Reinforcement Learning Applied to a Cryptocurrency Portfolio in a Complexity Environment

Autores

  • Daniel Sousa Barra Universidade Federal de Santa Catarina
  • Helberte França Almeida Universidade Federal de Santa Catarina
  • Rafael Jasper Feltrin Universidade Federal de Santa Catarina
  • Solange Regina Marin Universidade Federal de Santa Catarina

DOI:

https://doi.org/10.14393/REE-v36n1a2021-50850

Resumo

Recentemente, criptomoedas têm sido empregadas como ativos financeiros e apresentado retornos positivos, apesar de sua volatilidade ser alta. Este artigo busca elaborar um portfólio hipotético de criptomoedas e para tanto, utiliza aprendizado de máquina com um algoritmo de otimização para definir a quantia ideal a ser alocada em cada ativo. Os resultados mostram que o portfólio hipotético apresenta retornos superiores e volatilidade inferior comparado a outras estratégias de alocação.

Downloads

Biografia do Autor

  • Helberte França Almeida, Universidade Federal de Santa Catarina

    Economia

Downloads

Publicado

2020-12-21

Edição

Seção

Artigos

Como Citar

BARRA, Daniel Sousa; ALMEIDA, Helberte França; JASPER FELTRIN, Rafael; MARIN, Solange Regina. Reinforcement Learning Applied to a Cryptocurrency Portfolio in a Complexity Environment. Revista Economia Ensaios, Uberlândia, Minas Gerais, Brasil, v. 36, n. 1, 2020. DOI: 10.14393/REE-v36n1a2021-50850. Disponível em: https://seer.ufu.br/index.php/revistaeconomiaensaios/article/view/50850. Acesso em: 4 abr. 2025.