Modelo de análise multidisciplinar para previsão de tendência mensal na bolsa de valores brasileira

• Ano de defesa: 2022
• Autor(a) principal: Castanho, Matheus Marrone
• Orientador(a): Galante, Renata de Matos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Ciência de dados; Inteligência artificial; Bolsa de valores; Algoritmos
• Palavras-chave em Inglês: Time series; Classification; Prediction; Stock market; Machine learning algorithm
• Link de acesso: http://hdl.handle.net/10183/252140

O avanço tecnológico tem permitido uma ampla utilização de soluções computacionais no mercado financeiro, especialmente aquelas relacionadas às áreas de ciência de dados e inteligência artificial. Investidores e empresas de investimentos vêm buscando soluções que auxiliem sua tomada de decisão para a compra de ativos. Parte dessas soluções visa a previsão do preço dos ativos num curto espaço de tempo. Através da análise de séries temporais e da utilização de algoritmos de aprendizado de máquina diversas pesquisas têm se mostrado promissoras em sua capacidade de previsão. Contudo, a utilização das cotações históricas dos ativos tem se mostrado insuficiente para aumentar a precisão das previsões. O preço dos ativos possui um comportamento bastante diversificado, sofrendo a influência do cenário macroeconômico global ou local, do comportamento dos investidores em diferentes períodos do ano e do movimento de outros índices acionários. O trabalho busca construir um modelo de análise para previsão de tendências mensais na bolsa de valores que utilize um conjunto de indicadores macroeconômicos, efeitos comportamentais e comportamento de outros índices de ativos. Esse modelo é testado considerando o cenário brasileiro, sua bolsa de valores e seus indicadores macroeconômicos. Esse modelo apresentou resultados interessantes para a classificação mensal em meses de baixa ou de alta, obtendo, em sua média, resultados acima de 60% para os diferentes algoritmos aplicados.