Comportamento de agentes financeiros em um mercado artificial desenvolvido com o algoritmo Particle Swarm Optimization

Abstract

Os mercados financeiros são sistemas complexos em que os negociadores interagem usando as mais variadas estratégias. Técnicas computacionais que usam agentes inteligentes podem auxiliar na tomada de decisão com o objetivo de maximizar os ganhos. Neste sentido, o objetivo deste artigo é observar o comportamento dos agentes financeiros participantes de mercados simulados e inferir sobre os ganhos destes agentes. Por meio do algoritmo Particle Swarm Optimization, utilizamos dois grupos distintos de agente inteligentes: um grupo utiliza um grau de crença na previsão dos ativos para o dia seguinte e o outro grupo não utiliza, em que ambos interagem entre si buscando maximizar seus ganhos. Foi realizada uma pesquisa exploratória, com análise de natureza quantitativa sobre os dados. Os resultados mostraram que o grupo que usa a previsão é mais homogêneo, apresentando maiores ganhos de riqueza média, com concentrações de capital e de ações adquiridos variando de acordo com a série histórica de preços utilizada (Bitcoin, Ethereum, Litcoin ou Ripple). Diante disso, o procedimento implementado pode ser aperfeiçoado e utilizado para o desenvolvimento de ambientes que visem a melhor compreensão dos mercados financeiros e auxiliem os agentes participantes dos mercados na definição de estratégias de negociação que possibilitem a minimização de perdas financeiras.