Análise de aplicação de algoritmos de aprendizado de máquina e análise técnica na predição de tendência de ações da bolsa de valores

• Autor(a) principal: Siqueira, Guilherme da Silva
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/27494
• topic: Inteligência artificial; Aprendizado de máquina; Bolsa de valores; Classificação; Inteligência artificial; Bolsa de Valores; Aprendizado de máquina; Artificial intelligence; Machine Learning; Stock exchange; Classification

O mercado de capitais é atualmente um dos principais elementos na economia de um país, onde indivíduos podem tornar-se sócios de empresas e fundos de investimento, aumentando os recursos e o valor de mercado desses ativos, em troca de potenciais ganhos de capital e/ou dividendos. Em particular, o mercado de ações é a área de maior interesse, principalmente no Brasil. Sendo assim, pesquisadores e estudiosos têm buscado formas de se prever movimentos de mercado, quantificando informações para uma tomada de decisão apropriada. Com isso, ao longo dos anos, diversos indicadores de análise técnica vêm sendo desenvolvidos, mas até hoje, nenhum é suficiente por si só para esta tomada de decisão, requerendo que o investidor consulte diversos indicadores e faça uma análise de conjuntura. Por outro lado, os avanços recentes nas áreas de inteligência artificial têm criado diversas oportunidades de se desenvolver modelos preditivos, que se tornam bastante atrativos nesta situação, devido à abundância e acessibilidade de dados sobre o movimento dos preços. Portanto, este trabalho busca empregar técnicas e conceitos de aprendizado de máquina, um subgrupo da inteligência artificial, com o objetivo de predizer o movimento de ações da bolsa de valores, através da coleta de dados, aplicação de indicadores técnicos já conhecidos pelo mercado, seleção dos atributos que possuem maior impacto no movimento das ações, agrupamento dos dados e classificação do movimento através de um comitê de classificação. Para o desenvolvimento deste trabalho, foram implementados no comitê de classificação os algoritmos K-vizinhos mais próximos, perceptron multicamadas, máquina de vetor de suporte, árvore de decisão e floresta de decisão, que em conjunto atingiram acurácias superiores a 90% no conjunto de teste para períodos de previsão superiores a 60 dias.