Logotipo do repositório
 

Publicação:
Predição de tendências no mercado americano com Random Forest

Carregando...
Imagem de Miniatura

Orientador

Prado, Simone das Graças Domingues Prado

Coorientador

Pós-graduação

Curso de graduação

Bauru - FC - Ciência da Computação

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Estadual Paulista (Unesp)

Tipo

Trabalho de conclusão de curso

Direito de acesso

Acesso abertoAcesso Aberto

Resumo

Resumo (português)

Este estudo explora a aplicação de técnicas avançadas de inteligência artificial no contexto da análise e predição de movimentos no mercado financeiro, com ênfase na implementação de modelos de aprendizado de máquina para aprimorar a tomada de decisões de investimento. Dentre as abordagens desenvolvidas, destaca-se o modelo Random Forest, estruturado como um ensemble de múltiplas árvores de decisão para combinar de forma eficaz dados provenientes de indicadores financeiros amplamente utilizados. Tal abordagem visa à identificação precisa de sinais de compra e venda, capturando padrões complexos presentes nos ativos analisados. A análise de séries temporais foi aplicada em ativos selecionados do mercado financeiro americano, utilizando dados históricos para avaliar a capacidade preditiva do modelo, bem como sua eficácia na mitigação de riscos inerentes à volatilidade dos mercados. O processo de desenvolvimento incluiu técnicas de validação cruzada e tratamento dos dados, com o objetivo de maximizar o desempenho do modelo, reduzindo o sobreajuste e aprimorando sua generalização. Ademais, foi desenvolvida uma solução web que abrange tanto o treinamento de modelos quanto a visualização das oportunidades de compra e venda no mercado americano, permitindo ao usuário buscar ações específicas e obter resultados do modelo em tempo real, bem como se inscrever para receber notificações automáticas sempre que surgirem oportunidades de compra ou venda. Como res ultado, este trabalho apresenta uma aplicação automatizada e de alta confiabilidade que sugere oportunidades de investimento, evidenciando o potencial da inteligência artificial na análise preditiva do mercado financeiro.

Resumo (inglês)

This study explores the application of advanced artificial intelligence techniques in the context of analyzing and predicting movements in the financial market, with an emphasis on the implementation of machine learning models to enhance investment decision-making. Among the developed approaches, the Random Forest model stands out, structured as an ensemble of multiple decision trees to effectively combine data from widely used financial indicators. This approach aims to accurately identify buy and sell signals, capturing complex patterns present in the analyzed assets. Time series analysis was applied to selected assets from the American financial market, using historical data to assess the model’s predictive capacity as well as its effectiveness in mitigating risks inherent to market volatility. The development process included crossvalidation techniques and data treatment, aiming to maximize the model’s performance by reducing overfitting and enhancing generalization. Furthermore, a web solution was developed to encompass both model training and visualization of buy and sell opportunities in the American market, allowing users to search for specific stocks and obtain real-time model results, as well as subscribe to receive automatic notifications whenever buy or sell opportunities arise. As a result, this work presents an automated and highly reliable application that suggests investment opportunities, highlighting the potential of artificial intelligence in predictive analysis of the financial market.

Descrição

Palavras-chave

Inteligência artificial, Aprendizado de máquina, Floresta aleatória, Indicadores financeiros, Mercado financeiro americano, Artificial intelligence, Machine learning, Random forest, Financial indicators, American financial market

Idioma

Português

Como citar

PARIZOTTO, Gabriel Zanforlin. Predição de tendências no mercado americano com Random Forest. Orientador: Simone das Graças Domingues Prado. 2024. 56 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Estadual Paulista, Bauru, 2024.

Itens relacionados

Financiadores

Unidades

Departamentos

Cursos de graduação

Programas de pós-graduação