Resumo

Título do Artigo

PREVISÃO DE SÉRIES TEMPORAIS: UMA APLICAÇÃO DAS REDES NEURAIS ARTIFICIAIS AO IBOVESPA
Abrir Arquivo

Palavras Chave

Função de base radial
Carteira de Mercado
Agregados Macroeconômicos

Área

Finanças

Tema

Técnicas de Investimento

Autores

Nome
1 - CESAR HENRIQUE BARRERA MARTINS
CENTRO UNIVERSITÁRIO ÁLVARES PENTEADO (FECAP) - liberdade
2 - GABRIEL HOSSRI MATHEOS POLICASTRO
CENTRO UNIVERSITÁRIO ÁLVARES PENTEADO (FECAP) - Liberdade
3 - JEFFERSON ALVICO
CENTRO UNIVERSITÁRIO ÁLVARES PENTEADO (FECAP) - Liberdade
4 - Marcel Soléo Tartaglioni
CENTRO UNIVERSITÁRIO ÁLVARES PENTEADO (FECAP) - Liberdade
5 - Matheus Parizi Martins de Moraes
CENTRO UNIVERSITÁRIO ÁLVARES PENTEADO (FECAP) - Liberdade

Reumo

O presente estudo se propõe a treinar uma rede neural artificial para prever uma série temporal, pleiteando assim responder à pergunta: uma rede neural artificial, que tenha como variáveis os agregados macroeconômicos, inflação, calculada pelo IPCA, a taxa câmbio que é refletida sobre a variação do dólar (PTAX), e a taxa básica de juros, a Selic meta, pode prever o comportamento do Ibovespa para um, seis e doze meses à frente?
A pesquisa busca identificar se os agregados macroeconômicos podem servir de parâmetros para realizar a previsão da série de retornos do Ibovespa e se uma rede neural artificial se mostra adequada para a previsão.
Foram usados como fundamentação teórica, artigos e livros sobre previsão de séries temporais, redes neurais artificiais, função de base radial, carteira de mercado e sobre os agregados macroeconômicos juros, taxa de câmbio e inflação.
Tendo em vista o conteúdo e os objetivos propostos, a abordagem da pesquisa será eminentemente quantitativa, descritiva e ex-post facto.Os dados empregados no estudo correspondem às séries históricas mensais, anuais e semestrais dos seguintes indicadores: • Ibovespa • IPCA • Cotação do Dólar Comercial Compra (PTAX) • Taxa SELIC
Após a modelagem da rede atingir os parâmetros de aprendizagem desejado, partiu-se para a extrapolação do intervalo de aprendizagem. Os dados reais das variáveis independentes do período t foram inseridas na rede para a realização da previsão do valor da série em t+1. Esse processo se repetiu até completar o intervalo da série temporal destinado ao teste da modelagem. O resultado obtido na sáida da rede foi comparado ao resultado real do Ibovespa.
A modelagem apresentou-se capaz de prever com razoável precisão a série histórica do Ibovespa na defasagem de um e seis meses, sendo insatisfatória na defasagem de doze meses.
ASSAF, N. A. Mercado financeiro. 8. ed. São Paulo: Atlas, 2008. BISHOP, C. M. Neural networks for pattern recognition. New York: Oxford University Press, 2004. BM&FBOVESPA. Índice Brasil 100 (IBrX 100). Disponível em: . Acesso em: 30 de mar. 2016. GIL, A. C. Como elaborar projetos de pesquisa. São Paulo: atlas, 2002. GRÔPPO, S. G. Causalidade de variáveis macroeconômicas sobre o IBOVESPA. Dissertação de Mestrado – Escola Superior de Agricultura Luiz de Queiroz, Piracicaba, 2004.