| |
| Acadêmico(a): Fabricio Oliveira Bezerra |
| Título: Redes neurais artificiais na previsão do preço das ações na bolsa de valores por meio de notícias |
| |
| Conclusão: |
Este estudo teve por objetivo identificar os sentimentos relacionados às notícias das empresas BBAS3,
PRIO e VALE3, no período correspondente à 01/01/2018 e 20/05/2022, por meio da criação de um modelo de
Rede Neural Artificial. O trabalho buscou encontrar formas eficientes de analisar e antecipar-se ao movimento do
mercado financeiro, considerando as variáveis da bolsa de valores, a partir das notícias do mercado e a
lucratividade que a antecipação dessas previsões pode trazer para investidores e empresas. Dessa forma, o estudo
foi estruturado para o atendimento dos objetivos específicos, explanados a seguir.
Ao analisar os sentimentos que cada empresa obteve considerando as notícias do mercado financeiro e seu
impacto sobre as cotações na bolsa de valores no período correspondente à 01/01/2018 e 20/05/2022, extraiu-se
os dados que compuseram a base de dados de aprendizagem do protótipo deste estudo. Obteve-se um total de
10.766 notícias entre os anos de 2018 e 2022, sendo que, 3.878 notícias são referentes às ações do BBAS3, 662
provém da PRIO e 6.226 têm como fonte a VALE3. Os sentimentos que foram adicionados a esses dados
consideraram o impacto da notícia sobre o mercado financeiro, usando 0 (zero) para reações negativas e 1 (um)
para reações positivas. De forma geral, os sentimentos alcançaram maior número de resultados positivos nos anos
analisados, excetuando-se os anos de 2019 e 2021 para o Banco do Brasil e em 2020 para a Vale do Rio Doce.
Esses resultados podem estar atrelados aos reflexos da pandemia, que também tiveram um impacto significativo
sobre as empresas brasileiras, sobretudo em 2020 e 2021, embora ainda haja consequências empresariais, sociais
e econômicas decorrentes das medidas usadas no enfrentamento ao coronavírus.
Para fazer a validação da assertividade das previsões feitas pelo protótipo, um percentual de
aproximadamente 20% das notícias de cada empresa e os resultados do mercado financeiro não foram repassadas
como informações que compunham a base de dados da ferramenta criada, possibilitando, assim, usar esses dados
como teste de sua acurácia. Os resultados apontaram que houve um destaque das variáveis positivas no recall
(eficiência em prever resultados positivos) da PetroRio (0.57) e do Banco do Brasil (0.53), assim como destacouse o valor das previsões positivas para a variável precision (quantos acertos as previsões dos positivos realmente
alcançaram) obtendo o mesmo valor (0.52) em todas as empresas. De forma geral, no entanto, a acurácia que
mediu a efetividade do F1-Score, ou seja, a média de precisão do protótipo testado, apresentou baixa efetividade,
já que atingiu no máximo 52% de precisão.
Ao disponibilizar um cadastro permitindo ao usuário acessar os dados do projeto, permite-se também o
acesso aos sentimentos em relação às ações das empresas pesquisadas por meio de uma página web. O usuário
poderá circular entre os dados e deparar-se-á com diferentes formas de gráficos contendo as informações tanto
abrangendo o contexto total dos dados das empresas pesquisadas, quanto de forma isolada a cada empresa, ou
limitada a um período temporal.
Este estudo oportuniza preencher uma lacuna ainda não explorada eficientemente pela tecnologia: realizar
testes históricos de previsões de subida ou descida do preço das ações na bolsa de valores, cuja volatilidade
desencoraja muitos investidores. O estudo das notícias do mercado financeiro e seu impacto nas cotações mostrouse promissora em preencher essa lacuna, mostrando resultados de testes históricos para investidores e empresas.
Isso se apresenta como um aspecto significante para a economia, o desenvolvimento social, empresarial e midiático
brasileiro.
Sugere-se investigar a posteriori se o número de notícias interfere na qualidade do treinamento e da
assertividade dos resultados preditivos do protótipo. Apoia-se também como sugestão de investigações futuras, as
proposições feitas por Vargas et al. (2018) quanto a eliminar as pequenas variações das ações, concentrando-se
somente nas variações mais significativas para ampliar a acurácia das previsões sem perder velocidade no
processamento dos dados e na apresentação dos resultados preditivos. |
| |
|
