Resumo: O desenvolvimento da economia global permite a empresas abrirem o seu capital com o objetivo de obter recursos financeiros para acelerar o seu crescimento. Esse cenário atrai investidores que desejam lucratividade nos mercados financeiros. Assim, a literatura apresenta diversas técnicas voltadas para previsão e análise do mercado financeiro, em especial o mercado de ações. Nesse contexto, destacam-se duas abordagens distintas, denominadas análise técnica e fundamentalista. Enquanto a análise técnica procura prever o mercado tendo como base indicadores calculados considerando o preço passado das ações, a análise fundamentalista considera dados oriundos de notícias, rentabilidade e fatores macroeconômicos. No entanto, a junção de ambas as escolas de pensamento em um único sistema de previsão do mercado de ações ainda é um tópico em aberto na literatura. Por um lado, o uso de Redes Neurais Artificiais (RNAs), principalmente RNAs profundas, tem se mostrado uma abordagem interessante para previsão de valores futuros do mercado de ações, sendo empregadas em muitos problemas voltados à análise técnica. Essas redes têm apresentado melhores resultados de previsão quando comparadas aos modelos estatísticos tradicionais, que utilizam normalmente dados vindos de séries temporais de valores de ações e indicadores técnicos. Por outro lado, mais recentemente, surgiram trabalhos na literatura indicando o uso de Análise de Sentimentos (AS) aplicada a notícias financeiras como um importante indicativo voltado à análise fundamentalista para a previsão da oscilação do mercado acionário. Apesar dos esforços recentes para combinar o uso dessas fontes de dados, a literatura carece de trabalhos em que essas estratégias sejam executadas em uma abordagem totalmente baseada em RNAs profundas, que têm obtido resultados do estado da arte em muitas tarefas de regressão e classificação. Portanto, no sentido de apoiar o processo de tomada de decisão e previsão frente ao grande número de informações disponíveis, este trabalho tem como objetivo principal apresentar uma abordagem de previsão do mercado de ações brasileiro por meio de Aprendizado Profundo, integrando dados voltados tanto à análise técnica quanto à análise fundamentalista, a saber: séries temporais de valores de ações, indicadores técnicos, e de Análise de Sentimentos aplicada a notícias. Os experimentos foram realizados com dados do período de 2010 a 2019, tanto do índice Ibovespa quanto de empresas relevantes do mercado de ações brasileiro: Banco do Brasil, Itaú, Ambev e Gerdau. Os resultados mostram que a combinação de preços de ações, indicadores técnicos e notícias melhora a previsão do mercado de ações considerando tanto o erro de previsão quanto o valor final do investimento Ver menos

Abstract: The global economy has led companies to open their capital to obtain resources to accelerate their growth. This scenario attracts investors who want to profit, stimulating the science community to develop techniques to forecast and analyze the stock market. Thus, two distinct approaches are highlighted, namely technical and fundamental analyses. While technical analysis tries to predict the stock market based on indicators calculated considering the past stock prices, fundamental analysis considers data from news, profitability, and macroeconomic factors. However, the combination of both schools of thought into a single stock market prediction system is still an open challenge in the literature. On the one hand, the use of Artificial Neural Networks (ANNs), mainly deep ANNs, has been shown to be an interesting approach to predicting future stock market values, being employed mainly in technical analysis. These ANNs have shown better prediction results when compared to traditional statistical models, which generally use stock prices and technical indicators as a data source. On the other hand, more recently, studies have indicated that Sentiment Analysis (SA) applied to financial news as an important fundamental analysis indicator to predict the stock market movement. Despite recent efforts to combine the use of these data sources, the literature lacks works in which these strategies are performed in an approach entirely based on deep ANNs, which have obtained state-of-the-art results in many regression and classification tasks. Therefore, in order to support the decision-making and forecasting process considering a large amount of available information, this work aims to present an approach to predict the Brazilian stock market through Deep Learning, integrating data of both technical and fundamental analysis, namely: stock prices, technical indicators, and financial news. The experiments were performed with data from 2010 to 2019, considering the Ibovespa index and the following relevant companies of the Brazilian stock market: Banco do Brasil, Itaú, Ambev, and Gerdau. The results show that the combination of stock prices, technical indicators, and news improves stock market prediction considering both the prediction error and the return on investment Ver menos