Discussão do artigo "Análise Múltipla de Símbolos com Python e MQL5 (Parte I): Fabricantes de Circuitos Integrados do NASDAQ"

Novo comentário
 

Novo artigo Análise Múltipla de Símbolos com Python e MQL5 (Parte I): Fabricantes de Circuitos Integrados do NASDAQ foi publicado:

Junte-se a nós para discutir como você pode usar IA para otimizar o dimensionamento de posições e a quantidade de ordens, a fim de maximizar o retorno do seu portfólio. Vamos mostrar como identificar, de forma algorítmica, um portfólio ideal e adaptar seu portfólio conforme sua expectativa de retorno ou níveis de tolerância ao risco. Nesta discussão, vamos utilizar a biblioteca SciPy e a linguagem MQL5 para criar um portfólio ideal e diversificado usando todos os dados que temos.

Os circuitos integrados se tornaram parte fundamental de nossa vida cotidiana. Esses chips eletrônicos permeiam todos os aspectos da vida moderna, desde os servidores proprietários da MetaQuotes que hospedam este site onde você está lendo este artigo, até o dispositivo que você está usando para ler — todos dependem de uma tecnologia que, muito provavelmente, foi desenvolvida por uma dessas 5 empresas. O primeiro circuito integrado do mundo foi desenvolvido pela Intel, batizado de Intel 4004, e lançado em 1971, o mesmo ano da fundação da bolsa NASDAQ. O Intel 4004 possuía aproximadamente 2.600 transistores, bem diferente dos chips modernos que facilmente têm bilhões de transistores..

Como somos motivados pela demanda global por circuitos integrados, queremos obter exposição inteligente ao mercado de chips. Dada uma cesta dessas 5 ações, vamos demonstrar como maximizar o retorno do seu portfólio alocando capital de forma criteriosa entre elas. Uma abordagem tradicional de distribuir igualmente o capital entre todas as 5 ações não é suficiente para os mercados modernos e voláteis. Em vez disso, vamos construir um modelo que nos indique se devemos comprar ou vender cada ação, e as quantidades ideais a serem negociadas. Ou seja, estamos usando os dados disponíveis para aprender, de forma algorítmica, o dimensionamento de posição e quantidades.

Autor: Gamuchirai Zororo Ndawana

Novo comentário