Uma avaliação da capacidade de previsão de modelos de aprendizagem automática para índices de ações

Abstract

O objetivo deste trabalho foi analisar a capacidade das redes neurais artificiais na previsão de preços, retorno e risco dos principais índices de ações de países desenvolvidos e em desenvolvimento. Para isso, fizemos o uso dos algoritmos de aprendizagem de máquina: Levenberg- Marquardt, Bayesian Regularization e Scaled Conjugate Gradient, atrelados aos dados diários e semanais dos índices de ações do período entre 8 de janeiro de 2010 e 31 de dezembro de 2017. Os modelos apresentaram resultados satisfatórios na previsão de preço e risco histórico, notadamente: Levenberg-Marquardt e Bayesian Regularization. Por outro lado, retorno e risco implícito apresentaram características de passeio aleatório, tanto em países emergentes quanto desenvolvidos, reforçando a hipótese de eficiência do mercado. Efeitos nos retornos de padrões comportamentais não foram identificados pelos modelos.