Modelo de análise multidisciplinar para previsão de tendência mensal na bolsa de valores brasileira

Abstract

O avanço tecnológico tem permitido uma ampla utilização de soluções computacionais no mercado financeiro, especialmente aquelas relacionadas às áreas de ciência de dados e inteligência artificial. Investidores e empresas de investimentos vêm buscando soluções que auxiliem sua tomada de decisão para a compra de ativos. Parte dessas soluções visa a previsão do preço dos ativos num curto espaço de tempo. Através da análise de séries temporais e da utilização de algoritmos de aprendizado de máquina diversas pesquisas têm se mostrado promissoras em sua capacidade de previsão. Contudo, a utilização das cotações históricas dos ativos tem se mostrado insuficiente para aumentar a precisão das previsões. O preço dos ativos possui um comportamento bastante diversificado, sofrendo a influência do cenário macroeconômico global ou local, do comportamento dos investidores em diferentes períodos do ano e do movimento de outros índices acionários. O trabalho busca construir um modelo de análise para previsão de tendências mensais na bolsa de valores que utilize um conjunto de indicadores macroeconômicos, efeitos comportamentais e comportamento de outros índices de ativos. Esse modelo é testado considerando o cenário brasileiro, sua bolsa de valores e seus indicadores macroeconômicos. Esse modelo apresentou resultados interessantes para a classificação mensal em meses de baixa ou de alta, obtendo, em sua média, resultados acima de 60% para os diferentes algoritmos aplicados.

Technological advances have allowed for a wider application of computational solutions within the financial market, especially those related to the areas of data science and artificial intelligence. Investors and investment companies have been searching for solutions that assist in their decision making for assets allocation, most of which aim at forecasting the assets price within a short-term. Via the analysis of time series and the use of Machine Learning algorithms, several researches show promise in their predictive capacity. However, the use of historical asset prices has proved insufficient in increasing the accuracy of forecasts. Asset prices reveal highly diversified behavior, influenced by the global or local macroeconomic scenario, the behavior of investors in different periods of the year and the movement of other stock indices. This work aims at building a monthly trend forecasting stock market analysis model, considering macroeconomic indicators, behavioral effects and movement of other asset indices. The model is tested bearing in mind the Brazilian scenario, its stock exchange and its macroeconomic indicators. The algorithm presented interesting results for sorting months into negative and positive returns, achieving, on average, results above 60% for the different algorithms applied.