Previsão de preços de ações da bolsa de valores por redes neurais artificiais

Abstract

Prever o comportamento do mercado de ações, é uma das grandes questões abordadas por investidores do mercado. A digitalização e o uso crescente de diferentes tecnologias para esse fim vem crescendo, acompanhando aumento do acesso à computadores com poder computacional elevado o suficiente para esse fim. A substituição do conhecimento e experiência de um investidor por uma previsão executada por meio de uma máquina, torna o processo mais eficiente e confiável pois não expõe a previsão à fatores de erro inerentes do ser humano. O uso de redes neurais artificiais (RNAs) em especial tem sido um tópico de atenção entre os usuários de tecnologia para previsão no mercado de ações, nos últimos 10 anos se viu uma crescente do uso desse método. Nesse trabalho se propõe o uso da RNA do tipo MLP com arquitetura feedfoward e treinamento via backpropagation, onde a série histórica do ativo BOVA 11 é o escolhido para uma previsão de valor de fechamento do dia seguinte; foi observado que com a divisão em períodos específicos, com tendências bem definidas da série, os resultados foram melhores, além da adição de variáveis para distinguir os dias úteis e dias da semana dos dados de entrada, no final foi obtido resultados satisfatórios em alguns cenários com taxas de MDA acima de 50%, além de taxas de MAPE inferiores a 2% para todas as divisões de período da série histórica nos melhores cenários para cada período.

Predicting the behavior of the stock market, is one of the biggest questions approached by the market investors, the digitalization and crescent use of different technologies for this end has been increasing, accompanying a rise of the access to computers with sufficient elevated power. The substitution of the investor’s knowledge and experience by a prediction executed by a machine, makes the process more efficient and reliable, because it takes off inherent mistake factors of the human being. The use of artificial neural networks (ANN) specially has been a topic of attention between technology users, specifically for predictions on the stock market, with a growing use in the last 10 years. On this work its proposed the use of an artificial neural network of the type MLP with a feedfoward architecture and backpropagation training, where the historic series is of the BOVA 11 asset is chosen for a prediction of the closing value, it was observed with the split of the series on intervals of well-defined tendencies, the results got better, besides the addition of input variables to distinguish between business days and week days, at the end it was achieved satisfactory results in some scenarios with MDA above 50%., besides a MAPE lower than 2% for all the intervals of historic series on the best scenarios for each interval.