Analisar o comportamento das negociações intraday é mais uma fonte de informação valiosa para a tomada de decisão.
Ainda que auxiliado por algoritmos com aprendizagem de máquina e I.A., por tratar-se de modelo caótico, o mercado de ações deve ser analisado sobre vários aspectos, possibilitando a combinação de informações, métricas e variáveis distintas em cada empresa analisada. Portanto, identificar anomalias nas negociações diárias durante todo o pregão de determinada empresa é crucial para que se possa ter uma informação acerca do comportamento e provável tendência de inclinação de curva de preços para determinado ativo.
Com base nisso, após o fechamento do mercado e consolidação dos dados, buscamos os dados das negociações ocorridas no dia para cada ativo/empresa e mineramos esses dados no sentido de identificar, de forma ágil e precisa, os outliers (pontos fora da curva) mais significativos das negociações, no sentido de auxiliar na identificação de tendências.
Portanto, vamos analisar o gráfico de exemplo:
informações básicas:
os eixos x e y representam: x - as negociações durante o dia (sequencial, de 1 a n); y - os preços de negociação em cada trade;
linha cinza: o sequencial da negociação durante o dia e o preço que o ativo foi negociado;
linha laranja: SMA; linha azul: EMA; linha vermelha: SMA com o dobro de n da laranja; verde pontilhada: média geral do preço negociado; faixa cinza/verde: bbands;
esferas amarelas: no eixo secundário sobreposto, ilustram o volume de cada negociação;
linha violeta: representa a trajetória dos preços antes e depois do outlier;
linhas retas pretas pontilhadas: representam o ponto de intersecção de onde ocorreu a negociação outlier;
setas verdes: indicam onde ocorreu o outlier de negociações, bem como, a esfera amarela do volume negociado no outlier, ilustrando a grandeza do volume comparado com os demais negócios.
Com uma massa sólida e robusta desses dados diários, podemos incluir nos modelos de aprendizagem de máquina dos bots para que identifiquem padrões e, em alguns casos, tornem-se variáveis explicativas para alguns dos modelos.
Como já fazemos este trabalho de extração, modelagem, mineração e consolidação dos dados, avaliamos interessante disponibilizar aos nossos interessados essas informações valiosas.
Para maiores informações, envie uma mensagem ou direct no Twitter: https://twitter.com/MinerAtivos
Façam bom uso e sucesso!