Avaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPA

Abstract

O mercado de capitais é um mecanismo que possibilita o financiamento de empresas através de pessoas físicas poupadoras. Este instrumento assume um papel ímpar no desenvolvimento econômico de um país e possibilita a construção de patrimônio a longo prazo para os investidores. Entender e conseguir predizer o comportamento do mercado é de grande valia para investidores. O presente trabalho utilizou técnicas de Multilayer Perceptron e Long Short-Term Memory para prever o preço futuro das cinco empresas mais representativas do Ibovespa, que é principal índice do mercado brasileiro. Para construção dos algoritmos, utilizou-se a linguagem Python 3 e o ambiente em nuvem Google Collaboratory. Os modelos foram treinados e validados utilizando dados de 04 janeiro de 2010 a 05 de agosto de 2021 e testados com dados de 06 agosto até 30 de dezembro de 2021. Para encontrar o melhor conjunto de hiperparâmetros foi realizado uma otimização considerando 72 combinações distintas. Os resultados foram avaliados através do Root Mean Squared Error e demonstraram que as Multilayer Perceptron obtiveram um erro, na média, menor quando comparada as Long Short-Term Memory, e, portanto, foram consideradas a técnica mais segura para os investidores. Os resultados de RMSE obtidos para as empresas B3, Bradesco, Itaú, Petrobras e Vale, respecitvamente, foram de 0,37470; 0,44970; 0,69881; 0,64238; e 2,00160 para MLP contra 0,36930; 0,47892; 0,74098; 0, 65798; e 2,4009 para a LSTM. Por fim, os melhores resultados foram: B3 (0,36930), Bradesco (0,44970), Petrobras (0,64238), Itaú (0,69881) e Vale (2,00160).

The capital market is a mechanism that makes it possible to finance companies through savings of individuals person. This instrument plays a unique role in the economic development of a country and makes it possible to build long-term equity for investors. Understand and be able to predict market behavior is of great value to any investors. The present work used Multilayer Perceptron and Long Short-Term Memory techniques to predict the future value of the five most representative companies on the Ibovespa, which is the main index of the Brazilian market. To build the algorithms, it was used Python 3 language and the Google Collaboratory cloud environment. The models were trained and validated using data from January 4, 2010 to August 5, 2021 and tested with data from August 6 to December 30, 2021. To find the best set of hyperparameters, an optimization was performed considering 72 different topologies. The results were evaluated using the Root Mean Squared Error and showed that the Multilayer Perceptron obtained an error, on average, lower when compared to the Long Short-Term Memory, and therefore were considered the safest technique for investors. The RMSE results obtained for companies B3, Bradesco, Itaú, Petrobras and Vale, respectively, were 0,37470; 0,44970; 0,69881; 0,64238; and 2,00160 for MLP versus 0,36930; 0,47892; 0,74098; 0,65798; and 2,4009 for the LSTM. Finally, the best results were: B3 (0,36930), Bradesco (0,44970), Petrobras (0,64238), Itaú (0,69881) and Vale (2,00160).