Previsão de preços de ativos listados na B3: um estudo comparativo entre modelos tradicionais e redes neurais

• Autor(a) principal: Moreira, Larissa Lopes [UNIFESP]
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIFESP
• Texto Completo: https://hdl.handle.net/11600/71767
• topic: Mercado de ações; Previsão de séries temporais; Arma-garch; Redes neurais artificiais; Rede neural lstm

O objetivo deste trabalho é comparar o desempenho de modelos econométricos tradicionais e de algoritmos baseados em inteligência computacional, a fim de averiguar qual das técnicas é a mais assertiva na previsão de preços de ações de três empresas: Weg, Magazine Luiza e Porto Seguro. O presente estudo compara o desempenho da aplicação conjunta dos modelos Arma e Garch com o desempenho obtido por redes neurais artificiais do tipo LSTM. Utilizou-se a série de preços de fechamento de cada ativo e os dados foram obtidos através de uma API do Yahoo Finance. Para escolher a melhor topologia da rede neural LSTM, utilizou-se o RMSE e o MAPE, enquanto que para a escolha do melhor modelo Arma-Garch, foram utilizados o AIC, o teste Ljung-Box, análises de significância dos coeficientes, além do princípio da parcimônia. Por fim, comparou-se o desempenho do melhor modelo de cada uma das duas técnicas através do RMSE e do MAPE. Os resultados indicam que as redes neurais LSTM apresentam maior capacidade preditiva que os modelos Arma-Garch para todos os ativos analisados e esse achado se alinha com outros trabalhos presentes na literatura.