Browsing by Author "Santos, Elysiario Virginio dos"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
- Modelos Estatísticos e Redes Neuronais na Previsão do Índice da Bolsa BrasileiraPublication . Santos, Elysiario Virginio dos; Martins, José Maria Gouveia; Grilo, Carlos Fernando de AlmeidaOs estudos na área de tecnologia para investimentos têm sido objeto de interesse no meio académico e nos negócios. A facilidade em obter um histórico de dados em maior volume, velocidade e variedade é um dos principais impulsionadores dos avanços nesta área. O advento da inteligência artificial levou os investigadores a explorarem modelos preditivos para compor a inteligência de negócios, mostrando grande potencial de apoio nas decisões humanas, que podem ser melhor suportadas em estudos mais elaborados e desenvolvidos recentemente. Esta dissertação aborda a previsão dos valores da Bolsa de Valores Brasileira, centrando-se no Ibovespa, que representa as principais ações negociadas na B3. O estudo tem como objetivo prever os valores de fecho e o retorno do índice através da aplicação de técnicas de aprendizagem automática, comparando os resultados obtidos com modelos estatísticos tradicionais. A investigação envolve diferentes métodos, procurando identificar quais abordagens oferecem melhores resultados preditivos. Estes resultados visam contribuir para uma compreensão mais aprofundada das dinâmicas do mercado financeiro brasileiro, podendo ser úteis tanto para o meio académico quanto para profissionais do setor financeiro interessados em realizar investimentos na área financeira. Para a realização do projeto, foram testados modelos estatísticos e modelos baseados em redes neuronais com o intuito de comparar os resultados de diferentes abordagens preditivas. Entre os modelos estatísticos testados estão os modelos ARIMA para valores de fecho e os modelos GARCH e E-GARCH para retornos. Para os testes com redes neuronais, foram escolhidas as redes Long Short- Term Memory (LSTM) e as Gated Recurrent Unit (GRU), as redes Multilayer Perceptron (MLP) e o Neural Basis Expansion Analysis Time Series Forecasting (N-BEATS), todas com diversas parametrizações. Após diversos testes, atingiu-se uma estabilidade com Mean Absolute Percentage Error (MAPE) próximo de 1% para os valores de fecho na maioria dos modelos.