Redes neurais aplicadas à predição de ativos e alocação de capital

Abstract

A predição dos direcionamentos do mercado é algo muito visado pelos investidores. Em uma sociedade cada vez mais digitalizada e globalizada, a conectividade e o acesso à informação moldam um mercado que se torna mais especulativo e imprevisível. O Deep Learning é uma técnica poderosa que vem sendo aprimorada nos últimos anos e surge com grande potencial de extrair informações de dados que se retroalimentam gerando novas entradas em sistemas com uma modelagem complexa capaz de superar a compreensão humana. O projeto explorará as oportunidades de investimento a partir da predição de preços de ativos na bolsa em conjunto com análise técnica de investimentos e estratégias de trading, guiadas por métricas de rentabilidade, margem de erro de predição e análise de risco. A implementação de uma rede neural é utilizada para extrair as informações necessárias para executar duas estratégias de swing-trade, a estratégia de momentum onde se identificará tendências de subida ou de queda a partir de valores de ativos preditos no futuro e comparados em uma determinada janela de tempo. A estratégia de market making busca executar ordens de compra e de venda quando os valores flutuarem dentre um intervalo de predição de preço. Finalmente, utiliza-se o critério de alocação de Markowitz em que é realizada a busca das fronteiras eficientes de investimento do capital para um dado conjunto de ativos financeiros. A composição dessa carteira de investimento é feita a partir de análise de rentabilidade e gerenciamento de risco no investimento. O acoplamento entre o alocador e o preditor não foi concluído e será considerado em trabalhos futuros. Os objetos de estudo têm a sua atuação avaliada separadamente dentro de seus próprios escopos de atuação, expondo resultados eficientes para introduzir todo o potencial de Deep Learning aplicado a área de análise financeira.