| |
| Acadêmico(a): Fabricio Oliveira Bezerra |
| Título: Redes neurais artificiais na previsão do preço das ações na bolsa de valores por meio de notícias |
| |
| Introdução: |
De acordo com Trisotto (2020), o ano de 2020 fechou com 3,2 milhões de pessoas físicas cadastradas
como investidoras na bolsa de valores brasileira, somando R$ 424 bilhões em ações. Um dos motivos citados foi
a democratização no acesso à informação. Assim, parte dos novos investidores tomam suas decisões de compra
ou venda de ações, por intermédio da Internet, por meio de canais de influenciadores digitais, ou por conta própria,
a partir da análise de dados e informações de fontes distintas. A volatilidade, que se associava com o afastamento
dos pequenos investidores, teve menor impacto a partir de 2020. Trisotto (2020) revela que o presidente da Bolsa
de Valores (B3), Gilson Finkelsztain, ficou surpreso com o volume e a velocidade dos investimentos durante a
crise.
A entrada desses novos investidores constitui também um desafio. Como assinalam Li et al. (2020), as
situações que desencadeiam a volatilidade da alta ou baixa no preço das ações estão relacionadas ao movimento
de oferta e demanda, à tendência das empresas como lançamento de algum produto inovador, eventos aleatórios
como desastres naturais ou morte de algum líder político. É mencionado também o sentimento do mercado, em
que informações relevantes à empresa tornam-se publicamente disponíveis e segundo Pagolu, Challa e Panda
(2016, p. 15), “existe uma forte correlação entre subida e queda em preços de ações de uma empresa em relação
às opiniões ou emoções públicas”.
Investir na bolsa de valores pode representar excelentes oportunidades financeiras, o que impulsionam
pesquisadores e investidores a predizer o mercado financeiro. Possuir a capacidade de antecipar-se ao movimento
de um mercado com tantas variáveis pode representar vantagem em relação aos demais investidores e grande
lucratividade (PAGOLU; CHALLA; PANDA, 2016). Estudos relacionados à inteligência artificial têm ganhado
destaque nesse contexto. No entanto, cada mercado reflete um contexto social específico, não somente devido às
propriedades econômicas de sua organização, mas também em relação ao padrão predominante de circulação de
informação. Machado (2017, p. 23) afirma que “acionistas e economistas financeiros se interessam profundamente
na análise da relação entre o risco de um ativo financeiro e a segurança do seu retorno”. Tais agentes, sempre
buscam estudos e opiniões fidedignas que possam embasar suas decisões sobre a venda, compra ou a renegociação
de títulos de dívidas do setor público ou privado. Apesar da centralidade destes fatores, ainda não existe um
dispositivo que esteja adaptado ao cenário nacional brasileiro.
No entanto, para avaliar essas variáveis, que envolvem diferentes meios de comunicação, aspectos
psicológicos e subjetivos, unindo dados fundamentais das empresas e notícias do mercado financeiro para previsão
do movimento das ações, é necessária a utilização de técnicas de Redes Neurais Artificiais no desenvolvimento de
sistemas e no processamento de dados. Neste sentido, trabalhos recentes como os apresentados por Li et al. (2020),
Li e Pan (2020) e Vargas et al. (2018) obtiveram bons resultados na resposta a estes desafios. A estratégia dos
autores foi de utilizar técnicas de predição não lineares de Redes Neurais Artificiais (RNA) e de Processamentode Linguagem Natural, também chamado de PLN e Natural Language Processing (NLP) (BRAGA; CARVALHO;
LUDERMIR, 2007).
Nesse contexto, o objetivo geral deste trabalho é disponibilizar um protótipo usando Redes Neurais
Artificiais para sugerir a compra ou venda de ativos negociados na Bolsa de Valores brasileira, por meio de notícias
do mercado financeiro, a fim de auxiliar investidores nas suas transações no mercado de renda variável. Por
conseguinte, o trabalho atende a três objetivos específicos: a) identificar os sentimentos relacionados às notícias
de cada uma das empresas pesquisadas no período correspondente à 01/01/2018 e 20/05/2022 e que compuseram
a base de dados de aprendizagem do protótipo; b) avaliar a eficácia das previsões do protótipo criado; c)
disponibilizar um cadastro permitindo ao usuário acessar os sentimentos em relação às ações das empresas
pesquisadas por meio de uma página web.
Elagamy, Stanier e Sharp (2018) ressaltam que o mercado financeiro representa um papel crucial no
crescimento do comércio e da indústria. Por isso, encontrar formas eficientes de analisar e visualizar os dados
deste setor é tarefa significante para a economia moderna. Nesse contexto, o desenvolvimento deste estudo
constitui uma oportunidade para preencher a lacuna existente neste setor e com isso, cria a possibilidade de
acompanhamento das relações existentes entre investidores e o contexto financeiro e midiático brasileiro, o que
justifica sua aplicação social e teórica.
|
| |
|
