Predição do movimento de ações da Petrobras a partir de notícias

Detalhes bibliográficos
Autor(a) principal: Barbosa, Bruno Aparecido
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-06092022-100818/
Resumo: 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
id USP_192bf01a248ad7eea59627c44f227697
oai_identifier_str oai:teses.usp.br:tde-06092022-100818
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Predição do movimento de ações da Petrobras a partir de notíciasPetrobras share movement prediction based on newsClassificaçãoClassificationMineração de TextosNewsNotíciasPetrobrasPetrobrasText MiningCom 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 PetrobrasWith the increasing entry of new investors in the Brazilian stock market, there is a growing circulation of content referring to companies, investment opportunities, evaluations and relevant facts about investments in the Brazilian financial market, this movement, added to the possibility of broadcasting content on the internet makes it difficult for investors to assimilate new content that is broadcast daily, aiming at better decision-making in the allocation of resources for their investments. A way out to cover more content referring to some investment possibility and select only the most relevant content is the use of algorithms that can extract from a high set of information the most relevant to the investors interest. The use of machine learning technologies has been used in several areas of knowledge, among them the classification or prediction of the movement of the financial market using news. However, so far few works use natural language models based on neural networks, such as text embedding. In this work, we propose the use of the BERT model (Bidirectional Encoder Representations from Transformers) in comparison with the BoW model (Bag of Words) with the most commonly used Naive Bayes SVM classifier. for the purpose of predicting the movement of a stock in the financial market through news. News from Brazilian newspapers will be used, separating only the news referring to the company PetrobrasBiblioteca Digitais de Teses e Dissertações da USPRezende, Solange OliveiraBarbosa, Bruno Aparecido2022-06-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/55/55137/tde-06092022-100818/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2022-09-06T13:11:08Zoai:teses.usp.br:tde-06092022-100818Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212022-09-06T13:11:08Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Predição do movimento de ações da Petrobras a partir de notícias
Petrobras share movement prediction based on news
title Predição do movimento de ações da Petrobras a partir de notícias
spellingShingle Predição do movimento de ações da Petrobras a partir de notícias
Barbosa, Bruno Aparecido
Classificação
Classification
Mineração de Textos
News
Notícias
Petrobras
Petrobras
Text Mining
title_short Predição do movimento de ações da Petrobras a partir de notícias
title_full Predição do movimento de ações da Petrobras a partir de notícias
title_fullStr Predição do movimento de ações da Petrobras a partir de notícias
title_full_unstemmed Predição do movimento de ações da Petrobras a partir de notícias
title_sort Predição do movimento de ações da Petrobras a partir de notícias
author Barbosa, Bruno Aparecido
author_facet Barbosa, Bruno Aparecido
author_role author
dc.contributor.none.fl_str_mv Rezende, Solange Oliveira
dc.contributor.author.fl_str_mv Barbosa, Bruno Aparecido
dc.subject.por.fl_str_mv Classificação
Classification
Mineração de Textos
News
Notícias
Petrobras
Petrobras
Text Mining
topic Classificação
Classification
Mineração de Textos
News
Notícias
Petrobras
Petrobras
Text Mining
description 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
publishDate 2022
dc.date.none.fl_str_mv 2022-06-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/55/55137/tde-06092022-100818/
url https://www.teses.usp.br/teses/disponiveis/55/55137/tde-06092022-100818/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256725770469376

Registros relacionados