Escolar Documentos
Profissional Documentos
Cultura Documentos
Abstract. After the pandemic, people's familiarity with technology has become
much greater, for all types of content, such as for fun, work and new forms of
income. As a result, financial investment means were also popularized even for
those who were unaware of it. With that in mind, we created a tool that aims to
assist people interested in stock exchanges and finances, giving them
predictions of real stock values as metrics, using artificial intelligence and
statistic methods with advanced probability.
Keywords: prediction, stock exchanges, artificial intelligence, finances.
3. Metodologia
Deep Learning (aprendizagem profunda) é uma das áreas de Machine Learning
(aprendizagem de máquina) que utiliza algoritmos para simular o processo do raciocínio
humano. A ideia por trás do Deep Learning é utilizar neurônios matemáticos para
processar dados, onde a saída da instrução anterior provê a informação para a entrada da
próxima instrução. Cada estrutura desse método é, normalmente, um algoritmo uniforme
que possui uma função de ativação [Data Science Academy 2022]. Dentro desse conceito,
foram escolhidos três métodos para o desenvolvimento do projeto: a LSTM, a simulação
de Monte Carlo e a regressão linear.
A LSTM - Long Short Term Memory (memória de curto e longo prazo) é uma
rede neural artificial recorrente que conta com a habilidade de assimilar conexões em
sequências de informações e é projetada para impedir situações envolvendo dependências
de longo prazo. A LSTM é apropriada para relacionar, processar e prever séries temporais
com intervalos de ciclo de duração desconhecida [Didática Tech [S.d.]]. No
desenvolvimento com a aprendizagem de máquina, pode ocorrer o overfitting, que é
quando o modelo tem um bom desempenho, mas traz um retorno ruim quando são
utilizados os dados de teste, e a LSTM conta com dois métodos para ordenar os preços
das ações e evitá-lo: normalização figura 2 e padronização figura 3. A normalização tem
como objetivo alinhar os valores dentro do intervalo de 0 e 1, e no caso de valor negativo
-1 e 1. A padronização possui o mesmo propósito, mas tem como resultado uma média
equivalente a 0 e desvio padrão igual a 1. Para uma rede neural recorrente com uma
função Sigmoide na camada de saída, é recomendado o uso da normalização ao invés da
padronização [R F Junior 2019].
Figura 5. Fórmula de uma equação linear simples, usada no cálculo da reta do gráfico.
Figura 6. Fórmula do cálculo da média móvel simples (SMA - Simple Moving Average).
Figura 9. Dados de cotação ajustada por splits e dividendos (Adj Close) entre
01/01/2011 e 20/05/2022
Figura 10. Trecho de código e cotação das ações selecionadas, entre 01/01/2011 e
20/05/2022.
A figura 10 corresponde a performance na bolsa de valores das empresas
selecionadas no período de 01/01/2011 até 20/05/2022. Com este gráfico podemos
concluir que a Eletrobras obteve um maior desempenho em relação às outras três
empresas.
Figura 16. Gráfico de calor das ações (PETR4, PRIO3, ELET3, TAEE3)
O gráfico de calor da figura 16 cruza os dados das diversas ações mais o IBOV
para visualizar o relacionamento e a proximidade entre todas. Quanto mais clara a cor,
maior a proximidade e, quanto mais escura, maior a distância entre elas.
Figura 17. Tabela contendo o desvio padrão e a média dos retornos das ações,
representando a volatilidade das ações também.
Figura 18. Segunda visualização da tabela contendo o desvio padrão e a média
dos retornos das ações, representando a volatilidade das ações.
O código da figura 19 realiza a plotagem do gráfico que o retorno acumulado dos ativos
mostrado foi alcançado pela multiplicação dos retornos diários e somados com 1, e,
através do método cumsum(), foi possível visualizar qual das ações teve o melhor
desempenho no período, baseado em volatilidade e rentabilidade. Desse modo, ficou
claro que a Eletrobras (ELET3) obteve o maior êxito perante as outras empresas, o que
pode ser interpretado de forma a concluir que o setor elétrico é o que está progredindo
cada vez mais no mercado nacional.
Com o desenvolvimento da segunda parte do projeto, implementamos os três
modelos de predição: LSTM, Monte Carlo e Regressão Linear. Destes modelos, LSTM é
um tipo de rede neural artificial de aprendizagem de máquina, regressão linear é o método
de classificação por meio de uma reta onde o mesmo cálculo a melhor divisão entre os
dados treinados e traça uma reta entre os mesmos, já o Monte Carlo é o método
probabilísticos para os dados de treinamento. Todas as 3 inteligências foram treinadas
com dados históricos extraídos da biblioteca yfinance (Yahoo Finance) e retornam as
previsões das ações escolhidas.
4. Conclusão
Após o desenvolvimento e testes realizados em cima da inteligência artificial construída,
podemos verificar que a assertividade está realmente alta para a quantidade de
treinamento realizada na IA até este momento, porém, levando em conta fatores extremos
causados pela sociedade humana, como as decisões que implicam em fatores
socioculturais, econômicos, políticos, demográficos, entre outros, que afetam diretamente
o mercado financeiro e seus desdobramentos, a inteligência artificial terá de ser
constantemente treinada para continuar com seu alto índice de abordagem.
Todavia, temos total ciência de que em qualquer situação as previsões
provavelmente nunca chegarão a 100% de assertividade. E para solução dessa
dificuldade, o código sempre deve-se estar em constante evolução, com novas métricas e
diversas metodologias em conjunto para buscar o melhor cenário possível. Até por isso
mesmo que foram utilizadas 3 técnicas diferentes de metodologias, para retornarmos
resultados preditos em diferentes circunstâncias. Dessa forma, podemos concluir que
quanto mais quantidades de dados tratados e qualitativos na ferramenta, melhor será sua
capacidade de analisar fatores não previsíveis.
5. Referências
23 milhões de brasileiros possuem transtornos mentais (18 sep 2019). Medicina S/A.
https://medicinasa.com.br/transtornos-mentais-docway/, [accessed on Jun 3].
American Psychiatric Association and American Psychiatric Association [Eds.] (2013).
Diagnostic and statistical manual of mental disorders: DSM-5. 5th ed ed. Washington,
D.C: American Psychiatric Association.
ANBIMA (1 jun 2018). IMPACTOS SOCIOECONÔMICOS DO FORTALECIMENTO
DO MERCADO DE CAPITAIS NO BRASIL. p. 44.
Apache Software Foundation ([S.d.]). Apache eCharts.
https://echarts.apache.org/en/index.html, [accessed on Jul 20].
Boff, H. (2016). UMA ANÁLISE DA VOLATILIDADE DO SETOR ELÉTRICO
BRASILEIRO NA CRISE DE 2012: UM ESTUDO EMPÍRICO UTILIZANDO
MODELOS GARCH. p. 131.
Caio Jobim (24 jan 2022). Investidor que previu crash “ponto com” em 2000 e crise do
subprime em 2008 alerta que “super bolha” financeira está prestes a explodir.
https://cointelegraph.com.br/news/investor-who-predicted-2000-dot-com-crash-and-
2007-subprime-crisis-warns-financial-super-bubble-is-about-to-burst, [accessed on
Jun 3].
Carlos Alberto Bonfim (18 feb 2021). Como funciona uma Regressão Linear?
https://medium.com/data-hackers/como-funciona-uma-regress%C3%A3o-linear-
f7208fa6c662, [accessed on Sep 10].
Daniele Camba (24 feb 2022). No mundo digital, influenciadores de investimentos
ganham 36 seguidores por minuto em 2021. https://valorinveste.globo.com/educacao-
financeira/noticia/2022/02/24/no-mundo-digital-influenciadores-de-investimentos-
ganham-36-seguidores-por-minuto-em-2021.ghtml, [accessed on Jun 3].
Data Science Academy (2022). Deep Learning.
Didática Tech ([S.d.]). Como funciona a LSTM - Long Short Term Memory.
https://didatica.tech/lstm-long-short-term-memory/, [accessed on Oct 24].
Dilma Roussef (11 sep 2012). MP 579. MPV 579. 11 sep 2012.
Dilma Roussef (11 jan 2013). 12783. L12783. 11 jan 2013.
Fernando Henrique Cardoso (13 feb 1995). 8987. Lei No 8987. 13 feb 1995.
IBM (4 aug 2020). Simulação de Monte Carlo. https://www.ibm.com/br-
pt/cloud/learn/monte-carlo-simulation, [accessed on Oct 3].
IBM ([S.d.]). Regressão linear, gere previsões usando uma fórmula matemática
facilmente interpretada. https://www.ibm.com/br-pt/analytics/learn/linear-regression,
[accessed on Sep 8].
Investidores | B3 (14 dec 2020). https://www.b3.com.br/pt_br/noticias/investidores.htm,
[accessed on Jun 3].
Luana Meneghetti (13 aug 2021). Cresce número de jovens interessados em investir na
Bolsa – Comportamento – Estadão E-Investidor – As principais notícias do mercado
financeiro. https://einvestidor.estadao.com.br/comportamento/cresce-jovens-
investidores-bolsa-b3, [accessed on Jun 3].
Por que muitos jovens estão fazendo investimentos de risco (14 jan 2022). BBC News
Brasil,
R F Junior, J. (11 jun 2019). Redes Neurais Recorrentes - LSTM.
https://medium.com/@web2ajax/redes-neurais-recorrentes-lstm-b90b720dc3f6,
[accessed on Oct 21].
Redação XP Educação (19 feb 2022). O que é a simulação de Monte Carlo? Entenda
como ela funciona nos investimentos. https://blog.xpeducacao.com.br/simulacao-de-
monte-carlo/, [accessed on Oct 4].
Tecmundo (12 dec 2017). A história e o estouro da bolha da internet do ano 2000 [vídeo].
https://www.tecmundo.com.br/mercado/124475-historia-estouro-bolha-da-internet-
ano-2000-video.htm, [accessed on Jun 3].
Yahoo Finance API alternatives ([S.d.]). https://www.yahoofinanceapi.com/, [accessed
on Jun 3].