Robo-Trading com Aprendizado por Reforço

    Este projeto implementa um sistema de robo-trading usando aprendizado por reforço para tomar decisões automatizadas de compra e venda em mercados financeiros. O modelo é treinado em dados históricos e ajusta suas estratégias com base em recompensas acumuladas.  

Como Usar

1. Configuração do Ambiente: Instale as dependências necessárias listadas no arquivo notebook.
2. Ativos: escolha o ativo e obtenha seus dados através do yfinance.
3. Treinamento do Modelo: Execute o script de treinamento para permitir que o agente aprenda com dados históricos.

(back to top)

Funcionalidades Principais

• Dados históricos: Obtenção de dados financeiros para treinamento de modelo.
• Aprendizado por Reforço: Implementação do algoritmo Q-learning para treinar um agente em decisões de compra e venda.

(back to top)

Estrutura do Projeto

• /src: Código-fonte do projeto, incluindo implementação do algoritmo Q-learning e lógica de negociação.

• /data: Dados históricos utilizados para treinamento e avaliação do modelo.

• /notebooks: Notebooks Jupyter com análises exploratórias e experimentos.

(back to top)

Tecnologias

• Linguagem Python
• Jupyter notebook
• yFinance
• Pandas
• Plotly
• NumPy

(back to top)

Aprendizado

Este projeto de robo-trading com aprendizado por reforço proporcionou uma compreensão prática dos fundamentos, incluindo a implementação de algoritmo Q-learning. A integração de dados financeiros permitiu a construção de um sistema automatizado de tomada de decisões de compra e venda.

(back to top)

Contribua

Contribuições são bem-vindas! Sinta-se à vontade para abrir issues, propor melhorias ou fazer pull requests.

(back to top)

Contatos

Wellington Moreira -Linkedin - [email protected]

Link Projeto: - https://github.com/wellington-moreira-santos/qlearning-acoes

(back to top)