Modelos de deep learning e previsão de preço de ações: estudos de casos da bolsa brasileira.

• Ano de defesa: 2022
• Autor(a) principal: Pinheiro, Thiago José
• Orientador(a): Higachi, Hermes Yukio
• Banca de defesa: Pereira Neto, João Basílio , Marques Junior, Karlo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual de Ponta Grossa
• Programa de Pós-Graduação: Programa de Pós - Graduação em Economia
• Departamento: Departamento de Economia
• País: Brasil
• Palavras-chave em Português: Redes Neurais; Random Walk; Validação Cruzada; Aprendizado Profundo; Preço de Ações; Neural Networks; Cross-Validation; Deep Learning; Stock Price
• Área do conhecimento CNPq: CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
• Link de acesso: http://tede2.uepg.br/jspui/handle/prefix/3672

O objetivo deste trabalho tem o intuito de verificar e comparar os modelos de Redes Neurais Recorrentes de aprendizado profundo RNN univariado e multivariado denominados nesse trabalho como RNN-U e RNN-M e modelos LSTM univariado e multivariado denominados LSTM-U e LSTM-M, considerando-se como estudo de caso as ações da PETR3, PETR4, ITUB4 e ABEV3. Duas foram as contribuições deste estudo: primeiro, propor e avaliar pelo teste da razão da variância se as ações selecionadas seguem um processo estocástico Random Walk ou a validade da HME na forma sua forma fraca; segundo, propor e aplicar a técnica de validação cruzada para séries temporais para avaliar o poder preditivo de modelos de RNN e LSTM univariados e multivariados na previsão dos preços de ações. Os resultados empíricos do teste da razão da variância mostraram que os retornos de ações da PETR3 e PETR4 apresentam autocorrelação serial negativa de primeira ordem, enquanto os retornos de ações da ABEV3 e lTUB4 apresentam autocorrelação serial negativa também de ordens superiores. Com efeito, como os modelos RNN LSTM-U e RNN LSTM-M possuem memória curta (1 período) e longa (múltiplos períodos), reportaram maior poder preditivo em termos das várias métricas usadas, do que os modelos RNN-U e RNN-M que possuem apenas memória curta ou de 1 período, no caso de ações da ABEV3 e lTUB4.