Título: Modelos de Previsão das Taxas de Juros dos Títulos IPCA do Tesouro Direto
Autores: Sérgio Luiz Rodrigues de Oliveira Junior, Rogerio Martins Gomes, Bruno André Santos and Fábio Rocha da Silva.
Resumo:
Lançada pelo Governo Federal brasileiro no final de 2002, a plataforma Tesouro Direto possibilita a compra de títulos públicos por pessoas físicas, caracterizando-o como um investimento de renda fixa seguro e mais rentável que a poupança. Considerando as variações que as taxas de juros desses títulos sofrem ao longo do tempo, existe a possibilidade de se obter lucros acima do acordado inicialmente com a compra/venda no momento certo. Assim, este trabalho propõe a utilização de modelos de aprendizado de máquina, mais precisamente das redes neurais MLP, CNN e LSTM, na tentativa de se criar um modelo de previsão das taxas de juros de quatro títulos pós-fixados do Tesouro Direto atrelados ao IPCA. Para isso, foram analisadas e definidas algumas features (características) da economia brasileira que poderiam impactar mais diretamente nas taxas do Tesouro Direto. Simulações computacionais foram realizadas com variações de presença dessas características nos conjuntos de dados para que o melhor modelo de previsão fosse identificado. Ao final, concluiu-se que a CNN apresenta um melhor resultado geral, mesmo se mostrando mais sensível à remoção de features. Em contrapartida, a MLP apresenta erros quase constantes, independentemente da variável que está sendo removida. Além disso, descobriu-se que o CDI, importante métrica de investimentos, impacta de forma negativa a capacidade de previsão dos modelos, devido a sua proximidade de valor com a taxa Selic.
Palavras-chave:
Tesouro Direto, Série temporal, CNN, LSTM, MLP, Títulos públicos.
Páginas: 8
Código DOI: 10.21528/CBIC2021-11
Artigo em pdf: CBIC_2021_paper_11.pdf
Arquivo BibTeX: CBIC_2021_11.bib