Análise de séries temporais e previsão de lucro e/ou perda nas ações da empresa AMBEV S.A

Abstract

A bolsa de valores é um mercado de grande magnitude, cujo impacto afeta diretamente milhões de pessoas em todo o mundo. Devido à sua natureza global e alta volatilidade, caracterizada pelas constantes variações nos valores das ações, torna-se extremamente desafiador prever o comportamento desses ativos. A volatilidade dos valores, eventos geopolíticos adversos, como conflitos e crises, e fatores socioeconômicos internos podem influenciar significativamente o valor das ações na bolsa. Muitos investidores assumem grandes riscos na tentativa de obter lucro ou uma renda extra mensal. Diante dessa realidade, surgem metodologias que buscam facilitar a tomada de decisões e aumentar as chances de lucratividade. A aplicação de técnicas de machine learning e análise de dados tem se tornado cada vez mais comum no cotidiano das pessoas. A partir dos dados, é possível extrair informações valiosas e gerar ideias lucrativas. Nesse contexto, surge o questionamento sobre como a análise de dados e modelos preditivos podem auxiliar no mercado de ações. Poderíamos formar conjuntos de dados históricos e analisar seus padrões ao longo do tempo? Seria possível formular e testar várias hipóteses nesse sentido. Com base nesse questionamento, este trabalho propõe a análise de dados do mercado de ações, com foco específico na AMBEV. Por meio da análise de séries temporais e aplicação de modelos preditivos, busca-se identificar a melhor estratégia de tomada de decisão e estimar os lucros potenciais. Para alcançar esse objetivo, a coleta de dados é realizada inicialmente, seguida pela observação desses dados utilizando modelos de séries temporais e, posteriormente, pela aplicação de modelos preditivos. Esses modelos podem fornecer insights valiosos, como a identificação das ações mais viáveis, a avaliação dos riscos envolvidos e a estimativa da margem de lucratividade associada a cada uma delas. Dessa forma, a análise de dados e modelos preditivos se mostram ferramentas promissoras para auxiliar os investidores na tomada de decisões mais informadas e estratégicas no mercado de ações.

The stock market is a trillion-dollar market that directly and indirectly affects millions of people worldwide. Being a global and highly volatile market, with stock values fluctuating from minute to minute, predicting the value of a particular stock is extremely challenging. Factors such as volatility, geopolitical events (e.g., wars and conflicts), and internal social issues can significantly impact the value of stocks. Many shareholders take high risks to generate profits or even earn extra income at the end of the month. Based on this, various methods can be considered to facilitate actions and increase the likelihood of profit. The use of machine learning combined with data analysis is increasingly present in people's daily lives. With data, there is information, and with information, new ideas for profit can be generated. The question arises: How can data analysis and predictive models help us with the stock market? What if we collect a dataset and observe its patterns over time? Multiple hypotheses can be formulated and tested. Based on this question, this work proposes the analysis of stock market data, specifically focusing on AMBEV, and using time series analysis along with predictive models to determine the best decision-making approach for estimating potential profits. To achieve this goal, data collection is initially performed, followed by data observation using a time series model, and subsequently, predictive models are applied. This approach can provide a range of final observations, such as identifying the most viable actions, assessing their associated risks, and estimating their profitability margins. In summary, data analysis and predictive models present promising tools to assist investors in making informed and strategic decisions in the stock market