Eventos Anais de eventos
COBEF 2023
12th Brazilian Congress on Manufacturing Engineering
PREDIÇÃO VIA MACHINE LEARNING DE SÉRIES TEMPORAIS MULTIVARIÁVEIS COM APLICAÇÃO EM PORTFÓLIO DE AÇÕES
Submission Author:
Fábio Oliveira Guimarães , DF
Co-Authors:
Fábio Oliveira Guimarães, José Alfredo Ruiz Vargas
Presenter: Fábio Oliveira Guimarães
doi://10.26678/ABCM.COBEF2023.COF23-0061
Abstract
Neste trabalho propõe-se a construção de um sistema de compra e venda de ativos por meio da predição das cotações de ações do mercado financeiro brasileiro, via séries temporais, a partir de um modelo LSTM, avaliando a sua eficácia e desempenho de processamento na utilização do paradigma offline. O Contexto do trabalho é a bolsa de valores brasileira, mais precisamente os ativos que compõe o índice Ibovespa, principal indicador da Bolsa de Valores (BOVESPA). A relevância do trabalho está na pouca literatura existente referente ao mercado acionário brasileiro, na dificuldade dos acionistas na utilização de plataformas de day trade, muitas vezes pagas, e por conta do aumento do número de investidores brasileiros no mercado de renda variável. Por isso, a construção de técnica de negociação de ativos (ações) atrelada a um modelo de Deep Learning ajudará a dar uma maior segurança e, porque não, um maior retorno aos investidores com baixa experiência no investimento de ativos de alto risco. Autor: Fábio Oliveira Guimarães – guimaraes.fabio@aluno.unb.br Coautor: José Alfredo Ruiz Vargas - vargas@ene.unb.br
Keywords
Aprendizado de Máquina, séries temporais, Bolsa de Valores, Predição, Estratégia de Compra e Venda
