Análise Comparativa de Técnicas para a Previsão de Séries Temporias no Contexto de Mercado Financeiros

Abstract

A previsão de Séries Temporais é um importante campo de estudo em Aprendizado de Máquina e Aprendizado Profundo. A literatura mostra que para tratar este problema foram utilizadas primeiramente técnicas vindas da econometria como os modelos ARIMA e suas derivações. Com a evolução computacional e os avanços das técnicas de aprendizagem nasceu uma nova abordagem para prever Séries Temporais. A partir disso, é possível utilizar diversas técnicas para realizar as predições e comparar dentre elas qual tem os melhores resultados em cada contexto. Neste trabalho o foco foi em mercados financeiros com Séries Temporais estocásticas. Foi analisada e feita previsões a partir do histórico de variação de preço da empresa de capital aberto com maior participação relativa no índice Bovespa, a Vale (VALE3). Tendo como objetivo a comparação das principais técnicas de predição para Séries Temporais no contexto de mercado financeiro foram realizadas análises qualitativas para compreender o estado da arte sobre predição de Séries Temporais e teorias de previsão nos mercados financeiros. Além disso, foram realizados processos de obtenção, preparação e modelagem para garantir uma padronização dos dados de entrada em cada modelo utilizado. Por fim, foi realizada uma análise comparativa dos resultados dos preditores.