Vou criar um bot de trading quantitativo com IA

Este projeto oferece um sistema de negociação com IA personalizado, desenvolvido usando TensorFlow, OpenAI Gymnasium, RL e arquiteturas recorrentes baseadas em LSTM, especialmente criado para aprendizado de séries temporais financeiras em condições de mercado ruidosas e tendenciosas.

O foco principal deste trabalho é reduzir o viés de política, melhorar a precisão direcional e estabilizar o aprendizado em ambientes onde a maioria dos agentes de negociação falha, especialmente em regimes de mercado altamente unidirecionais ou enviesados, onde agentes padrão de RL frequentemente colapsam em estratégias triviais ou tendenciosas.

Alguns resultados-chave dessa abordagem incluem:

Projetar agentes PPO quase sem viés, mesmo quando treinados com dados de mercado fortemente enviesados

Reduzir a sensibilidade ao ruído de preço de curto prazo, que normalmente faz os agentes travarem capital na direção errada

Alcançar um treinamento estável sem necessidade de clipping de recompensa ou perda de informações

Lidar com a não estacionaridade do mercado usando políticas recorrentes (baseadas em LSTM)

O resultado é um agente de negociação de nível de pesquisa, independente do mercado, que pode ser treinado com dados históricos e depois usado para prever ações em diferentes mercados, como ações, criptomoedas ou forex.