Modelo LLM pode ser utilizado para projetar o lucro líquido futuro?

Resumo

Este estudo investigou a capacidade do modelo de linguagem ChatGPT o3-mini-high de prever o lucro líquido de 94 empresas do Ibovespa entre 2022 e 2024 e, subsequentemente, se essas previsões poderiam ser empregadas para construir carteiras de investimento com desempenho superior. As projeções do modelo foram utilizadas como insumo para a construção de portfólios semanais, com base em três estratégias de otimização — Markowitz, pesos iguais e ponderação por valor —, e sua performance foi comparada à de um método Naive e de um filtro fundamentalista de "Lucro Líquido Positivo". Os resultados indicam que, embora as projeções do LLM tenham apresentado menor erro numérico em relação ao método Naive, essa precisão não se converteu em um desempenho de carteira consistentemente superior. O critério de "Lucro Líquido Positivo" emergiu como a estratégia mais eficaz, superando os demais métodos em retorno acumulado e índice de Sharpe, especialmente quando combinado a filtros de EPS Yield mais rigorosos. Conclui-se que, para o período e o mercado analisados, a aplicação direta de LLMs para a previsão de lucro revelou-se limitada na seleção de ativos, reforçando a robustez de abordagens fundamentalistas consolidadas, ao mesmo tempo que sugere o potencial do modelo como uma ferramenta complementar em estratégias multifatoriais.

Ficha do documento

Tipo

Dissertação

Ano

2025

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/37775

Temas

EconomiaTecnologiaDados

Palavras-chave

Large language models (LLMs)ChatGPT o3-mini-highNet income forecastingPortfolio optimizationArtificial intelligence in financePrompt engineeringPrevisão de lucro líquidoIbovespaOtimização de carteirasInteligência artificial em finançasEconomiaEmpresas - FinançasLucrosPrevisão comercialInteligência artificial - Processamento de dadosChatGPT