MACHINE LEARNING APLICADO EM AÇÕES NO MERCADO FINANCEIRO B3

Autores

  • Bruno Mattos Braga UNOESTE - Universidade do Oeste Paulista
  • Robson Augusto Siscoutto
  • Leandro Luiz de Almeida
  • Francisco Assis da Silva

Palavras-chave:

Inteligência Artificial, Bolsa de Valores, Candlestick

Resumo

Todos os dias novos CPFs são cadastrados na bolsa de valores, pessoas buscando maior rentabilidade, se expondo a grandes riscos sem ao menos saber analisar as melhores oportunidades. Sempre que se inicia a aprender algo é normal ter muitas dificuldades e desafios, pois o ato de conhecer algo “novo” é desafiador, ainda mais quando envolve dinheiro. Sendo
assim, foi realizada uma análise comparativa entre alguns dos métodos de Inteligência Artificial aplicados em padrões na bolsa de valores, visando melhorar a assertividade das operações realizadas, tendo sua eficiência estatisticamente comprovada aumentando as chances das operações serem vencedoras. Os algoritmos foram treinados separadamente a partir de dados
históricos de cinco ações, sendo elas: Petrobrás, Itaú, Bradesco, Vale e Ambev utilizando os algoritmos de Regressão Linear, Support Vector Machine (SVM), K Nearest Neighbor (KNN), Floresta Aleatória e Árvores de Decisão. Mas podendo ser aplicado a qualquer outro ativo.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

ALI, N., NEAGU, D. & TRUNDLE, P. Evaluation of k-nearest neighbour classifier performance for heterogeneous data sets. SN Appl. Sci. 1, 1559 (2019). https://doi.org/10.1007/s42452-019-1356-9

CAMPOS, R.. Árvores de Decisão. 2017. Disponível em: https://medium.com/machine-learning-beyond-deep-learning/%C3%A1rvores-de-decis%C3%A3o-3f52f6420b69. Acesso em: 14 dez. 2021.

CARVALHO, V. P.. Previsão de séries temporais no mercado financeiro de ações com o uso de rede neural artificial. 2018. 59 f. Dissertação( Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2018. Disponível em: http://tede.mackenzie.br/jspui/bitstream/tede/3710/6/VALTER%20PEREIRA%20DE%20CARVALHO.pdf. Acesso em: 15 dez. 2021.

DANTAS, S. G. Utilização de aprendizado por reforço para operações em bolsa de valores. 2017. 75 f. Trabalho de Conclusão Curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2017. Disponível em: https://bdm.unb.br/handle/10483/28761. Acesso em: 15 dez. 2017.

DIDÁTICA Tech Inteligência Artificial & Data Science: O que é e como funciona o algoritmo KNN?. O que é e como funciona o algoritmo KNN?. 2020. Disponível em: https://didatica.tech/o-que-e-e-como-funciona-o-algoritmo-knn/. Acesso em: 14 dez. 2021.

GIACOMEL, F. S. Um método algorítmico para operações na bolsa de valores baseado em ensembles de redes neurais para modelar e prever os movimentos dos mercados de ações. 2016. Dissertação (Mestado em Ciência da Computação) – Porto Alegre, RS, 2016. Disponível em: https://www.lume.ufrgs.br/bitstream/handle/10183/134586/000988403.pdf?sequence=1&isAllowed=y. Acesso em: 15 dez. 2021.

IGARASHI, W.; VALDEVIESO, G. S.; IGARASHI, D. C. C. Análise de sentimentos e indicadores técnicos, a partir da correlação dos preços de ações com a polaridade de notícias do mercado financeiro. Braz. J. of Bus., Curitiba, v. 3, n. 1, p. 470-486 jan. /mar. 20212020. Disponível em: https://admpg.com.br/2020/anais/arquivos/08132020_130853_5f3564e14a5c9.pdf. Acesso em: 15 dez. 2021.

KHAIDEM, L.; SAHA, S.; DEY, S. R. Predicting the direction of stock market prices

using random forest. arXiv preprint arXiv:1605.00003, 04 2016. Acesso em: 14 dez. 2021.

JOSÉ, I.. KNN (K-Nearest Neighbors). Disponível em: https://medium.com/brasil-ai/knn-k-nearest-neighbors-1-e140c82e9c4e. Acesso em: 14 dez. 2021.

KAUPA, P. H. Aplicação de técnicas da inteligência artificial na seleção de ações para investimento na bolsa de valores de São Paulo. 2013. Mestrado (Engenharia de Produção) – Univove, São Paulo SP, 2013. Disponível em: http://bibliotecatede.uninove.br/handle/tede/200. Acesso em: 15 dez. 2021.

LIMA, M. L.. Um modelo para predição de bolsa de valores baseado em mineração de opinião. 2016. Dissertação (Mestrado em Engenharia de Eletricidade) – Universidade Federal do Maranhão, São Luis, MA, 2016 Disponível em: https://tedebc.ufma.br/jspui/handle/tede/297. Acesso em: 15 dez. 2021.

NALEPA, J.; KAWULOK, M. Selecting training sets for support vector machines: a review. Artif Intell Rev., v. 52, 857–900, 2019. https://doi.org/10.1007/s10462-017-9611-1.

PATEL, S.. Chapter 2: SVM (Support Vector Machine) — Theory. 2017. Disponível em: https://medium.com/machine-learning-101/chapter-2-svm-support-vector-machine-theory-f0812effc72. Acesso em: 14 dez. 2021.

PONTES, P. Inteligência artificial nos investimentos. 2011. Disponível em: https://books.google.com.br/books?hl=pt-BR&lr=&id=A-V7DwAAQBAJ&oi=fnd&pg=PA4&dq=Inteligencia+artificial+Bolsa+de+valores&ots=Si2PSQJyYP&sig=X5NFq3RX6yJYcKPiq5Tbzavl_Vw#v=onepage&q=Inteligencia%20artificial%20Bolsa%20de%20valores&f=false. Acesso em: 15 dez. 2021.

SANTOS, G. C. Algoritmos de machine learning para previsão de ações da B3. 2020. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2020. DOI https://doi.org/10.14393/ufu.di.2020.640. Disponível em: https://repositorio.ufu.br/bitstream/123456789/29897/7/AlgoritmosMachineLearning.pdf. Acesso em: 15 dez. 2021.

SCHEREMETA, L. J. P..Desenvolvimento e avaliação de rede neural aplicada em operações em bolsa de valores. 2021. Trabalho de Conclusão de Curso (Bacharel em Engenharia de Controle e Automação) - Instituto de Ciência e Tecnologia de Sorocaba, Universidade Estadual Paulista (UNESP), Sorocaba, 2021. Disponível em: https://www.sorocaba.unesp.br/Home/Graduacao/EngenhariadeControleeAutomacao/galdenoro1906/final-tcc-_lucas_scheremeta_2021.pdf. Acesso em: 15 dez. 2021.

SILVA, A. F. Estudo de Caso: Estratégia de lucro na bolsa de valores utilizando algoritmos preditivos. 2021. Trabalho de Conclusão de Curso (Bacharel em Ciências da Computação) - Pontifícia Universidade Católica de Goiás, Goiânia, GO, 2021. Disponível em: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/1510. Acesso em: 15 dez. 2021.

TicTacTec LLC. TA-Lib: Technical Analysis Library. 2012. Disponível em: https://ta-lib.org/http://www.ta-lib.org/. Acesso em: 14 dez. 2021.

Downloads

Publicado

2022-07-04

Como Citar

MACHINE LEARNING APLICADO EM AÇÕES NO MERCADO FINANCEIRO B3. (2022). Colloquium Exactarum. ISSN: 2178-8332, 14(1), 57-66. https://revistas.unoeste.br/index.php/ce/article/view/4281

Artigos Semelhantes

1-10 de 408

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.

Artigos mais lidos pelo mesmo(s) autor(es)

1 2 3 4 > >>