Classificação de títulos de notícias do mercado financeiro brasileiro utilizando modelos de aprendizado de máquina

Abstract

O mercado financeiro é extremamente importante para o desenvolvimento saudável da economia de um país. Com bilhões de reais movimentados diariamente no Brasil e sob influência de diversos fatores externos como política, economia, desastres naturais e doenças, torna-se fundamental ser discutido na literatura como analisar e prever esse mercado. Dado esse domínio, este trabalho busca auxiliar os stakeholders deste mercado ao contribuir para a recuperação de informações de notícias e a predição do preço de ações. Para isso, explora a classificação de notícias do mercado financeiro brasileiro nas classes Petrobras, Vale, Itaú ou Outros; e a predição do movimento do preço da ação da Petrobras (PETR4). Este trabalho aplica conceitos de Natural Language Processing e Machine Learning para lidar com as características não-estruturadas e ruidosas dos dados textuais gerados pelas notícias. Para executar essas duas tarefas, um método é proposto com o objetivo de organizar as etapas de processamento dos dados e das predições. Para a realização dos experimentos deste trabalho, foram considerados modelos de aprendizado tradicional e de deep learning. Os experimentos utilizam os modelos de aprendizado tradicional K-Nearest Neighbors (KNN), Support-Vector Machine (SVM), Naive Bayes

(NB) e Logistic Regression (LR), e os modelos de deep learning Long Short-Term Mem- ory (LSTM) e Bi-directional Long Short-Term Memory (Bi-LSTM). A base de dados

deste trabalho foi obtida de um repositório público contendo notícias de diferentes por- tais brasileiros. Os resultados experimentais das tarefas foram avaliados utilizando as

métricas acurácia e F1-Score. Além disso, foi aplicada a técnica holdout com splits de

treino, validação e teste para o treinamento e avaliação dos modelos preditivos. A clas- sificação de notícias obteve resultados promissores, com o melhor modelo sendo o LSTM

com a representação word2vec, com acurácia e F1-Score de 83.07% e 81.19%, respecti- vamente. Para a tarefa de predição do movimento da ação Petrobras, os resultados não foram satisfatórios, com melhor modelo sendo SVM com a representação Term Frequency - Inverse Document Frequency, atingindo a acurácia de 50.68% e F1-Score de 34.01%.