Aplicação de redes neurais artificiais na sugestão de investimentos

Abstract

Este trabalho apresenta um meio de treinar uma Rede Neural Artificial para oferecimento de produtos de investimento que melhorem o rendimento de clientes, porém, mantendo-os adequados ao seu padrão de investimento. Através da utilização dos dados de clientes com a maior rentabilidade em suas carteiras de investimento e alinhados ao seu perfil de investidor, a rede é treinada. Cada aplicação feita pelos melhores clientes se torna a saída da rede neural, a carteia atual de produtos de cada cliente, assim como o perfil escolhido pelo mesmo, se tornam a entrada. Após o treinamento, a validade da rede é verificada para garantir que houve o aumento da rentabilidade na maioria dos casos. Dessa forma, clientes que estejam em situação semelhante, podem melhorar seus investimentos através de consulta à rede. Devido ao grande volume de dados, técnicas para otimizar a performance, como a utilização de placas de gráficas no processamento, foram utilizadas.Também foram observadas técnicas para a compensação do desbalanceamento dos dados, que resultaram na utilização de uma metodologia pouco ortodoxa, mas de grande efetividade, no tratamento desse desbalanceamento. Bibliotecas pré-formatadas para trabalho com redes neurais através da linguagem de programação Python também foram utilizadas, o que diminuiu o tempo de criação das redes. Melhorias futuras incluem evolução do algoritmo, testes com outros métodos de inteligência artificial e previsão de comportamento de mercado.