Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/29897
ORCID:  http://orcid.org/0000-0003-0933-5184
Document type: Dissertação
Access type: Acesso Aberto
Title: Algoritmos de machine learning para previsão de ações da B3
Alternate title (s): Machine learning algorithms for forecasting B3 actions
Author: Santos, Gustavo Carvalho
First Advisor: Veiga, Antônio Cláudio Paschoarelli
First coorientator: Barboza, Flávio Luiz de Moraes
First member of the Committee: Carneiro, Milena Bueno Pereira
Second member of the Committee: Silva, Geraldo Nunes
Summary: A predição de movimento nos preços do mercado de ações tem sido uma área importante na pesquisa de algoritmos de machine learning nos últimos anos, devido a seu conteúdo complexo e dinâmico. Além disso, a volatilidade típica do mercado de ações torna a tarefa da previsão mais difícil. Dessa forma, este trabalho tem como objetivo propor uma metodologia que preveja a tendência das ações de três empresas negociadas na bolsa de valores brasileira. Por conseguinte, deseja-se facilitar o reconhecimento de movimentações no mercado, além de auxiliar a tomada de decisão para investidores. Ademais, este trabalho propõe comparar as predições dos papeis usando três algoritmos de aprendizado de máquina: Random Forest, Redes Neurais Artificiais e Support Vector Machines. Além disso, é proposto o uso de uma função (kernel-SVM) – utilizada para reconhecimento de imagens – para contornar o problema das previsões. Indicadores técnicos (tais como o Índice de Força Relativa, o oscilador estocástico, entre outros), são usados como entradas para treinar os modelos. Por fim, os resultados são avaliados por meio de indicadores de performance como acurácia, precisão, 𝑟𝑒𝑐𝑎𝑙𝑙 e especificidade. A eficiência dos modelos depende da técnica de separação das amostras de treino e teste empregadas, variando entre 18% e 76% de acurácia para técnica de separação temporal, contra 71% e 97% da técnica de separação aleatória.
Abstract: The prediction of movement in stock market prices has been an interesting area in the research of machine learning algorithms in recent years, due to its complex and dynamic content. In addition, typical stock market volatility makes forecasting more difficult. Thus, this work aims to propose a methodology that predicts the trend of the shares of three Brazilian companies traded on the Brazilian stock exchange. Therefore, we want to facilitate the recognition of movements in the market, in addition to assisting decision-making for investors. Furthermore, this work proposes to compare the predictions of the assets using three powerful machine learning algorithms, known as Random Forest, Artificial Neural Networks and Support Vector Machines. In addition, we propose to use a function (kernel-SVM) -- used for image recognition -- to solve the prediction problem. Technical indicators (such as the Relative Strength Index, the stochastic oscillator, among others) are used as inputs to train the models. Finally, we evaluate perfomance indicators such as accuracy, precision, recall and specificity. The efficiency of the models depends on the technique of separating the training and test samples used, varying between 18% and 76% of accuracy for the temporal separation technique against 71\% and 97\% of the random separation technique.
Keywords: Inteligência Artificial
Aprendizado de Máquina
Ibovespa
Classificação
Mercado de Ações
Artificial Intelligence
Classification
Stock Market
Machine Learning
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS
CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO DE EMPRESAS::ADMINISTRACAO FINANCEIRA
Subject: Aprendizado do computador
Ações (Finanças)
Inteligência artificial
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Engenharia Elétrica
Quote: SANTOS, Gustavo Carvalho. Algoritmos de Machine Learning para previsão da B3. 2020. 90 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2020. Disponível em: https://doi.org/10.14393/ufu.di.2020.640.
Document identifier: https://doi.org/10.14393/ufu.di.2020.640
URI: https://repositorio.ufu.br/handle/123456789/29897
Date of defense: 9-Sep-2020
Appears in Collections:DISSERTAÇÃO - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
AlgoritmosMachineLearning.pdf4.83 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons