|
Abstract:
|
O preço do mercado financeiro representa o resultado da disputa entre compradores e vendedores em relação às expectativas futuras. Soma-se a isto o fato que atualmente as pessoas expressam frequentemente suas opiniões, julgamentos e expectativas sobre o mercado financeiro nas redes sociais. Com a evolução da área de Análise de Sentimentos, em especial, utilizando dados de redes sociais, cada vez mais as percepções dos usuários são utilizadas na previsão de tendências do mercado de ações. Neste sentido, este trabalho propõe um método visando explorar a eficácia da Análise de Sentimentos em dados obtidos a partir de uma rede social como ferramenta para prever movimentos de mercado acionário. Este método é composto por algumas etapas, iniciando pela coleta de mensagens relacionadas ao mercado financeiro de uma rede social, seguida pela aplicação de um modelo de linguagem pré-treinado para a classificação de sentimentos em positivos, neutros e negativos. Os dados são então integrados quantitativamente aos dados do mercado de ações, com foco nos preços de fechamento para servir de base para o modelo de predição. Para a etapa de predição desenvolveu-se uma rede neural profunda capaz de lidar com séries temporais e lembrar de informações por longos períodos, sendo vista como ideal para identificar padrões nos preços de determinado ativo, por exemplo, ações ou índices financeiros. Para a etapa de avaliação do método proposto, foram consideradas algumas métricas comumente utilizadas no Aprendizado de Máquina. Foram estabelecidos três experimentos (previsão de toda a série temporal, um dia e cinco dias) gerando modelos de aprendizado com e sem dados de sentimentos. Os resultados sugerem um incremento na precisão das previsões quando são incluídos dados de análise de sentimentos, especialmente para o curto prazo. As representações visuais dos resultados preditivos ressaltam a capacidade do modelo de aprendizado em espelhar os valores reais de determinado ativo, ressaltando o potencial da análise de sentimentos como um complemento significativo aos modelos convencionais de previsão de mercado. |
