Análise e modelação do mercado de ações

• Autor(a) principal: Gomes, Mário Roberto dos Reis
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/22221
• topic: Data mining; Machine learning; KNIME; Mercado de ações; Índice SP500; Stock market; SP500 index

A presente dissertação, realizada no âmbito do Mestrado em Engenharia e Gestão Industrial (MEGI), é o resultado de um projeto individual, com o objetivo de prever o mercado de ações para uma base temporal de curto prazo, utilizando para isso modelos de machine learning. Foram consideradas para este estudo, apenas ações presentes no SP500 de 2013 a 2018 sensivelmente. Embora a previsão do mercado de ações seja um desafio que tem constantemente motivado a comunidade científica a procurar respostas desde a sua existência, apenas nos últimos anos com a elevada capacidade computacional existente, é que se tem verificado a existência de alguns modelos capazes de prever o mercado de ações de forma lucrativa (Rouf et al., 2021). De realçar que mesmo estes casos de sucesso ainda mostram bastantes fragilidades ao nível da consistência (Rouf et al., 2021). O que se pretende com este projeto é analisar um conjunto de dados macroeconómicos no sentido de concluir se os fatores presentes permitem alcançar melhores resultados de previsão que um modelo de persistência, que considera como valor de previsão, o preço de fecho do dia anterior. Para a realização deste projeto seguiu-se a metodologia CRISP-DM, muito utilizada em projetos de data mining. Através desta metodologia foi possível definir objetivos claros de trabalho, descrever e analisar o dataset utilizado, preparar os dados tendo em conta os modelos utilizados, submeter o dataset aos três modelos utilizados, nomeadamente o Linear Regression, o Random Forest Regression e o MultiLayer Perceptron, e por fim, tecer as devidas conclusões face aos resultados obtidos. Na fase da aplicação dos modelos também se teve em consideração a realização de análises de sensibilidade face aos valores de parâmetros a utilizar, tendo como função objetivo a minimização do erro Root Mean Squared Error. Também foi estudado qual das bases temporais permitia obter os melhores resultados na previsão do valor das ações, nomeadamente considerando apenas os dados do dia anterior ou os dados dos três dias anteriores à previsão. Para efeitos de comparação e análise dos resultados obtidos foi construído um modelo de persistência para o qual são consideradas para o valor de previsão, o valor da ação no dia anterior. Desta forma, consegue-se concluir quais os modelos que apresentam melhores resultados quando se verifica que o Root Mean Squared Error dos modelos é menor que o Root Mean Squared Error do seu modelo de persistência. Por fim tecem-se as conclusões relativamente aos resultados obtidos. De facto, foram encontrados modelos capazes de prever o índice SP500 ou mesmo ações de empresas presentes no índice SP500, mas porque os resultados não se estendem a todas as ações analisadas, essa hipótese não pode ser totalmente corroborada, ainda que dos 8 ativos estudados, 87,5% obteve-se um modelo capaz de prever o preço de ativo melhor que o modelo de persistência. Relativamente às diferenças entre o melhor modelo de cada ativo e o modelo de persistência é possível aferir que as ações com menor volatilidade apresentam diferenças menos significativas.