Predição de preços do mercado financeiro utilizando redes neurais LSTM

Abstract

RESUMO O mercado financeiro compões a essência da alocação de bens e recursos escassos no mundo todo. É o termômetro que mede a oferta e a demanda em tempo real dos mais diversos tipos de ativos. Nos últimos anos, uma crescente onda de novos investidores e pesquisadores se dedicaram em desvendar os mistérios do mercado financeiro e seus movimentos, em grande parte motivados por histórias de investidores e grandes corporações que obtiveram sucesso em se posicionar frente as oscilações do mercado. Porém a esmagadora maioria destes novos investidores se deparam com um cenário caótico e nada previsível. Muitos investidores day traders que visam obter lucros com a compra e venda de ativos em um curto período se utilizam de técnicas de análise técnica, tais como médias móveis e osciladores, para tentar prever os movimentos do mercado, no entanto, essas técnicas podem ser limitadas e não são sempre precisas, uma abordagem alternativa é o uso de modelos de aprendizado de máquina para prever os movimentos do mercado financeiro. Neste trabalho, utilizamos o modelo de redes neurais recorrentes Long Short Term Memory (LSTM) para prever o preço de fechamento de algumas ações listadas na Bolsa de Valores de São Paulo. Os resultados demonstram que o modelo LSTM é capaz de prever com precisão os movimentos do mercado financeiro, superando as estratégias de negociação convencionais como o Buy and Hold. Além disso, o modelo LSTM é capaz de capturar dependências e padrões em longo prazo, o que é uma vantagem importante na previsão de séries temporais.__ABSTRACT: The financial market makes up the essence of the allocation of goods and scarce resources around the world. It is the thermometer that measures supply and demand in real time for the most diverse types of assets. In recent years, a growing wave of new investors and researchers have dedicated themselves to unraveling the mysteries of the financial market and its movements, largely motivated by stories of investors and large companies that were successful in positioning themselves in the face of market fluctuations. However, the overwhelming majority of these new investors are faced with a chaotic and far from predictable scenario. Many day-trader investors who aim to make profits from buying and selling assets in a short period of time use technical analysis techniques, such as moving averages and oscillators, to try to predict market movements, however, these techniques can be limited and not always accurate, an alternative approach is to use machine learning models to predict financial market movements. In this work, we use the Long Short Term Memory (LSTM) recurrent neural network model to predict the closing price of some stocks listed on the São Paulo Stock Exchange. The results demonstrate that the LSTM model is capable of accurately predicting financial market movements, outperforming conventional trading strategies such as Buy and Hold. Furthermore, the LSTM model can capture long-term dependencies and patterns, which is an important advantage in time series forecasting.