Título: Aplicação de Técnicas de Aprendizado de Máquina para Previsão do IBOVESPA
Autores: Matheus Hernandes, Leandro Coelho, Roberto Freire
Resumo: A previsão de mercados financeiros é uma tarefa desafiadora devido à complexidade dos dados que, quando analisados, geralmente são caóticos, dinâmicos e não-lineares. Estas características representam altos riscos para os investidores, portanto, a elaboração de modelos mais robustos para previsão de mercados financeiros é um tópico de interesse do setor. Além disso, a grande maioria dos estudos realizados foram feitos em economias já desenvolvidas. Neste contexto, este trabalho se propõe a aplicar métodos de Aprendizado de Máquina na previsão da bolsa de valores de São Paulo. Foram utilizadas quatro abordagens: Redes Neurais Artificiais (RNAs) com arquitetura feedforward; RNA associada a uma estrutura de modelo paramétrico não linear, auto-regressivo com entrada exógena (NARX, do inglês Nonlinear AutoRegressive with eXogenous inputs); Máquina de Vetores de Suporte com Mínimos Quadrados (LS-SVM, do inglês Least-Squares Support Vector Machines); LS-SVM também associada a estrutura de modelo NARX. Os modelos propostos foram validados utilizando três critérios de desempenho. Os modelos com estrutura NARX apresentaram qualidade de previsão superior aos métodos tradicionais, sendo que a LS-SVM NARX foi o método com melhor resultado nas etapas de treinamento, validação e teste. Para previsão de um passo à frente, a RNA NARX teve o melhor resultado. Já para a previsão livre considerando 5 e 22 dias, a LS-SVM NARX foi o método com melhor desempenho.
Palavras-chave: IBOVESPA, redes neurais artificiais, máquina de vetores de suporte com mínimos quadrados, aprendizado de máquina, modelo auto-regressivo.
Páginas: 8
Código DOI: 10.21528/CBIC2019-20
Artigo em pdf: CBIC2019-20.pdf
Arquivo BibTeX: CBIC2019-20.bib