1 of 36

Aplicando IA Quântica ao Mercado de Ações: Um Algoritmo de Seleção Negativa Otimizado Evolutivamente

Giancarlo Ponte Gamberi

2 of 36

Giancarlo “Gian” P. Gamberi

  • Pesquisador de Computação Quântica desde 2021
  • Aluno de Mestrado em Computação
    • Universidade Presbiteriana Mackenzie
  • Artigo no ICECCE 2023
  • Capítulo no SSCAD 2024
  • Workshop no TDC Summit SP 2025

3 of 36

IA Quântica?�Seleção Negativa Otimizado Evolutivamente?

  • QGNSA – Quantum Genetic Negative Selection Algorithm
  • Algorítmos Quânticos
    • Algorítmo Genético Quântico
  • Seleção Negativa
    • EvoSeedRNSA
  • Aplicado á bolsa de valores

4 of 36

Computação Quântica

5 of 36

Fundamentos

Qubits

Análogos a bits

Superposição/ Decoerência

Qubit existe em dois estados distintos ao mesmo tempo. Medição dos resultados aleatória

Emaranhamento

Dois qubits são “conectados”

6 of 36

Genético Quântico

População

Indivíduos

Features

Clássico: Torneio -> Cruzamento -> Mutação

Quântico: Ajustar ângulos -> Observar

7 of 36

Exemplo

Encontrar o maior valor

Geração 1

8 of 36

Exemplo

Encontrar o maior valor

Maior valor encontrado: 001

001

Geração 1

9 of 36

Exemplo

Encontrar o maior valor

Maior valor encontrado : 001

Geração 2

10 of 36

Exemplo

Encontrar o maior valor

Maior valor encontrado : 101

101

Geração 2

11 of 36

Exemplo

Encontrar o maior valor

Maior valor encontrado : 101

Geração 3

12 of 36

Exemplo

Encontrar o maior valor

Maior valor encontrado : 101

100

Geração 3

13 of 36

Exemplo

Encontrar o maior valor

Maior valor encontrado : 101

Geração 4

14 of 36

Exemplo

Encontrar o maior valor

Maior valor encontrado : 111

111

Geração 4

15 of 36

Seleção Negativa

16 of 36

Como funciona?

Bio-inspirado

Sistema imunológico humano

Detectores

Próprio/ não próprio

Detecção de Anomalias

17 of 36

18 of 36

Algumas aplicações

Medicina

Diagnósticos

Classificação de DNA

Identificação de surtos

Cybersegurança

Invasores

Fraude

Aviação

Voos anômalos

19 of 36

EvoSeedRNSA

Evolutionary Seed Real-value Negative Selection Algorithm

Gerar uma semente geradora de detectores artificiais

Gerado a partir de algoritmo genético

20 of 36

QGNSA

21 of 36

Ideia

Trocar o algoritmo genético do EvoSeedRNSA pelo algoritmo genético quântico

n = M × precision

22 of 36

Quantum Genetic Negative Selection Algorithm

  1. Medir circuito
  2. Resultado da medição - > detectores temporários
  3. Avalia detectores
  4. Salva melhor detector
  5. Se for um detector ideal finaliza
  6. Senão:
      • Nenhum detector for bom (fitness=0), mantém
      • Rotacionar qubits de acordo com melhor detector
  7. Aplica rotações em novo circuito

23 of 36

Feature 1

Feature 2

Feature 3

Precision: 3

24 of 36

Feature 1

Feature 2

Feature 3

Precision: 3

Population: 3

101111111

111011000

100000010

25 of 36

Feature 1

Feature 2

Feature 3

Precision: 3

Population: 3

101 111 111

111 011 000

100 000 010

26 of 36

Teste de validação

  • Metaverse Financial Transactions Dataset – Kaggle
  • 78.600 Transações blockchain financeiras do Open Metaverse

​

27 of 36

Aplicando á Bolsa de Valores

28 of 36

Aplicação

Classificação Binaria

+

Bolsa de valores

=

Predição de subida/queda de ativos

​

QGNSA vs SVM

29 of 36

Os dados

Coletados em tempo real

BBDC

39.906 linhas

De 04/01/24 á 22/05/24

ITUB

96.487 linhas

De 03/01/22 á 24/11/22

PETR

73.617 linhas

De 03/01/23 á 12/09/23

30 of 36

Tratamento

  • Valor/min -> OHLC

​

  • BBDC
    • 39.906 -> 94 linhas
  • ITUB
    • 96.487 -> 225 linhas
  • PETR
    • 73.617 -> 173 linhas

​

  • Open-Close
  • High-Low

​

  • Divisão 80-20

31 of 36

Resultados SVM (ITUB3)

32 of 36

QGNSA vs SVM (ITUB)

33 of 36

BBDC

34 of 36

PETR

35 of 36

Conclusão

Resultados promissores

+testes +dados

Potencial de modelos híbridos (Clássico + Quântico)

36 of 36

Duvidas?

Giancarlo P. Gamberi

giangamberi@hotmail.com.br