Redes neurais artificiais para previsão de séries temporais no mercado acionário

Abstract

Neste trabalho utilizou-se a técnica computacional das redes neurais artificiais para previsão de séries temporais do mercado acionário. Os dados selecionados como inputs foram os preços de fechamento diário da ação da Petrobras (PETR4), e o índice da bolsa de valores brasileira, o IBOVESPA. Também se utilizaram indicadores técnicos como inputs, estimados a partir do IBOVESPA e dos preços de fechamento da PETR4, para tornar a rede neural mais eficiente. Os dados alvos do modelo foram os preços de fechamento diários da PETR4. O modelo de Rede Neural Artificial desenvolvido mostrou-se eficiente ao indicar as tendências de curtíssimo prazo com alto grau de exatidão de até 20 dias. O período compreendido da análise foi de janeiro de 1999 a maio de 2010. O principal objetivo do estudo foi verificar se as redes neurais artificiais, com sua habilidade de aprendizado, são capazes de prever o preço futuro de fechamento da ação da empresa escolhida. A análise compreende a comparação entre a previsão e o preço de fechamento efetivo dentro do período estudado. Ao fim do trabalho conclui-se que as redes neurais artificiais utilizadas para previsão de mercado acionário são capazes de mostrar resultados muito próximos da realidade, e que essa metodologia pode ser utilizada por investidores individuais e coletivos para aumentar os lucros na compra e venda de ações no curto prazo. O poder de previsão alcançado foi de 20 dias futuros.