Resumo

A academia postula duas hipóteses relevantes sobre o mercado financeiro, sendo uma que supõe a impossibilidade de prever os preços dos ativos e outra que acredita ser possível. Logo, é importante realizar estudos que verifiquem essas suposições.

Nos dias atuais é possível notar um aumento na utilização de Redes Neurais Artificiais (RNA) para realizar previsões, por possuírem uma capacidade em lidar com uma grande gama de conhecimento, podendo assim serem utilizadas para prever preços no mercado financeiro. Outro ponto é a sustentabilidade nos investimentos, fazendo os investidores buscarem lucros com o mercado imobiliário sem deixarem de lado a preocupação com o que os empresas/fundos que elas investem fazem para melhorar os impactos deixados na natureza e na sociedade.

Esse estudo visa realizar uma previsão de preços máximos e mínimos por meio de RNAs para cotações de fundos imobiliários americanos (REITs) considerados sustentáveis devido às suas certificações ESG. Adicionalmente, verifica-se a hipótese de eficiência do mercado na forma fraca para os ativos analisados.

Foram utilizados dados de 18 green REITs com dados disponíveis entre 2018 e 2022. Os modelos escolhidos para realizar a previsão desses ativos foram o Long Short Term Memory (LSTM), que vem demonstrando resultados superiores em diversos casos semelhantes; e o Random Walk (RW), sendo este o modelo teórico a ser superado. As previsões foram analisadas usando 3 métricas de erro comumente aplicadas na literatura.

Os resultados encontrados pelo LSTM foram comparados aos do RW para verificar qual dos modelos apresentam uma previsão de preços máximos e mínimos mais precisa. Eles indicaram que o modelo RW obteve um melhor desempenho sobre o LSTM na lista de ativos utilizada. Dessa forma, foi possível inferir que os preços dos green REITs analisados foram previstos de melhor maneira pelo RW, corroborando assim para a hipótese de mercado eficiente, onde os preços dos ativos já refletem as informações do mercado.

O estudo contribui para o avanço do conhecimento nas áreas de inteligência artificial e finanças, incentivando a pesquisa e a colaboração entre esses campos interdisciplinares. Ao utilizar técnicas de ponta em inteligência artificial, o estudo pode inspirar outras pesquisas e projetos inovadores na interseção entre ciência de dados e finanças. Além disso, maior eficiência do mercado financeiro e desenvolvimento de aplicações práticas podem ter impactos econômicos positivos, gerando resultados financeiros mais favoráveis para os investidores e contribuindo para o crescimento econômico geral.