Marcello BAX

School of Information Science at the Federal University of Minas Gerais (UFMG)

Theme: Information Science’s Contribution to the Financial Market

Project title: Extending FIBO ontology to build automated trading bots. 

Coordination: Marcello Bax

Description: A Financial Industry Business Ontology (FIBO) é um modelo conceitual de negócios desenvolvido por um consórcio internacional que procura abarcar todos os instrumentos financeiros, entidades de negócios e processos que funcionam no setor financeiro. É o bloco de construção para a automação de processos de negócios e o caminho para uma análise de risco flexível. 

A negociação por programas (trading bots) tornou-se importante para o setor financeiro, estima-se que são a origem hoje de mais de 60% do volume de negociação na Bovespa, Nasdaq e na NYSE. Há uma ampla gama de tarefas que a Ciência da Informação, utilizando-se de técnicas de IA e big data, pode suportar no processo de negociação. Tais tarefas incluem: identificação de oportunidades, estimativa de custo / fricção, estimativa de impacto de mercado, seleção de estratégias de negociação, programação de negociação, gestão de capital e liquidez, bem como gestão de risco. 

Assim, este projeto visa, em primeiro lugar, informar sobre conceitos básicos de investimentos e mercados financeiros, um mundo que hoje se encontra em plena expansão devido à sua acessibilidade e no qual a maioria dos pequenos investidores entra com total desconhecimento, enfrentando riscos desnecessários.

Além disso, e em segundo lugar, entraremos no mundo dos bots de negociação. Na internet, temos centenas de bots de negociação disponíveis, alguns gratuitos, mas muitos deles com um custo muito alto que prometem o que geralmente não podem entregar. A hipótese é que muitos desses bots oferecem resultados que foram obtidos pela manipulação da temporalidade e, com isso, os resultados do bot. 

Analisaremos diferentes estratégias e os resultados obtidos com elas, para ver como um bot de negociação com uma determinada estratégia pode funcionar em certas ocasiões, mas não em outras. Com esses resultados, chegaremos a uma conclusão de como as estratégias funcionam e o que os profissionais de marketing de bots fazem para realmente entregar resultados positivos no papel.

Além de estudar como as estratégias se comportam e como os desenvolvedores de bots tiram proveito delas, o projeto desenvolverá o seu próprio bot de negociação, procurando uma estratégia conservadora que permita minimizar perdas ou mesmo evitá-las em situações onde outro bot perde. Desta forma, aprenderemos como desenvolver um bot de negociação e buscaremos uma estratégia que traga consistência no longo prazo. Busca-se uma estratégia conservadora, capaz de melhorar os resultados das estratégias que encontramos no mercado. Assim que o bot for implementado, os resultados serão coletados ao longo de um período de tempo e serão comparados com os resultados retornados por outras estratégias.

Com base nos dados obtidos por nosso bot e nas estratégias utilizadas anteriormente, tiraremos conclusões sobre o funcionamento dos bots e sua verdadeira utilidade; Além disso, haverá uma reflexão sobre o futuro dos bots de negociação em termos das estratégias que começam a ser utilizadas, e que podem ser ainda mais úteis do que as atuais devido ao mercado baseado na especulação em que nos encontramos.