Resumo do artigo: Aplicao das Redes Neurais na previso do comportamento de mercados financeiros.

Redes neurais artificiais RNAs so modelos matemticos parecidos com s estruturas neurais biolgicas e que tem a capacidade computacional que adquirida por meio de aprendizado e generalizao. O aprendizado em RNAs consiste na fase onde a rede neural absorve dados e, a partir destes, modifica seus parmetros de entrada. Esta etapa pode ser considerada como uma adaptao da RNA. Dessa forma o RNA adquire, atravs de uma melhora gradativa, uma boa capacidade de resposta para o maior nmero de situaes possveis. Por sua vez a generalizao de uma RNA est associada sua capacidade de dar respostas corretas. O autor utiliza a inteligncia computacional como ferramenta de deciso e auxilio, para tomar decises corretas. O projeto prope a utilizao de redes neurais artificias para a previso do comportamento do mercado financeiro buscando construir uma estratgia de compra e venda de aes. O ele aposta na combinao dos indicativos fornecidos pela rede com o histrico de dados que permitir ao investidor tomar decises baseados na probabilidade de ser bem sucedido a sua deciso. Para associar a rede neural com o comportamento do mercado financeiro, o autor utilizou os seguintes parmetros:
Parmetros de sada que permitam a previso do comportamento do mercado acionrio. Entradas que possuam um relacionamento direto com as sadas desejadas.

Dessa forma, identificou-se primeiramente as informaes a serem previstas. Em seguida,

os parmetros de entrada tradicionalmente utilizados para a previso do mercado acionrio. Obtendo assim os valores requeridos para as entradas e as variveis esperadas na sada. Buscando o melhor desempenho do software o autor utilizou os seguintes mtodos : Algoritmo de treinamento : Backpropagation Randomized Uma camada intermediria contendo 6 neurnios Camada de entrada composta por 20 neurnios (cotaes e volumes nos 10 dias anteriores ao dia de anlise) Camada de sada composta por 2 neurnios (cotao e volume no dia posterior ao da anlise) Funo de ativao hiperblica entre a camada de entrada e a intermediria Funo de ativao linear entre a camada intermediria e a de sada Learning rate : 0,3

Dessa forma as redes obtiveram bons resultados financeiros. No entanto, uma

anlise mais detalhada mostrou que, em geral, os bons resultados foram construdos devido o aproveitamento de fortes movimentos de alta ou baixa do mercado. Percebeu tambm que a grande maioria dos movimentos de compra

ou venda foram feitos de forma equivocada, o que resultaria em pequenos prejuzos ao investidor. Na opinio do autor, devido curto intervalo de tempo de teste da rede no possvel afirmar que a rede permitir uma percepo de movimentos consistentes de alta ou baixa de longa durao do mercado financeiro.