AVALIAÇÃO DE MODELOS DE PREVISÃO DOS VALORES DAS AÇÕES NO MERCADO FINANCEIRO USANDO APRENDIZADO DE MÁQUINA
Resumo
A previsão dos movimentos dos preços das ações tem sido uma área importante na pesquisa de algoritmos de aprendizado de máquina nos últimos anos devido ao seu conteúdo complexo e dinâmico. Este artigo tem como objetivo fornecer um estudo de caso através da criação e avaliação de modelos de previsão de preços de ações no mercado brasileiro. O artigo também propõe comparar a previsão dos três modelos de aprendizado de máquina conhecidos como PROPHET, LSTM e ARIMA. Observou-se que os métodos com melhores resultados em cotação são LSTM e ARIMA. MenoresvMSE, RMSE e MAPE foram obtidos no experimento com ARIMA. Consequentemente, é possível a utilização de métodos de inteligência artificial no mercado brasileiro.
Referências
DE ANDRADE, G. C; SANCHES, A. L. Otimização de Blue Chips com Small Caps na Formação de Carteiras Utilizando a Teoria de Markowitz e o Modelo Capm. X SEGeT., Brasília, p. 1-16, 2013.
ANTONIK, L. R. Análise de projetos de investimento sob condições de risco. Revista da FAE, v. 7, n. 1, 2004.
BESSA, J. C. M. Otimização de estratégias de oferta em mercado usando previsão probabilística de produção renovável. 2021.
CERETTA, P.S; VIEIRA, K.M. Efeito Dia-Da-Semana no Mercado Brasileiro: Uma Aná Lise Sob a Ótica Da Liquidez, do Retorno e da Volatilidade. REAd-Revista Eletrônica de Administração, v. 16, n. 3, p. 544-563, 2010.
DEFACIO, F.S; BRONZATI, Vitor Ribeiro. Mercado de ações: estudo da previsibilidade utilizando séries temporais aplicadas em machine learning. 2019. 18f. Trabalho de Conclusão de Curso (Escola de Engenharia Mackenzie) Universidade Mackenzie, São Paulo, 2019.
DIEBOLD, F. X. Elementos de previsão. Cincinnati, OH, EUA: South-Western College Pub., 1998.
MUSSA, A. et al. Hipótese de mercados eficientes e finanças comportamentais: as discussões persistem. FACEF Pesquisa-Desenvolvimento e Gestão, v. 11, n. 1, 2010.
MALTA, T.L; DE CAMARGOS, M.A. Variáveis da análise fundamentalista e dinâmica e o retorno acionário de empresas brasileiras entre 2007 e 2014. REGE-Revista de Gestão, v. 23, n. 1, p. 52-62, 2016.
MARTINS, E; NAPOLEÃO V. G. Uma Análise Comparativa Entre Os Métodos Tradicionais e Algoritmos de Aprendizagem de Máquinas Para Previsão de Vendas No Segmento Varejista. XVI Simpósio dos Programas de Mestrado Profissional Unidade de Pós-Graduação, Extensão e Pesquisa. Centro Paula Souza, São Paulo. p. 831- 849, 2021
OZBAYOGLU, A.M; GUDELEK, M.U; SEZER, O. B. Aprendizado profundo para aplicações financeiras: uma pesquisa. Computação Soft Aplicada, v. 93, p. 106384, 2020.
RYLL, L.; SEIDENS, S. Avaliando o desempenho de algoritmos de aprendizado de máquina na previsão do mercado financeiro: uma pesquisa abrangente. arXiv preprint arXiv:1906.07786, 2019.
SHEN, J.; VALAGOLAM, D.; MCCALLA, S. Modelo de previsão do profeta: uma abordagem de aprendizado de máquina para prever a concentração de poluentes atmosféricos (PM2. 5, PM10, O3, NO2, SO2, CO) em Seul, Coréia do Sul. PeerJ, v. 8, p. e9961, 2020.
SOUTO, G. et al. Avaliação dos diferentes tipos de redes LSTM para predição de ações na bolsa de valores. In: Anais da IV Escola Regional de Informática do Rio de Janeiro. SBC, 2021. p. 65-71.
SILVEIRA, R. B. Avaliação de modelos preditivos para o mercado de ações utilizando machine e deep learning. 2021 18f. Trabalho de Conclusão de Curso (Ciência da Computação) Centro de Ciências Exatas e Engenharias - Universidade de Caxias do Sul-UCS, Caxias do Sul, 2021.
TEIXEIRA, João. O que é inteligência artificial. E-Galáxia, 2019.
YU, Y. Uma revisão de redes neurais recorrentes: células LSTM e arquiteturas de rede. Computação neural, v. 31, n. 7, pág. 1235-1270, 2019.
