Mercado de ações: estudo da previsibilidade utilizando séries temporais aplicadas em machine learning
Carregando...
Tipo
TCC
Data de publicação
2019-12
Periódico
Citações (Scopus)
Autores
Defacio, Felipe Seixas
Bronzati, Vitor Ribeiro
Bronzati, Vitor Ribeiro
Orientador
Silva, Gustavo Rocha da
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Programa
Resumo
Este trabalho se propõe a estudar a previsão de séries temporais com os dados de Fechamento das
ações da Vale SA e os valores das Cotas do fundo de investimento AIG SEGUROS. Para a previsão
serão utilizados cinco diferentes métodos de machine learning aplicando scripts em Python e
bibliotecas específicas, sendo eles: Média Móvel, Regressão Linear, K-Nearest Neighbors, Auto
ARIMA e Prophet do Facebook. Através desse estudo será mostrado como métodos computacionais
podem contribuir na realização de investimentos. Nesse sentido, a melhor performance para o
conjunto da Vale SA foi obtida pela técnica K-Nearest Neighbors e a pior pela Regressão Linear.
Ainda assim, mesmo com o método KNN os valores previstos estão distantes dos valores reais e
apresentam um erro RMS elevado e por isso não podem ser os únicos parâmetros a serem avaliados
na hora de realizar investimentos. Com os dados do fundo de investimento por outro lado, o melhor
desempenho foi decorrente do método Prophet do Facebook, e o pior pelo K-Nearest Neighbors.
Neste caso, os erros obtidos foram pequenos e abaixo de 10 e podem ser utilizados como método de
análise de tendências de fundos.
Descrição
Palavras-chave
stock market forecast , machine learning , moving avarage , linear regression , k-nearest neighbor , arima , fbprophet , investimentos , cotas do fundo de investimento , métodos de machine learning