Desenvolvimento de uma plataforma para análise financeira e de sentimento no setor logístico: aplicações de machine learning e visualização interativa

Abstract

Este trabalho apresenta o desenvolvimento de uma plataforma integrada para análise financeira e de sentimento no setor logístico, utilizando aprendizado de máquina e visualização interativa. O objetivo principal é aprimorar previsões financeiras, compreender o impacto de eventos e sentimentos do mercado no comportamento das ações, e apoiar decisões estratégicas. A metodologia adotada envolve a análise fundamentalista de indicadores financeiros (como P/L, EV/EBITDA, ROE e Margem Líquida), a previsão de preços de ações utilizando o modelo Prophet, e a análise de sentimento com técnicas avançadas de processamento de linguagem natural (BERT, VADER e Zero-Shot). Os dados foram coletados por meio das bibliotecas Yfinance e NewsAPI, integrados em dashboards interativos com ferramentas como Plotly e Streamlit. Os resultados mostram correlações estatisticamente significativas entre os sentimentos de mercado e as variações nos preços das ações. Além disso, a plataforma permite prever cenários futuros com maior precisão, contribuindo para estratégias mais eficazes de gestão e investimento. Esta pesquisa se destaca ao combinar diferentes dimensões analíticas, proporcionando um modelo para análise e tomada de decisões no setor logístico, com potencial de aplicação em mercados altamente dinâmicos e voláteis.

This study presents the development of an integrated platform for financial and sentiment analysis in the logistics sector, utilizing machine learning and interactive visualization. The primary objective is to enhance financial forecasting, understand the impact of events and market sentiment on stock behavior, and support strategic decision-making. The methodology involves fundamental analysis of financial indicators (such as P/E, EV/EBITDA, ROE, and Net Margin), stock price forecasting using the Prophet model, and sentiment analysis with advanced natural language processing techniques (BERT, VADER, and Zero-Shot). Data was collected using the Yfinance and NewsAPI libraries, integrated into interactive dashboards with tools like Plotly and Streamlit. The results demonstrate statistically significant correlations between market sentiment and stock price variations. Additionally, the platform enables more accurate future scenario predictions, contributing to more effective management and investment strategies. This research stands out by combining different analytical dimensions, providing an innovative model for analysis and decision-making in the logistics sector, with potential applications in highly dynamic and volatile markets.