Linha de Pesquisa: Inteligência Artificial

Resumo do trabalho:

A predição de tendência de preços de ativos no mercado financeiro, de natureza dinâmica e complexa, tem sido alvo de ampla pesquisa nos últimos anos, particularmente usando técnicas de Machine Learning (ML). Além disso, o caráter dinâmico do ambiente e a não linearidade de séries temporais financeiras, aliados à quantidade de fatores que influenciam na volatilidade dos preços dos ativos tornam a tarefa de predição um tanto desafiadora. Tendo por base a pesquisa desenvolvida por Patel et al. (2015), este trabalho tem por objetivo realizar um comparativo entre quatro técnicas de ML - Random Forest (RF), Redes Neurais Artificiais, Support Vector Machines (SVM) e o classificador Naive-Bayes - aplicadas na predição de tendência de alta/baixa de três índices de ações da bolsa de valores no Brasil (B3): IBOV (principal índice de ações), IEEX (índice de ações de empresas do setor elétrico) e SMLL (índice de empresas de menor capitalização); além de verificar qual das abordagens, domínio contínuo e domínio discreto, se mostrou mais efetiva quanto às previsões calculadas. Os dados de entrada para os modelos de ML foram dez indicadores técnicos e o horizonte temporal contemplado foi o de 2012 a 2021. Os resultados obtidos foram avaliados por meio das métricas F-measure e Acurácia e variaram entre 63% e 69% na abordagem contínua e 55% e 64% na abordagem discreta, contrapondo os achados de Patel et al. (2015).

Link da transmissão da defesa:

https://teams.microsoft.com/l/team/19%3aVg4LfLjSsbrcV-pkCWRRYCfDmJQlRDROvndSDIlUsb81%40thread.tacv2/conversations?groupId=faeecadc-7222-4d95-b8c6-f1a87730f93d&tenantId=cd5e6d23-cb99-4189-88ab-1a9021a0c451