Uso de redes neurais recorrentes na predição do Índice do Bovespa

Abstract

O mercado de ações desempenha um papel importante no desenvolvimento econômico e o ibovespa é o principal indicador de desempenho das ações negociadas no Brasil. Porém, a predição de quaisquer tipo de ações ainda é muito dificil por conta de sua sensibilidade à política, economia e fatores sociais. Por estes motivos, tanto no mundo acadêmico quanto corporativo, a predição de séries temporais financeiras vem sendo cada vez mais explorada. Uma das técnicas mais utilizadas para esse tipo de predição é a aplicação de redes neurais artificiais. Este trabalho foca em uma das classes de redes neurais artificiais, as redes neurais re correntes, onde pela pesquisa bibliográfica realizada, apresenta os melhores resultados em relação as principais métricas de avaliação observadas. É realizado duas arquiteturas desta área: o modelo GRU (Gated Recurrent Units) e a LSTM (Long Short Term Me mory). Onde procura-se realizar uma predição em diferentes horizontes de tempo da ação BOVA11, que replica o índice do BOVESPA, realizando um comparativo entre ambas arquiteturas, procurando entender como pode ser realizado o uso desse tipo de redes neurais artificiais na predição de séries temporais financeiras. Comparando ambas redes neurais recorrentes, este trabalho conclui que o modelo GRU apresenta melhores resultados em relação ao modelo LSTM pelas arquiteturas desenvol vidas analisando as métricas MAE, MAPE e RMSE quando observado os horizontes de tempo de 5, 30 e 90 dias, enquanto a modelagem LSTM apresentou melhores resultados quando observado um horizonte de 1 dia previsionado. Conclui-se também que ambas arquiteturas não foram capazes de efetivamente coletar as nuâncias e altas variações do índice da bolsa de valores brasileira, mantendo suas previsões de forma conservadora e variação relativamente linear.