Orientadores: Cristiano Torezzan, Fabiano Boaventura de Miranda

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas

Resumo: A previsão do comportamento do mercado financeiro, em específico o mercado de ações, é uma tarefa desafiadora que tem atraído investidores e pesquisadores de diferentes áreas nos últimos anos. A dificuldade é intensificada pela Hipótese do Mercado Eficiente (HME), que afirma que não é...

Resumo: A previsão do comportamento do mercado financeiro, em específico o mercado de ações, é uma tarefa desafiadora que tem atraído investidores e pesquisadores de diferentes áreas nos últimos anos. A dificuldade é intensificada pela Hipótese do Mercado Eficiente (HME), que afirma que não é possível prever uma série temporal do mercado financeiro, uma vez que os preços do mercado sempre refletem todas as informações disponíveis. Entretanto, no início do século XXI, estudos mostraram que os preços das ações são parcialmente previsíveis com base nos padrões de preços anteriores e evidenciaram a influência de fatores psicológicos e comportamentais nos preços dos ativos. Diante disso, a teoria de finanças comportamentais surgiu contrapondo-se à HME para explicar os comportamentos não racionais dos agentes do mercado em determinados momentos, levando a períodos de ineficiência do mercado. Essas janelas de tempo permitem alguma previsibilidade do comportamento do mercado considerando o uso de indicadores técnicos. A análise técnica baseia suas previsões em indicadores matemáticos construídos sobre o preço das ações e auxilia os investidores a definirem qual a tendência geral dos preços dos ativos. Trabalhos recentes têm obtido resultados promissores na predição de tendência do mercado. Neste trabalho, é proposto um modelo de aprendizado de máquina para predição de reações de curto prazo nos preços dos ativos do mercado brasileiro. Como dados de entrada são utilizados indicadores técnicos e, como saída, duas possíveis sugestões para o investidor: "Compra" ou "Neutro". De modo a reduzir eventuais perdas causadas por erros de classificação do modelo, foram propostas 5 estratégias de negociação, utilizando-se das ferramentas stop loss e stop gain. Os resultados das estratégias foram comparados à estratégia buy and hold, comumente utilizada no mercado. O modelo proposto apresentou precisão de até 70% nas indicações de "Compra", e ao ser associado com uma estratégia de negociação, o resultado superou a estratégia buy and hold em 96% das vezes

Abstract: The financial market forecast behavior, specifically the stock market, is a challenging task that has attracted investors and researchers from different areas in the last years. The difficulty is intensified by the Efficient Market Hypothesis (EMH), which states that it is not possible to...

Abstract: The financial market forecast behavior, specifically the stock market, is a challenging task that has attracted investors and researchers from different areas in the last years. The difficulty is intensified by the Efficient Market Hypothesis (EMH), which states that it is not possible to predict a financial market timeseries, since that market prices always reflect all available information. Although, at the beginning of the 21st century, studies have shown that stock prices are partially predictable based on previous price patterns and shown the influence of psychological and behavioral factors in stock prices. So, the theory of financial changes emerged to counter the EMH to explain the non-rational behaviors of market agents at certain times, leading to periods of market inefficiency. These time windows allow some predictability of the market behavior considering the use of technical indicators. The technical analysis bases its predictions on mathematical indicators built on the stock price and helps investors to define the general trend of asset prices. Recent studies have obtained promising results in predicting market trends. In this work, a machine learning model is proposed for short-term changes prediction in asset prices in the Brazilian market. As input data technical indicators are used and, as an output, two possible suggestions for investors: "Buy" or "Neutral". In order to reduce any losses caused by errors in the model’s classification, 5 negotiation strategies were proposed, using the stop loss and stop gain tools. The results of the strategies were compared to the buy and hold strategy, commonly used in the stock market. The proposed model presented an accuracy of up to 70% in "Buy" suggestions, and when associated with a strategy of trading, the result beat the buy and hold strategy 96% of the times

Requisitos do sistema: Software para leitura de arquivo em PDF