Os contextos de investimento são modelados como Processos de Decisão de Markov Parcialmente Observáveis (POMDP), processados por algoritmos de planejamento em um ambiente em Grid e então simulados. As séries históricas são usadas para fornecer tanto as probabilidades de mudança de um estado para outro quanto as probabilidades de estar em um determinado estado quando um evento é detectado pelos sensores. Essas probabilidades são usadas por um algoritmo de planejamento automatizado para criar políticas que tentam maximizar o lucro. A execução das políticas geradas é então simulada e avaliada.
Artigos Relacionados:
- Baffa, Augusto Cesar Espíndola; Ciarlini, Angelo E. M.; Modeling POMDPs for generating and simulating stock investment policies; Proceedings of the 2010 ACM Symposium on Applied Computing; Sierre, Switzerland
- Baffa, Augusto Cesar Espíndola; Ciarlini, Angelo E. M.; Planning under the Uncertainty of the Technical Analysis of Stock Markets; IBERAMIA 2010: 12th edition of the Ibero-American Conference on Artificial Intelligence; Bahía Blanca, Argentina, November 1-5,2010