Avaliação de algoritmos de aprendizagem de máquina para a predição da bolsa de valores do Brasil

Abstract

Mercado de ações e onde diariamente ocorrem compras e vendas de porções de empresas que estão listadas nas bolsas de valores. Neste ambiente, o lucro é o resultado mais desejado pelos investidores. Nos últimos anos, o mercado vem se tornando cada vez mais atrativo e as estratégias de compra e venda estão se tornando cada vez mais complexas. Nesse sentido, o uso da inteligência artificial está cada vez mais comum, principalmente em ocasiões onde é possível obter uma vasta quantidade de dados. Este trabalho aplica técnicas de aprendizado de máquina com baixo poder computacional com intuito de processar e realizar predições das cinco ações mais líquidas da bolsa de valores brasileira. Especificamente, foi avaliado qual foi o desempenho dessas técnicas no cenário antes da pandemia e durante a pandemia. Ao final do primeiro experimento, o qual busca o algoritmo que obtém melhor retorno sobre o investimento, o Gaussian Naive Bayes e o Random Forest obtiveram os melhores resultados no período antes da pandemia e durante a pandemia foram o Random Forest e o Decision tree, ou seja, algoritmos baseados em árvores nesse experimento ´ obtiveram melhores resultados, para o segundo experimento que realiza a predição do valor de fechamento das ações, o Linear Regression teve o melhor desempenho nos dois períodos.