Análise de algoritmos de machine learning e redes neurais para previsão de preços de ações do IBOVESPA

Resumo

O foco deste trabalho consiste em utilizar uma variedade de modelos de machine learning e de redes neurais para investigar a conjectura, que encontra respaldo em outras áreas do conhecimento, que no tocante também à previsão de preços de ações é possível encontrar uma especificação ARIMA, portanto mais parcimoniosa, com melhor performance para períodos mais longos. O experimento foca em cinco ações do IBOVESPA (BBAS3, FLRY3, RENT3, VALE3, SLCE3), que representam setores diferentes da economia, durante o período de 3 de março de 2010 a 30 de janeiro de 2022, o que confere robustez ao experimento. De fato, ao buscar compreender quais algoritmos oferecem melhores resultados e com a maior precisão possível, pode-se adiantar que modelos ARIMA específicos foram os que performaram melhor no geral, segundo os critérios RMSE e MAE. Por outro lado, o exercício também inova ao usar modelos de aprendizado de máquina para estimar preços usando preços de dias anteriores ao invés de retornos para o mercado acionário brasileiro. Além disso, propõe um modelo híbrido de rede neural LSTM-GRU para tentar melhorar a previsão dos preços das ações.

Ficha do documento

Tipo

Dissertação

Ano

2022

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/33230

Temas

Economia

Palavras-chave

Machine learningNeural networksBrazilian stocksRedes neuraisARIMALSTMAções brasileirasSVRGRUEconomiaMercado de ações - PreçosAprendizado do computador - ModelosRedes neurais (Computação)Previsão com Metodologia de Box-Jenkins