Análise de Sentimentos e Aprendizado Profundo na Predição de Preços de Ativos listados em Bolsa de Valores

Abstract

A bolsa de valores é um ambiente dinâmico e complexo onde investidores compram e vendem ativos visando retornos financeiros. A análise desse mercado é crucial, pois apoia a tomada de decisões, minimizando riscos. Apesar do uso de tecnologias computacionais ser empregado nas estimativas de tendências futuras há algum tempo, avanços nas áreas de Análise de Dados e Inteligência Artificial têm revolucionado este campo. Ao encontro dessas mudanças, o presente trabalho investiga a eficácia da combinação de técnicas de Análise de Sentimentos e Aprendizado Profundo para prever os preços de ativos financeiros negociados na bolsa de valores brasileira. O método proposto envolve a coleta e o pré-processamento de dados financeiros e publicações textuais, cujos sentimentos são extraídos. Após a normalização dos dados, esses são utilizados no treinamento e avaliação das Redes Neurais Artificiais modeladas para a predição dos preços das ações. Embora os resultados indiquem que a inclusão de sentimentos apenas durante parte do treinamento possa prejudicar os modelos preditivos, o método proposto mostrou eficácia em um experimento no qual os investimentos sugeridos alcançaram um lucro de 33,45% em 20 dias. Esses achados sugerem que a abordagem combinada de análise de sentimentos e aprendizado profundo tem potencial para aprimorar a previsão de preços de ativos, com perspectiva positiva para suportar a tomada de decisão no mercado financeiro.