Publicação: Previsão de preços de ações no setor bancário brasileiro por meio do uso de redes neurais recorrentes de tipo LSTM
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS SOCIAIS APLICADAS
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
A partir da concepção da Hipótese dos Mercados Adaptativos (HMA), estudos aplicando
técnicas de aprendizado de máquina surgiram para identificar como é possível obter
ganhos financeiros acima da média a partir de previsões. O objetivo deste estudo é realizar
previsões com modelos baseados em redes neurais de tipo Long Short-Term Memory
(LSTM) a respeito do preço de fechamento de 5 dos principais bancos em atividade
no mercado brasileiro, utilizando variáveis macroeconômicas e indicadores do sistema
CAMELS. Os resultados demonstraram que, de forma geral, os modelos propostos não
foram capazes de generalizar novos dados e produzir previsões melhores do que o modelo
teórico do Random Walk (RW). Testes de Diebold-Mariano foram realizados comparando
as métricas produzidas pelos modelos LSTM em relação àquelas produzidas pelo modelo
teórico. Devido a significância estatística verificada, há indícios de que os ativos analisados
seguem a teoria da eficiência de mercado. No entanto, cenários específicos demonstraram
que o modelo foi capaz de produzir previsões superiores às do modelo Random Walk,
abrindo caminhos e oportunidades para que novos estudos possam ser desenvolvidos a fim
de aprofundar as discussões.
Abstract
From the conception of the Adaptive Markets Hypothesis (AMH), studies applying machine learning techniques have emerged to identify how it is possible to achieve financial gains through predictions. The aim of this study is to make predictions with models based on Long Short-Term Memory (LSTM) neural networks regarding the closing price of five major banks operating in the Brazilian market, using macroeconomic variables and indicators from the CAMELS system. The results demonstrated that, overall, the proposed models were unable to generalize new data and produce better forecasts than the theoretical Random Walk (RW) model. Diebold-Mariano tests were conducted comparing the metrics produced by the LSTM models to those produced by the theoretical model. Due to the observed statistical significance, there are indications that the analyzed assets follow the efficient market theory. However, specific scenarios showed that the model was able to produce superior forecasts to the Random Walk model, opening paths and opportunities for new studies to deepen the discussions.
Palavras-chave
Previsão de preços, Machine learning, LSTM, Setor bancário brasileiro
Citação
MORAIS, Marcos Antenor de Souza. Previsão de preços de ações no setor bancário brasileiro por meio do uso de redes neurais recorrentes de tipo LSTM. 2023. 48 f. Trabalho de Conclusão de Curso (Graduação em Gestão da Informação) – Universidade Federal de Uberlândia, Uberlândia, 2023.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto