Predição do movimento de ações da Petrobras a partir de notícias

• Ano de defesa: 2022
• Autor(a) principal: Barbosa, Bruno Aparecido
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Classificação; Classification; Mineração de Textos; News; Notícias; Petrobras; Text Mining
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-06092022-100818/

Com a crescente entrada de novos investidores no mercado acionário brasileiro vê-se uma crescente circulação de conteúdos referentes a empresas, oportunidades de investimentos, avaliações e fatos relevantes sobre investimentos do mercado financeiro brasileiro. Esse movimento, somado a possibilidade de veiculação de conteúdos na internet torna difícil para os investidores assimilar novos conteúdos que são veiculados diariamente visando a melhor tomada de decisão na alocação de recursos para seus investimentos. Uma saída para abranger mais conteúdos referentes a alguma possibilidade de investimento e selecionar somente o conteúdo mais relevante é a utilização de algoritmos que possam extrair de um elevado conjunto de informações as mais relevantes para o interesse do investidor. O uso de tecnologias de aprendizado de máquina vem sendo usado em diversas áreas do conhecimento, dentre elas a classificação ou previsão do movimento do mercado financeiro utilizando notícias. No entanto, até agora poucos trabalhos utilizam modelos de linguagem natural baseados em redes neurais, como text embedding. Neste trabalho, é proposto a utilização do modelo BERT (Bidirectional Encoder Representations from Transformers) em comparação com o modelo BoW (Bag of Words) com o classificador Naive Bayes SVM, mais comumente utilizado para a finalidade de prever o movimento de uma ação do mercado financeiro através de notícias. Será utilizado notícias de jornais brasileiros separando somente as notícias referentes a empresa Petrobras