Este repositório contém um notebook Python que demonstra a criação e o teste de um modelo Gradient Boosting Classifier para prever entradas de opções binárias (put ou call) para o par EUR/USD. O modelo utiliza uma estratégia que combina bandas de Bollinger, RSI e stochastic oscillator. O dataset utilizado foi obtido da Dukascopy.
- Manipulação de dados
- Importação de bibliotecas.
- Carregamento do dataset.
- Limpeza e pré-processamento dos dados.
- Cálculo dos indicadores.
- Geração das features para o modelo.
- Treinamento e teste do modelo
- Divisão do dataset em conjuntos de treino e teste.
- Treinamento do modelo
GradientBoostingClassifier. - Avaliação do desempenho do modelo.
- Visualização das métricas de desempenho.
1 - Clone este repositório para o seu computador.
2 - Abra o notebook EURUSD_Opcoes_Binarias.ipynb no Jupyter Notebook.
3 - Execute as células do notebook na ordem.
4 - Analise os resultados e interprete o modelo.
- Este é um modelo experimental e seu desempenho pode variar em diferentes condições de mercado.
- É importante testar o modelo com diferentes parâmetros e configurações para otimizar seu desempenho.
- O dataset utilizado neste estudo é histórico e não garante a mesma performance em dados futuros.
Sinta-se à vontade para contribuir com este projeto. Fork o repositório e envie pull requests com suas melhorias.
- Python 3.6 ou superior
- Jupyter Notebook
- pandas
- numpy
- sklearn
- matplotlib
- mplfinance
MIT
Agradecemos à Dukascopy por fornecer o dataset utilizado neste estudo.