinados dos pais
16
17 Se (Momento de inserir mutao)

18 Insere mutao
19 fim se
20
21 fim para
22 fim para
23 fim se
24 FIM DA FUNO
No pseudocdigo 3.3 est descrito a funo ir inserir a mutao:
Cdigo 3.3 Pseudocdigo Bsico de Mutao.

1 FUNO INSERE_MUTAO
2 Seleciona o individuo atual
3 Seleciona posio de mutao
4 Seleciona novo dado para substituir o selecionado
5 Enquanto:
6 data do gene selecionado > a data do gene posterior a posio de insero
7 ou
8 data do gene selecionado < data to gene anterior a posio de insero
9 Seleciona posio de mutao
10 Seleciona novo dado para substituir o selecionado
11 fim do enquanto
12 Substitui o gene selecionado pelo novo gene
13 FIM DA FUNO
Quando a funo de gerao de ondas executa a subrotina de insero de

mutao, o dado a ser inserido na mutao ser aleatrio do banco de dados do dado
ltrado porm esse dado s ser inserido no novo indivduo se permitir a sobrevivncia
do indivduo; caso isso no acontea, sero selecionados um novo dado do banco ltrado
e uma nova posio de insero.
Nesse sistema, os melhores indivduos da populao anterior sero automatica-
mente transferidos a uma nova populao, garantindo assim a permanncia das melhores
respostas.
3.1.3 Avaliao das Ondas de Elliott Geradas

Para avaliar os indivduos da populao gerada, ser desenvolvida a funo de
avaliao, que compara o nvel do desvio dos pontos detectados com os pontos esperados,
de acordo com as regras de avaliao das Ondas de Elliott.
A funo, inicialmente, ir detectar quais as probabilidades utilizadas na for-
mao da onda mais semelhante e denir o ponto no qual a onda deveria efetivamente
passar. Com esses pontos, verica-se a diferena entre o esperado e o realizado dividindo
pelo tamanho da onda esperada, conforme equao 3-2, realizando a soma quadrtica da
porcentagens desses erros, criando assim a medida comparativa entre as melhores ondas.
6
|Esperado(i) Calculado(i)|
Esperado(i)
(3-2)
2
A Figura 3.3 exemplica o clculo dos erros em cada ponto, onde a linha cinza
a onda esperada e a linha preta a onda formada com os dados a serem testados.
Figura 3.3: Erro detectado pelo sistema.

CAPTULO 4
Experimentos
Aps o desenvolvimento do sistema proposto no captulo anterior, foram realiza-

das vrias simulaes para vericar a qualidade da resposta e a performance do sistema,
utilizando-se diversas conguraes.
Os dados utilizados para esses testes foram coletados das informaes dirias
de algumas das principais aes que compem o ndice BOVESPA com um alto ndice
de liquidez. A base de dados formada possui informaes dirias histricas desde 1996,
incluindo a ao negociada, o valor de abertura e fechamento do dia, alm do valor
mximo e mnimo e do volume negociado.
Os dados coletados para cada ao devero ser ajustados considerando todas
as divises das aes (splits) e alteraes de formas de negociao ocorridas. Qualquer
alterao na metodologia de negociao das aes inuencia no grco dos valores dos
papis e essas alteraes se no ajustadas inuenciam na deteco das Onda de Elliott.
Inicialmente ser apresentado uma simulao de uma deteco manual das
Ondas de Elliott a m de permitir sua comparao com o mtodo de deteco automtico.
4.1 Processo Manual de Deteco

O procedimento descrito no Captulo 2, item 2.2, ser empregado para detectar
manualmente as Ondas de Elliott.
A ferramenta que traa linhas das porcentagens de Fibonacci no grco da ao,
ser adotada para auxiliar a deteco das Ondas de Elliott. A utilizao dessa ferramenta
manual, portanto pode inserir erro na deteco se no for usada a tcnica corretamente.
Para exemplicar este caso, foi escolhida a ao da Compania Vale (VALE5).
Aps selecionar um ponto de incio da Onda de Elliott, ocorre a busca do ponto
inicial da Onda 1 de Elliott. Foram testados trs pontos distintos para descobrir um ponto
onde pode existir as ondas 1 e 2 de Elliott (Figura 4.1). A simples deteco de duas
possveis ondas iniciais no indica que esse ponto possui uma srie completa das Ondas
de Elliott.
Figura 4.1: Tentativa manual de deteco das ondas 1 e 2.
Ao tentar descobrir a terceira Onda de Elliott, o ponto que foi testado permitiu a
validao da onda, porm no foi possvel a formao de uma onda quatro, visto que
o fundo da onda quatro ultrapassa o topo da onda 3, anulando assim o ponto inicial
escolhido.
Foi selecionado novamente outro ponto inicial para os testes. O novo ponto
utilizado e as possveis ondas 1 e 2 esto apresentadas na Figura 4.3.
A deteco da possvel Onda 3 realizada e essa onda possui o comprimento
aproximadamente igual a 138,2% (primeira expanso de Fibonacci) da Onda 1. A possvel
onda detectada pode ser observada na Figura 4.4.
A deteco da Onda 4 foi realizada como demonstra a Figura 4.5.
A Onda 5 tambm foi detectada, vide Figura 4.6, nalizando assim a deteco
das cinco Ondas de Elliott.
Observa-se que a deteco manual das Ondas de Elliott requer conhecimento
aprofundado das regras de deteco. Portanto, sua utilizao ca limitada a prossionais
experientes nessa tcnica.
4.2 Processo Automtico de Deteco

Neste tem, ser apresentado as simulaes para a deteco automtica das Ondas
de Elliott no mercado de aes. As aes da Petrobras Vista (PETR4) e Compania Vale
Figura 4.2: Tentativa manual de deteco da Onda 3 e 4.
Figura 4.3: Nova Tentativa manual de deteco das ondas 1 e 2.

Figura 4.4: Nova Tentativa manual de deteco da Onda 3.
Figura 4.5: Tentativa manual de deteco da Onda 4.

Figura 4.6: Tentativa manual de deteco da Onda 5.
(VALE5) foram utilizadas nas simulaes devido ao seu ndice de liquidez elevado.
Os dados foram coletados do sistema BroadCast desenvolvido pela Agncia
Estado e do site ADVFN (http://br.advfn.com/), utilizando-se a periodicidade diria de
coleta. A informao a ser utilizada para a deteco das Ondas de Elliott no sistema ser
o valor da ltima negociao do dia.
Os dados de fechamento dirios das aes podem inserir pequenos erros na
deteco das Ondas de Elliott, porque o valor da ao oscila durante o prego e s os
valores de fechamento sero utilizados na anlise. Para reduzir esse erro, deve-se utilizar
um perodo de coleta menor, tais como informaes a cada perodo de 120 minutos, 60
minutos ou a cada minuto. No Apndice A exibido uma simulao com o perodo de
tempo inferior a um dia.
Os dados coletados sofreram anlises de consistncia, vericando a necessidade
de complemento de dados incompletos e de correo das alteraes do estilo de negocia-
o, tais como os eventos de splits.
4.2.1 Utilizao do Sistema

Para realizar os testes, deve-se primeiramente congurar o sistema quanto ao
tamanho da populao, a quantidade de pais a serem selecionados para continuar na
populao, a periodicidade de eventos de mutao, o ndice para ltrar os dados iniciais e

o mtodo de parada.
As populaes estimadas para as simulaes do sistema sero de 1000 ou 2000
indivduos, com 10% destes selecionados para continuarem na populao a cada evoluo.
A mutao ser inserida em 5% ou 15% dos indivduos criados, permitindo assim uma
variabilidade gentica grande e diminuindo as chances de uma convergncia prematura
criada pelo alto ndice de elitismo. Para o ltro dos picos menos signicativos ser
utilizado o ndice de 0,1% e o mtodo de parada utilizado para testes o de quantidade
de evoluo, nesses testes xado em 300 evolues.
Aps congurado o sistema, informa-se o nome e localizao do arquivo texto
com os dados da ao para o sistema iniciar a busca das Ondas de Elliott.
No m da execuo, o sistema informar ao usurio as melhores ondas geradas,
manter um banco de dados com a ltima populao gerada, os detalhes tcnicos da
execuo , tais como tempo de execuo e nmero de evolues realizadas.
4.2.2 Dados Dirios da Ao da Petrobras (Vista) - PETR4

Os dados utilizados nesta simulao so da Petrobras (Vista)- PETR4 com as
informaes dirias de 2 de Junho de 1996 a 18 de Abril de 2008. O histrico j contempla
todos os ajustes necessrios na ao, tais comos os splits.
O grco dirio da Petrobras (Vista)- PETR4, aps a adaptao aos Splits
ocorridos, exibido na Figura 4.7.
Como o sistema desenvolvido permite a utilizao de um ltro de dados para
reduzir a base de dados, o mesmo foi aplicado antes do incio do processamento. O grco
dos valores ltrados utilizando um ndice de 0,1% da ao da Petrobras (VISTA) - PETR4
demonstrado na Figura 4.8.
Observa-se, comparando-se as Figuras 4.7 e 4.8, a signicativa reduo do
nmero de dados, de 2699 para 1261 registros.
Teste com populao de 2000 indivduos
Para a realizao dos testes nesse item, optou pela utilizao de uma populao
de 2000 indivduos e seleo de 10% dos melhores indivduos para permanecer na
populao seguinte.
Na Figura 4.9 apresentada a melhor resposta encontrada pelo sistema
utilizando-se os dados da Petrobras (vista) - PETR4 e um ndice de mutao de 5%.
Ao comparar as regras de deteco das Ondas de Elliott com a srie detectada na
Figura 4.9 foi calculado um erro quadrtico mdio de 3,51% por ponto. Comparando a
Figura 4.7: Valores dirios da ao Petrobras (vista) - PETR4 com

2699 informaes.
Figura 4.8: Picos ltrados da ao Petrobras (vista) - PETR4 com

1261 informaes.
Figura 4.9: Melhores ondas detectadas com 5% de mutao e 300

geraes.
onda detectada pelo especialista com a onda detectada automaticamente pelo sistema, o
erro quadrtico mdio igual a 13,89% por ponto.
Na Figura 4.10 exibida a melhor resposta encontrada pelo sistema utilizando-
se os dados da Petrobras (vista) - PETR4 e um ndice de mutao de 15%.
Ao comparar as regras de deteco das Ondas de Elliott com a srie detectada
na Figura 4.10 foi calculado erro quadrtico mdio de 1,60% por ponto. Comparando a
erro quadrtico mdio foi igual a 4,62% por ponto.
Nesse teste as melhores Ondas de Elliott descobertas foram acendentes o que
condiz com a tendncia histrica observada na Figura 4.7.
Observa-se tambm que a mutao inuiu na resposta do sistema. Nesta simula-
o, quanto maior a mutao, maior a qualidade da resposta.
O tempo de processamento mdio para cada evoluo foi de aproximadamente 2
segundos. O tempo indicado inclui apenas o processamento das variveis, uma vez que o
perodo de acesso e escrita ao banco de dados no foi considerado. O Hardware utilizado
para tal teste foi um notebook com processador AMD Turion 64 x2, 1.9 MHz, com 2.5
Gb de RAM.
Figura 4.10: Melhores ondas detectadas com 15% de mutao e

300 geraes.
Teste com a populao de 1000 indivduos
Os testes realizados neste item toma como exemplo uma populao de 1000
indivduos e 10% dos melhores indivduos da populao que permanecero na populao
seguinte.
se os dados da Petrobras (vista) - PETR4 e 5% de mutao.
Figura 4.11 foi calculado um erro quadrtico mdio de 4,29% por ponto. Comparando a
se os dados da Petrobras (vista) - PETR4 e 15% de mutao.
na Figura 4.12 foi calculado o erro quadrtico mdio de 2,61% por ponto. Comparando
a onda detectada pelo especialista com a onda detectada automaticamente pelo sistema, o
Observa-se novamente que o aumento da mutao inuenciou positivamente no
desempenho do sistema quando consideramos apenas a melhor resposta encontrada.
Nesse teste as melhores Ondas de Elliott descobertas tambm foram acendentes,

300 geraes.

300 geraes.
o que condiz com a tendncia histrica que podemos observar na Figura 4.7.
O tempo de processamento mdio para cada evoluo foi menor que 1 segundos.
O tempo indicado inclui apenas o processamento das variveis, uma vez que o perodo de
acesso e escrita ao banco de dados no foi considerado. O Hardware o mesmo citado
anteriormente
4.2.3 Dados Dirios da Ao da Compania Vale - VALE5

Os dados utilizados nessa simulao so da Compania Vale - VALE5 com as
informaes dirias de 3 de Junho de 1996 a 23 de junho de 2008.
O grco dos valores dirios da Compania Vale - VALE5 encontra-se na Figura
4.13.
Figura 4.13: Valores dirios da ao da Compania Vale - VALE5

com 2978 informaes.
O grco dos valores ltrados utilizando um ndice de 0,1% da ao da Vale -

VALE5 encontra-se na Figura 4.14:
Comparando as Figuras 4.13 e 4.14, observa-se uma signicativa reduo do
numero de dados, de 2978 para 1520.
Figura 4.14: Picos ltrados da ao da Compania Vale - VALE5

com 1520 informaes.
Os testes realizados neste item tem como exemplo uma populao de 2000
indivduos e 10% dos melhores indivduos para que permanecer na populao seguinte.
Na Figura 4.15 exibida melhor resposta encontrada pelo sistema utilizando-se
os dados da cotao diria Compania Vale - VALE5 e uma mutao de 15%.
na Figura 4.15 foi calculado um erro quadrtico mdio igual a 1,67% por ponto. No foi
possvel detectar uma onda completa pelo especialista no perodo analisado.
Na Figura 4.16 exibida outra melhor resposta encontrada pelo sistema
utilizando-se os dados da cotao diria Compania Vale - VALE5 e uma mutao de 5%.
Figura 4.16 foi calculado um erro quadrtico mdio igual a 1,5% por ponto. Comparando
O tempo de processamento mdio para cada evoluo foi aproximadamente 2
segundos. Esse tempo inclui apenas o processamento das variveis, uma vez que o perodo
de acesso e escrita ao banco de dados no foi considerado. O Hardware foi o mesmo citado
anteriormente.
Figura 4.15: Melhores ondas detectadas pelo sistema com 15% de

mutao e 300 geraes.
Figura 4.16: Melhores ondas detectadas pelo sistema com 5% de

mutao e 300 geraes.
Os testes realizados nesse item toma como exemplo uma populao de 1000
indivduos e 10% dos melhores indivduos que permanecero na populao seguinte.
Na Figura 4.17, exibida a melhor resposta encontrada pelo sistema utilizando-
se os dados da cotao diria Vale - VALE5 e mutao de 15%.
Figura 4.17: Melhor onda detectada pelo sistema com 15% de

mutao e 300 geraes.

Figura 4.17 foi calculado o erro quadrtico mdio de 2,65% por ponto. No foi possvel
encontrar uma onda com especialista no perodo apresentado na Figura 4.17.
Na Figura 4.18, apresentam-se as duas melhores respostas encontradas pelo
sistema utilizando-se os dados da cotao diria Vale - VALE5 e mutao de 5%.
na Figura 4.18 possui um erro quadrtico mdio igual a 1,28% por ponto. Comparando
O tempo de processamento mdio para cada evoluo foi menor que 1 segundos.
Esse tempo inclui apenas o processamento das variveis, uma vez que o perodo de acesso
e escrita ao banco de dados no foi considerado.
4.3 Anlise das Simulaes 65
Figura 4.18: Melhor onda detectada pelo sistema com 5% de mu-

tao e 300 geraes.
4.3 Anlise das Simulaes

O mtodo manual permite uma seleo melhor do perodo de anlise, visto que os
pontos de incio da anlise so selecionados considerando a zona de anlise a ser utilizada,
pois as zonas de anlise do sistema automtico no so predeterminadas.
A deteco automtica informa o erro quadrtico mdio dos pontos das ondas
detectadas em relao onda esperada, enquanto na deteco manual esse indicador no
existe, criando uma incerteza sobre a anlise efetuada.
As simulaes automticas revelaram que o sistema de deteco automtica
descobriu ondas que so aceitas pelas regras das Ondas de Elliott para todas as sries
apresentadas.
CAPTULO 5
Concluso
5.1 Consideraes Gerais

Desde a ltima dcada os Algoritmos Genticos tm sido empregados como
estruturas computacionais para apoiar a tomada de deciso e sua popularidade cresce em
diversas reas como engenharia, anlise nanceira, estatstica, processamento de sinais e
agora no mercado acionrio.
A BM&FBOVESPA est sendo valorizada internacionalmente, tal como pode
ser observado com a recente mudana da nota de risco de investimento realizada pela
empresa Standard & Poors, atraindo cada vez mais investidores ao mercado brasileiro.
A ferramenta baseada nas tcnicas descritas neste trabalho de extremo valor para esses
investidores.
5.2 Principais Contribuies

Este trabalho implementou e testou uma proposta de busca automtica das Ondas
de Elliott no mercado BOVESPA, pertencente a BM&FBOVESPA, mais especicamente,
utilizando-se da tcnica de Algoritmos Genticos para realizar esta busca.
A hiptese bsica foi conrmada visto que as Ondas de Elliott foram detectadas
pelo sistema proposto e desenvolvido neste trabalho. Os testes realizados no sistema
apresentaram solues satisfatrias, com um ndice de erro aceitvel.
5.3 Trabalhos Futuros

Um dos possveis trabalhos que pode ser desenvolvido na rea estudada a
utilizao de paralelismo na evoluo gentica, gerando um ganho de performance,
permitindo sua utilizao em sistemas autnomos de investimento em tempo real.
Outro estudo a deteco de todas as ondas e no apenas das ondas de um a
cinco.
5.3 Trabalhos Futuros 67
A anlise das Ondas de Elliott muito utilizada tambm em mercados de Forex

(cmbio) e outros mercados. possvel utilizar o sistema proposto em outros mercados
nanceiros, tais como nas bolsas de mercadoria e futuro, negociaes de comodities,
derivativos (opes, mercado a termo, mercado futuro) e mercado de Forex.
Pode ser analisado a insero de um ponto de controle de incio da deteco da
Onda de Elliott, onde o sistema ir detectar as Ondas de Elliott que mais de aproximam
do ponto inicial denido.
A denio de um novo mtodo de parada do algoritmo gentico pode permitir
uma melhor resposta do sistema e uma possvel melhora de desempenho.
A criao de um ou de vrios mtodos de avaliao inteligentes, tal como a
utilizao de Redes Neurais Articiais, para a avaliao das ondas de geradas pode ser
uma ao contributiva da maior relevncia na rea tecnolgica.
A alterao do sistema para detectar a onda atual, ou seja, a um programa que
indica a onda que est se formando agora, auxiliando o investidor se momento de compra
ou venda de suas aes.
Finalmente, em que pese s possveis divergncias quando importncia desses
estudos, convm ter presente a necessidade de avanar os estudos na rea tecnolgica em
benefcio da sociedade como um todo.
Referncias Bibliogrcas
[Achelis 2000]ACHELIS, S. B. Technical Analysis from A to Z. [S.l.]: McGraw-Hill, 2000.
[Aloimonos 1995]ALOIMONOS, T. D. e Y. Articial Inteligence Theory and Practice. [S.l.]:

Addison Wesley Publishing Company, 1995.
[ANCOR 2007]ANCOR. Agente autnomo de investimentos. [S.l.]: ANCOR, 2007.
[Bayer 1940]BAYER, G. Secret of forecasting values. [S.l.]: Carmel, California, 1940.
[Belew 1997]BELEW, R. Foundations of genetic algorithms. [S.l.]: Morgan Kaufmann,

1997.
[Bern et al. 1999]BERN, M. et al. Emerging Challenges in Computational Topology. Arxiv

preprint cs.CG/9909001, 1999.
[BM&FBOVESPA 2008]BM&FBOVESPA. Weblink da Bolsa de Valores, Mercadorias e

Futuros. Acessado em Maio 2008. Disponvel em: <http://www.bovespa.com.br>.
[Chaves 2004]CHAVES, D. ANLISE TCNICA E FUNDAMENTALISTA: DIVERGN-

CIAS, SIMILARIDADES E COMPLEMENTARIEDADES. Tese (Doutorado) Universi-
dade de So Paulo, 2004.
[Chen 2007]CHEN, T.-L. Fuzzy time-series based on bonacci sequence for stock price
forecasting. Physica A: Statistical Mechanics and its Applications, v. 380, p. 377390,
2007.
[Coley 2003]COLEY, D. A. Introduction to Genetic Algorithms. 3. ed. [S.l.]: The MIT Press,
2003.
[Collins 1998]COLLINS, C. J. Elliott Wave Principle. [S.l.]: New Classics Library, 1998.
[Cormen 2001]CORMEN, T. Algoritmos - Teora e Prtica. [S.l.]: Campus, 2001.
[Cormen 2000]CORMEN, T. H. Introduction to algorithms. [S.l.]: Mcgrawhill, 2000.
[Costa 1998]COSTA, S. F. Introduo ilustrada estatstica. 3. ed. [S.l.]: Harbra, 1998.

[Deoke 2000]DEOKE, C. Elliott Wave Simplied. Columbia, MD: Marketplace Books, 2000.
[EDUCACIONAL 2008]EDUCACIONAL, C. Glossrio Financeiro. [S.l.]: CMA EDUCACIO-

NAL, 2008.
[Ehlers 2001]EHLERS, J. F. Rocket science for traders. [S.l.]: John Wiley & Sons, INC,
2001.
[Elder 1993]ELDER, A. Trading for a living. 1. ed. [S.l.]: John Wiley & Sons, INC, 1993.
[Elder 2004]ELDER, A. Como se transformar em um operador e investidor de sucesso.

[S.l.]: Campus, 2004.
[Eng 1993]ENG, W. F. The day traders manual - theory, art, and science of protable short
term investing. [S.l.]: John Wiley & Sons, INC, 1993.
[FABOZZI 2004]FABOZZI, F. J. Short Selling - Strategies, Risks, and Rewards. [S.l.]: John
Wiley and Sons, Inc., 2004.
[Fisher 1993]FISHER, R. Fibonacci applications and strategies for traders. [S.l.]: John
Wiley and Sons, inc., 1993.
[Franklin 1997]FRANKLIN, S. Articial Minds. [S.l.]: The MIT Press, 1997.
[Gamma 2000]GAMMA, E. Design Patterns Elements of reusable object-oriented soft-

ware. [S.l.]: Addison Wesley, 2000.
[Ghozeil 1997]GHOZEIL, F. e. A note on representations and variation operators. IEEE

Transactions on Evolutionary Computation, v. 1, p. 159161, 1997.
[Gitman 2002]GITMAN, L. J. Princpio de administrao nanceira. 7. ed. [S.l.]: Harbra,

2002.
[Goldberg 1989]GOLDBERG, D. E. Genetic Algorithms in Search, Optimization, and Ma-

chine Learning. [S.l.]: Addison-Wesley, 1989.
[Goldberg 2002]GOLDBERG, D. E. The design of innovation - Lessons from and for

competent Genetic Algorithms. [S.l.]: Kluwer Academic Publisher, 2002.
[HAMON 1986]HAMON, J. D. Advanced Commodity Trading Techniques. [S.l.]: Windsor

Books, 1986.
[Holland 1975]HOLLAND, J. Adaption in Natural and Articial Systems. [S.l.]: University of

Michigan Press, 1975.
[Ishikawa 2000]ISHIKAWA, S. Mercado nanceiro e de capitais. [S.l.]: Atlas, 2000.

[Joseph 1996]JOSEPH, T. A mechanical Trading System. Akron, Ohaio, USA: Trading

Techniques, Inc., 1996.
[Jr e Neves 2000]JR, N. da C.; NEVES, M. das. Variveis Fundamentalistas e os Retornos

das Aes. Revista Brasileira de Economia, v. 54, n. 1, 2000.
[Knight 1994]KNIGHT, E. R. e K. Inteligncia Articial. 2. ed. [S.l.]: Makron Books, 1994.
[Lakatos 2001]LAKATOS, E. M. Fundamentos da metodologia cientca. 4. ed. [S.l.]: Atlas,

2001.
[Lapponi 2000]LAPPONI, J. C. Estatstica usando excel. [S.l.]: Lapponi Editora, 2000.
[MARKENZON 1994]MARKENZON, L. Estruturas de Dados e Seus Algoritmos. [S.l.]:

LTC, 1994.
[Matske 2001]MATSKE, P. Integration of Gann, Elliott, and Fibonacci Techniques. 2001.

Artigo - http://www.ensignsoftware.com/tips/tradingtips19.htm.
[Neto 2002]NETO, A. A. Estrutura e anlise de balanos: um enfoque econmico nan-

ceiro. 7. ed. [S.l.]: Atlas, 2002.
[Nison 1991]NISON, S. Japanese Candelstick Chanting Techniques. [S.l.]: New York Insti-
tute of Finance, 1991.
[NORVIG 2003]NORVIG, P. Articial Intelligence: a Modern Approach. [S.l.]: CAMPUS,

2003.
[Oh, Lee e Moon 2004]OH, I.; LEE, J.; MOON, B. Hybrid Genetic Algorithms for Feature
Selection. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLI-
GENCE, IEEE Computer Society, p. 14241437, 2004.
[ONeil 1995]ONEIL, W. J. How to make money in stocks. [S.l.]: McGraw-Hill, Inc., 1995.
[Saf 2003]SAFFI, P. Anlise tcnica: sorte ou realidade? Revista Brasileira de Economia,

SciELO Brasil, v. 57, p. 953974, 2003.
[Sahni 1986]SAHNI, E. H. e S. Fundamentos de Estrutura de dados. 2. ed. [S.l.]: CAM-

PUS, 1986.
[Santos et al. 2007]SANTOS, J. et al. Seleo de atributos usando algoritmos genticos

para classicao de regies. Anais, City So Jos dos Campos, p. 61436150, 2007.
[Weissman 1996]WEISSMAN, R. L. A mechanical Trading System, Pairing Trader Psycho-

logy with Technical Analysis. USA: John Wiley and Sons, Inc., 1996.
[Willians 2003]WILLIANS, A. S. Estatstica aplicada administrao e economia. 2. ed.

[S.l.]: Pioneira, 2003.
[Withley 1995]WITHLEY, D. A genetic algorithm tutorial. Department of Computer Science.

Colorado State University, 1995.
APNDICE A
Nveis Complementares das Ondas de Elliott
Para vericar a existncia de nveis complementares (fractais) nas Ondas de

Elliott foram realizadas duas simulaes descritas a seguir.
A.1 Teste com Dados em 120 Minutos da Petrobras

(Vista) - PETR4
Foi realizado a coleta de informaes da ao da Petrobras (Vista) - PETR4 com
perodo de tempo entre as coletas de 120 minutos
Observa-se que a Onda 5 da Srie detectada na Figura 4.9, item 4.2.2,
est contida no perodo de agosto de 2006 a outubro de 2007. Portanto se o teste
detectar as cinco Ondas de Elliott neste perodo, ser possvel demonstrar que os nveis
complementares existem.
Na Figura A.1 encontram-se os registrados os dados histricos em 120 minutos
da Petrobras (Vista).
Na Figura A.2 somente os picos ltrados com nvel de 3% dos dados histricos
em 120 minutos da Petrobras (Vista) so visualizados.
Houve uma signicativa reduo dos dados apresentados, de 1974 para 907
informaes.
Aps o processamento dos dados, foi detectado a srie das Ondas de Elliot
disponveis na Figura A.3.
Ao compararmos a onda detectada possui na Figura A.3 com as regras de
validao das Ondas de Elliot, foi calculado um erro quadrtico mdio por ponto de
1,13%, inferior aos erros encontrados nas simulaes realizadas no tem 4.2.2. A
diminuio desse erro ocorre principalmente devido diminuio do intervalo dos dados
em anlise.
Apndice A 73
Figura A.1: Dados em 120 Minutos da Petrobras (Vista) No Fil-

trado.
Figura A.2: Dados em 120 Minutos da Petrobras (Vista) Filtrado.

Apndice A 74
Figura A.3: Melhor onda detectada com 5% de mutao e 100

evolues.
A.2 Teste com Dados em 120 Minutos da Compania Vale

- VALE5
Para vericar a existncia de nveis complementares nas Ondas de Elliott, foi
realizado tambm a coleta de informaes da ao da Compania Vale - VALE5 com
perodo de tempo entre as coletas de 120 minutos.
Observa-se que a Onda 5 da Srie detectada da Figura 4.16 e item 4.2.3 est
contida no perodo de agosto de 2006 a agosto de 2007. Portanto se o teste detectar as
cinco Ondas de Elliott neste perodo, demonstra-se que os nveis complementares podem
existir.
Na Figura A.4 encontra-se registrados os dados histricos em 120 minutos da
Compania Vale - VALE5.
Na Figura A.5 somente os picos dos dados histricos em 120 minutos da
Compania Vale - VALE5 so visualizados.
Houve uma signicativa reduo dos dados apresentados, de 828 para 380 dados,
indicando novamente que o ndice de ltro dos picos elevado para o horizonte de dados
estudados.
Aps o processamento dos dados, foi detectado a srie das Ondas de Elliot
disponveis na Figura A.6.
Apndice A 75
Figura A.4: Dados em 120 Minutos da Compania Vale - VALE5

No Filtrado.
Figura A.5: Dados em 120 Minutos da Compania Vale - VALE5

Filtrado.
Apndice A 76
Figura A.6: Melhor onda detectada com 5% de mutao e 100

evolues.
A onda detectada possui na Figura A.6 possui um erro quadrtico mdio por
ponto de 0,40%, bem inferior ao encontrado no item 4.2.3.
A.3 Resultado
As ondas encontradas nos testes realizado nos itens A.1 e A.2 do apndice A
indicam que existem sries complementares, em nveis diferentes, dentro de uma das
Ondas de Elliott.

dissertacaoRaulWCalaca PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

dissertacaoRaulWCalaca PDF

Загружено:

Авторское право:

Доступные форматы

U NIVERSIDADE F EDERAL DE G OIS

E SCOLA DE E NGENHARIA E LTRICA E DE C OMPUTAO

R AUL W ONSJUK C ALAA

Deteco Automtica de Ondas de

Deteco Automtica de Ondas de

Dissertao apresentada ao Programa de PsGraduao da

Calaa, Raul Wonsjuk. Deteco Automtica de Ondas de Elliott em Mercado

Calaa, Raul Wonsjuk. Automatic Identication of Elliott Waves in Stocks

Lista de Cdigos de Programas 12

A Nveis Complementares das Ondas de Elliott 72

2.1 Exemplo de MACD. 25

3.1 Valores dirios da Compania Vale (VALE5). 47

4.1 Tentativa manual de deteco das ondas 1 e 2. 52

A.1 Dados em 120 Minutos da Petrobras (Vista) No Filtrado. 73

2.1 Exemplo de Anlise Horizontal. 22

2.1 Pseudocdigo Bsico de Algoritmos Genticos. 38

1.2 Problema e Hiptese

Como detectar automaticamente Ondas de Elliott em sries nanceiras?

Sistemas baseados em Algoritmos Genticos detectam automaticamente Ondas de

1.6 Principal Contribuio

1.7 Viso Geral dos Captulos

2.1 Mercado Financeiro

Existem dois tipos de ao:

Ordinrias Nominativas (ON) - Ao que confere a seu titular o direito de voto em

Preferenciais Nominativas (PN) - Ao que oferece a seu detentor prioridades no

A ao nominativa endossvel, ou seja, pode ser transferida mediante simples

Nominativas - Cautela ou certicado que apresenta o nome do acionista, cuja

Escriturais - Essas aes no so representadas por cautela ou certicados, no

Ao portador - So aes sem identicao de propriedade, ou seja, quem as

Tambm existe uma classicao informal da ao utilizando a sua liquidez. De

Primeira linha ou blue chips - Aes de grande volume negociadoque apresentam

Segunda linha - aes menos negociadas.

Terceira linha ou micos - aes com poucos negcios e de alto risco.

2.1.2 Bolsa de Valores

Ecincia de Mercado Acionrio

O preo da ao representa o equilbrio entre as foras de oferta e a demanda no

Bolsa de Valores, Mercadorias e Futuros (BM&FBOVESPA) a maior bolsa

2.1.3 Formas de Operao

Ordem eletrnica emitida para adquirir um papel (ao ou derivativos). Ao emitir

Ordem de Valor Anormal

Durante a emisso da ordem de compra o comprador pode informar o preo

Momento de Compra e Venda

Para determinar o momento de compra ou venda de determinada ao ou direito,

2.1.4 Anlise Fundamentalista

A Anlise Horizontal verica a evoluo individual dos elementos patrimoniais

Ativo (R$ mil) 2007 2008 Aumento

A Anlise Vertical ou Anlise da Estrutura, envolve a relao entre o elemento e

Ativo (R$ mil) Valor Anlise

Anlise atravs de ndices

amplo e restrito. Quando visto de forma restrita, refere-se ao caixa; e no signicado

Os ndices de liquidez servem para medir a capacidade da empresa atender a seus

A administrao do Capital de Giro constitui um processo de planejamento e

e o excedente das exigibilidades de longo prazo e do Patrimnio Lquido em relao aos

Rentabilidade do Patrimnio Lquido

A Rentabilidade do Patrimnio Lquido ou Anlise P/L mede a relao entre o

2.1.5 Anlise Tcnica

Convergncia/Divergncia em Mdias Mveis (MACD)

O MACD (Moving Average Convergence/Divergence) um indicador desenvol-

tomada de deciso do investidor, porm, apenas exibe a tendncia do evento. Quando

Figura 2.1: Exemplo de MACD.

As Bandas de Bollinger uma ferramenta relacionada intensamente com a

2.2 Ondas de Elliott

Figura 2.2: Exemplo de Bandas de Bollinger.