1 - Vinicios Antônio Passos Balduino UNIVERSIDADE FEDERAL DO TRIÂNGULO MINEIRO (UFTM) - Uberaba
2 - Daniel Vitor Tartari Garruti UNIVERSIDADE FEDERAL DE UBERLÂNDIA (UFU) - Santa Mônica
3 - Leandro Cruvinel Lemes UNIVERSIDADE FEDERAL DO TRIÂNGULO MINEIRO (UFTM) - Instituto de Ciências Exatas e Tecnológicas
4 - Osmar Aléssio UNIVERSIDADE FEDERAL DO TRIÂNGULO MINEIRO (UFTM) - DEMAT/ICENE
Reumo
Devido ao desenvolvimento tecnológico ao qual a sociedade está submersa, a possibilidade da criação de ferramentas antes impensáveis ou impossíveis se torna realidade.
Com o grande volume de dados ao qual se pode ter acesso, analisar e tirar conclusões assertivas sem o auxílio de uma ferramenta torna o processo exaustivo. Diante disso, o objetivo deste estudo é realizar a previsão do preço de ações brasileiras com a utilização de técnicas de Inteligência Artificial.
Analisa-se no mercado financeiro duas principais hipóteses em relação ao seu funcionamento. A Hipótese de Mercado Eficiente defende que os preços dos ativos não são previsíveis por já possuir todas as informações refletidas, enquanto a Hipótese de Mercado Adaptativo defende ser possível realizar a previsão futura dos preços, pois os investidores não são totalmente racionais.
Este trabalho se dedica a explorar a criação de três modelos de rede neural recorrente do tipo LSTM para a previsão de preços máximos e mínimos de cinco ativos da bolsa brasileira, explorando testes de diferentes parâmetros e comparando os resultados a modelos teóricos como o passeio aleatório e média móvel.
Dos cinco ativos analisados, apenas um apresentou resultados melhores para a previsão quando utilizado o modelo teórico do passeio aleatório, enquanto os outros desempenharam melhores resultados com base no modelo de Inteligência Artificial.
Nota-se uma contraposição a Hipótese de Mercado Eficiente e um alinhamento com a Hipótese de Mercado Adaptativo, indo ao encontro de recentes estudos nacionais e evoluindo ao analisar diferentes setores da B3. Observou-se ainda uma contraposição a pesquisadores que utilizaram ferramentas para automatização de hiperparâmetros dos modelos de rede neural, oferecendo assim oportunidades de estudos futuros com outras ferramentas.
FAMA, Eugene F. Efficient capital markets: A review of theory and empirical work. The journal of Finance, v. 25, n. 2, p. 383-417, 1970.
LABOISSIERE, Leonel A.; FERNANDES, Ricardo A.S.; LAGE, Guilherme G. Maximum and minimum stock price forecasting of Brazilian power distribution companies based on artificial neural networks. Applied Soft Computing, v. 35, p. 66-74, 2015.
LO, A. W. The adaptive markets hypothesis. The Journal of Portfolio Management, Institutional Investor Journals Umbrella, v. 30, n. 5, p. 15–29, 2004.