SimCombEn : combinando predições para séries financeiras similares a fim de prever a direção do movimento de preços de ações.

• Ano de defesa: 2019
• Autor(a) principal: Miranda, Anderson Nascimento
• Orientador(a): Bazzan, Ana Lucia Cetertich
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Aprendizado : máquina; Inteligência artificial; Mercado de ações
• Palavras-chave em Inglês: Machine learning; Stock markets prediction; Expert committees; Ensemble methods
• Link de acesso: http://hdl.handle.net/10183/188267

Prever os movimentos dos preços do mercado de ações é uma atividade essencial para os investidores desse mercado, e mesmo pequenas evoluções nos métodos utilizados podem resultar em ganhos financeiros consideráveis. Aprendizado de máquina é uma abordagem que tem sido muito utilizada para ajudar nessa tarefa. Apesar dos avanços alcançados e publicados em diversos estudos, muito ainda pode ser evoluído, dado que os resultados publicados frequentemente estão distantes dos valores ótimos para as métricas de avaliação utilizadas. É bastante comum se encontrar modelos de predição que funcionam muito bem em determinadas ações e em determinado período de tempo, mas que apresentam desempenho insatisfatório em outras ações e/ou outros períodos. Uma abordagem muito utilizada para resolver problemas com essa diversidade de modelos preditores é a utilização de métodos de ensemble, ou comitês de especialistas, os quais se beneficiam de tal diversidade. Apesar disso, propostas aplicando métodos de ensemble ainda são raras na área. Este trabalho propõe um método para predizer o movimento dos preços das ações ao final do próximo dia, mais precisamente se o preço estará mais do que 1% acima do preço atual, mais do que 1% abaixo do preço atual, ou entre esses limiares, sendo portanto um problema de classificação envolvendo 3 classes. Os preços e volumes de negociação históricos serão utilizados como dados de entrada. O método proposto, chamado Sim- CombEn, consiste em combinar as predições de modelos de classificação especialistas na predição de diferentes ações que exibem comportamento passado recente muito similar à ação alvo da predição. Tais modelos especialistas são independentes e treinados com dados apenas de suas séries financeiras, como é geralmente realizado nos trabalhos publicados na área. Para a avaliação dos resultados foram conduzidos experimentos de comparação do método proposto com outros muito utilizados na literatura, utilizando diversas métricas apropriadas para avaliação em problemas de classificação com múltiplas classes. Os resultados demonstram que o método proposto supera os concorrentes em todas as métricas avaliadas.