Predição da direção dos preços de ativos do mercado financeiro usando aprendizagem de máquina

Abstract

A predição da direção de ativos do mercado financeiro encontra aplicações em investimentos, gestão de riscos e especulação. Sistemas preditivos capazes de auxiliar a tomada de decisão dos gestores financeiros, ou mesmo automatizar operações, podem gerar grandes lucros e portanto são objetos de intensa pesquisa. Contudo a predição dos mercados financeiros é tida como um formidável desafio, dadas as características não-lineares, não-estacionárias e de natureza caótica dos preços. Neste contexto, sistemas de aprendizagem de máquina encontram larga aplicação pela possibilidade de captura das características dos mercados por meio do treinamento sobre uma base histórica de cotações. Após o referido treino, os modelos de aprendizagem de máquina podem ser aplicados para reconhecer padrões que relacionam os valores das variáveis de entrada à direção dos preços de índices de mercado ou ações individuais. Portanto, os modelos de aprendizagem de máquina podem ser aplicados a variáveis selecionadas para predizer a direção de preços e índices. No entanto, os trabalhos geralmente focam num determinado mercado financeiro, com destaque para os de países desenvolvidos. Aplica-se, nesta Dissertação, Artificial Neural Network (ANN), Support Vector Machine (SVM), Random Forest (RF) e Naive-Bayes (NB) na predição da direção de preços de mercados e ativos de países desenvolvidos e em desenvolvimento. Além disso, também são realizadas predições para o dia seguinte, visando auferir as capacidades dos modelos para uso na construção de estratégias lucrativas. Como variáveis de entrada, são considerados indicadores da Análise Técnica (AT), usados em suas respectivas formas de valores contínuos e como indicadores discretos de tendência. Os resultados apontam que os modelos SVM, RF e NB obtêm as predições mais acuradas sobre a direção dos preços do dia atual, sem distinções significativas de desempenho entre si. Além disso, dentre os tipos de variáveis preditivas utilizadas, os indicadores discretos de tendência da AT proporcionam os melhores resultados para o dia atual, conforme descrito neste trabalho. Quanto às predições referentes ao dia seguinte, não há diferença significativa entre os desempenhos dos classificadores, todos com acurácia próxima à de um modelo aleatório de predição. Não são encontradas evidências de diferenças entre as predições sobre mercados desenvolvidos ou em desenvolvimento, tampouco entre ações ou índices de mercado.