APRENDIZADO CONJUNTO APLICADO NA PREDIÇÃO DO MERCADO DE AÇÕES BRASILEIRO
A previsão do mercado de ações é considerada uma tarefa complexa, envolvendo áreas interdisciplinares como estatística, economia e computação. Com o avanço das técnicas de machine learning, tal prática se tornou um recurso bastante utilizado para a maximização de lucros do mercado. É crescente o número de investidores e pesquisadores desse âmbito em cenário nacional, no entanto, após pesquisa bibliográfica realizada, não foram encontrados trabalhos que utilizam modelos que fazem combinação de técnicas de machine learning. Este trabalho apresenta o Stock Market Ensemble Predictor (SMARTER), um modelo de aprendizado de máquina que combina diferentes técnicas de regressão, desenvolvido com o objetivo de realizar análises preditivas sobre dados históricos do mercado de ações brasileiro, visando aumentar a acurácia da precisão por meio da combinação dos resultados de múltiplas abordagens. Obteve-se com as técnicas OLS e Bayesian Ridge, aliado a técnica de Voting, o maior coeficiente de determinação R² médio dentre as combinações testadas. O valor alcançado foi de 0,914864, formando um modelo mais confiável, aumentando a acurácia da precisão do resultado.
APRENDIZADO CONJUNTO APLICADO NA PREDIÇÃO DO MERCADO DE AÇÕES BRASILEIRO
-
DOI: 10.22533/at.ed.45521160412
-
Palavras-chave: Bolsa de valores. Previsão. Aprendizado do computador.
-
Keywords: Stock exchanges. Forecasting. Machine learning.
-
Abstract:
Forecasting the stock market is considered a complex task, involving interdisciplinary areas such as statistics, economics and computing. With the advancement of machine learning techniques, this practice has become a widely used resource for maximizing market profits. The number of investors and researchers in this field is growing in the national scenario, however, after a bibliographic research, no studies were found using models that combine machine learning techniques. This paper presents the Stock Market Ensemble Predictor (SMARTER), a machine learning model that combines different regression techniques, developed with the objective of performing predictive analyzes on historical data from the Brazilian stock market, aiming to increase the accuracy of precision through combining the results of multiple approaches. With the OLS and Bayesian Ridge techniques, combined with the Voting technique, the highest average coefficient of determination R² among the tested combinations was obtained. the value reached was 0.914864, forming a more reliable model, increasing the accuracy of the precision of the result.
-
Número de páginas: 13
- Giovani Volnei Meinerz
- Érica Ferreira de Souza
- Alvaro Pedroso Queiroz
