Previsão do índice Bovespa utilizando redes neurais

• Autor(a) principal: Müller, Vinícius Guilherme
• Data de Publicação: 2018
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/197358
• topic: Engenharia elétrica; Stock Market forecasting; Gradient Boosting; Recursive Feature Elimination; Financial Time Series; Neural Networks

A previsão do mercado de ações tem sido um tema de grande interesse no campo das finanças, da engenharia e da matemática devido ao seu potencial de ganho financeiro. No entanto, a previsão do preço das ações é altamente complexa, pois as séries financeiras possuem altos níveis de ruído, são dinâmicas, não-lineares e caóticas por natureza. Além disso existem muitos fatores como eventos políticos, condições econômicas, expectativas dos investidores e outros fatores ambientais que podem influenciar no preço das ações. O objetivo deste estudo foi desenvolver uma Rede Neural Feedforward para prever as tendências do Índice Bovespa em um horizonte de tempo de uma semana. Foram calculadas 220 diferentes características consistindo em indicadores técnicos, volatilidade e nas cotações do dólar, do petróleo, do ouro, assim como das ações que compõem o índice. As características foram ranqueadas utilizando-se como modelo um Gradient Boosting de Árvores de Decisão em um algoritmo Recursive Feature Elimination. Foram implementadas diferentes redes possuindo diferentes números de neurônios e quantidades variadas das características mais bem classificadas. Foi possível obter uma taxa de acertos de 58,63% para o conjunto de validação e 58,13% para o conjunto de teste para a rede utilizando as 40 características mais bem classificadas pelo ranking. Utilizando-se todas as 220 entradas pré-selecionadas a rede obteve uma taxa de acertos de 51,39%, evidenciando a importância da seleção de características para esse problema.