Aplicação de redes neurais visando suporte à tomada de decisão no mercado financeiro

Abstract

Nos últimos anos o interesse por Aprendizado de Máquina (do Inglês, Machine Learning) (ML) tem crescido muito na área do mercado financeiro, surgindo trabalhos usando Redes Neurais Artificiais (RNA), principalmente, para realizar regressão nos preços ou classificação do sinal de negociação de ativos financeiros. Então, seguindo a mesma linha, este trabalho propõe a aplicação de redes neurais no contexto do mercado financeiro, para realizar a previsão de séries temporais usando metodologias de adaptação, para que a rede se mantenha atualizada e consiga lidar com concept drifts reduzindo o erro de previsão. Esta aplicação visa dar suporte à tomada de decisão na negociação de ativos financeiros, e assim, facilitar o processo envolvido na negociação, eximindo o investidor do esforço mental e emocional da análise e da negociação de ativos financeiros, já que o maior interesse dos investidores é conseguir uma forma de se analisar os dados baseando-se em critérios objetivos para se atingir um maior retorno dos seus investimentos. A fim de validar o sistema, primeiro, é realizada uma avaliação estatística utilizando o Raiz-Quadrada do Erro Médio (do Inglês, Root-Mean-Square Error) (RMSE) e Erro Médio Absoluto Percentual (do Inglês, Mean Absolute Percentage Error) (MAPE) para mensurar o erro de previsão e encontrar parâmetros ótimos, em seguida o sistema é simulado para avaliar o retorno financeiro que o sistema conseguiria atingir. Os resultados demonstram que o sistema consegue, no geral, superar a estratégia Buy and Hold, entretanto não consegue superar outras abordagens como o sistema Convolutional Neural Network - Trading Classifier (CNN-TC). Ainda há muito espaço para aprimorar o sistema, com a implementação de algoritmos tomadores de decisão mais robustos, a previsão de outros dados que compõem um candlestick, o uso de séries temporais com períodos menores e a implementação de adaptação ativa são os principais focos para trabalhos futuros.