REDES NEURAIS ARTIFICIAIS NA PREDIÇÃO DO PREÇO FUTURO DE FECHAMENTO DE PAPÉIS COM ALTA E BAIXA VOLATILIDADE NEGOCIADOS NA BOVESPA E NA BOLSA DE VALORES DE NOVA IORQUE

REDES NEURAIS ARTIFICIAIS NA PREDIÇÃO DO PREÇO FUTURO DE FECHAMENTO DE PAPÉIS COM ALTA E BAIXA VOLATILIDADE NEGOCIADOS NA BOVESPA E NA BOLSA DE VALORES DE NOVA IORQUE

Papadopoulos, Theodoros Barsante; Bittencout, Fabricio Roulin; Leroy, Felipe Lacerda Diniz; Reis, Thaís Cotta Barbosa; Neves, Patrícia Carla de Brito

Artigo Completo:

É cada vez mais evidente a necessidade da predição de valores nos mercados financeiros e seu ganho frente aos concorrentes. Esse trabalho tem por objetivo analisar o grau de predição das RNAs aplicadas na predição de valores do mercado de ações. Essa é uma pesquisa quantitativa, do tipo explicativa e experimental. O universo é formado por todo o histórico dos valores das ações PETR4, VALE5, OGXP3, GS e JPM. Os dados foram coletados através do software Economática e foram tratados através de simulações geradas pelo software Matlab e, por fim, analisados através da estatística descritiva. A pesquisa limita-se na predição de valores das ações que foram utilizadas na amostra. Os papéis foram identificados através da análise de sua volatilidade. Foram selecionados papéis com baixa e com alta volatilidade, com comportamentos conservadores e agressivos, a fim de testar o grau de predição da RNA quando aplicada em ambas as situações. Esses dados foram normalizados em um intervalo entre 0.2 e 0.8 para uso na RNA. Os resultados gerados pela simulação da RNA foram analisados e o grau de ajuste das predições foi encontrado utilizando o cálculo da diferença entre a variância do real pela variância do observado. O grau de predição do preço futuro de fechamento de papéis com alta e baixa volatilidade negociados na Bovespa e na Bolsa de Valores de Nova Iorque usando RNA é significativo. Portanto, de acordo com os resultados atingidos, a RNA aplicada na predição de valores de ações com alta e baixa volatilidade é possível e possui um resultado satisfatório.

É cada vez mais evidente a necessidade da predição de valores nos mercados financeiros e seu ganho frente aos concorrentes. Esse trabalho tem por objetivo analisar o grau de predição das RNAs aplicadas na predição de valores do mercado de ações. Essa é uma pesquisa quantitativa, do tipo explicativa e experimental. O universo é formado por todo o histórico dos valores das ações PETR4, VALE5, OGXP3, GS e JPM. Os dados foram coletados através do software Economática e foram tratados através de simulações geradas pelo software Matlab e, por fim, analisados através da estatística descritiva. A pesquisa limita-se na predição de valores das ações que foram utilizadas na amostra. Os papéis foram identificados através da análise de sua volatilidade. Foram selecionados papéis com baixa e com alta volatilidade, com comportamentos conservadores e agressivos, a fim de testar o grau de predição da RNA quando aplicada em ambas as situações. Esses dados foram normalizados em um intervalo entre 0.2 e 0.8 para uso na RNA. Os resultados gerados pela simulação da RNA foram analisados e o grau de ajuste das predições foi encontrado utilizando o cálculo da diferença entre a variância do real pela variância do observado. O grau de predição do preço futuro de fechamento de papéis com alta e baixa volatilidade negociados na Bovespa e na Bolsa de Valores de Nova Iorque usando RNA é significativo. Portanto, de acordo com os resultados atingidos, a RNA aplicada na predição de valores de ações com alta e baixa volatilidade é possível e possui um resultado satisfatório.

Palavras-chave:

DOI: 10.5151/marine-spolm2015-141098

Referências bibliográficas

• [1] AZEVEDO, Fernando Mendes de, BRASIL, Lourdes Mattos, OLIVEIRA, Roberto Célio Limão de. Redes neurais com aplicações em controles e em sistemas especialistas. Florianópolis: Bookstore, 2000.
• [2] BRAGA, Antônio Pádua, CARVALHO, André C. P. L. F., LUDERMIR, Teresa Bernarda. Redes neurais artificiais: teoria e aplicações. Rio de Janeiro: LTC, 2000.
• [3] ECONOMATICA. Quem somos. Disponível em: <http://www.economatica.com.br/PT>. Acesso em: 10 set. 2013.
• [4] FORTUNA, Eduardo. Mercado financeiro: produtos e serviços. 17. ed. Rio de Janeiro: Qualitymark, 2009.
• [5] FREUND, John E. Estatística aplicada: economia, administração e contabilidade. 11. ed. Porto Alegre: Bookman, 2006.
• [6] GANDEL, Stephen. Why haven't JPMorgan's legal issues done more to dent the stock? Disponível em <http://finance.fortune.cnn.com/2013/09/27/jpmorgan-stock-rising/>. Acessoem: 05 nov. 2013.
• [7] JUNG, Carlos Fernando. Metodologia para pesquisa e desenvolvimento: aplicada a novas tecnologias, produtos e processos. Rio de Janeiro: Axcel Books, 2004.
• [8] HAYKIN, Simon. Redes neurais: princípios e prática. 2. ed. Porto Alegre: Bookman, 2001.
• [9] HECHT-NIELSEN, Robert. Neurocomputing. New York: Addison Wesley Publ. Co. 1990.
• [10] HULL, John C. Fundamentos dos mercados futuros e de opções. 4. ed. São Paulo: Bolsa de Mercadorias e Futuros, 2005.
• [11] KOVACS, Zsolt Laszlo. Redes Neurais Artificiais: fundamentos e aplicações. 1. ed. São Paulo: Collegium Cognitio, 1996.
• [12] LAKATOS, Eva Maria, MARCONI, Mariana de Andrade. Fundamentos de metodologia científica. 6. ed. São Paulo: Atlas, 2009.
• [13] OLIVEIRA, Mauri Aparecido de. Aplicação de Redes Neurais Artificiais na análise de séries temporais econômico-financeiras. Tese de Doutorado. Universidade de São Paulo, 2007.
• [14] PINHEIRO, Juliano Lima. Mercado de capitais: fundamentos e técnicas. 5. ed. São Paulo: Atlas, 2009.
• [15] RANGANATHAN, Ananth. The Levenberg-Marquardt Algorithm. Disponível em: <http://users-phys.au.dk/jensjh/numeric/project/10.1.1.135.865.pdf>. Acesso em: 23 mai. 2013.
• [16] RESENDE, Solange Oliveira. Sistemas inteligentes: fundamentos e aplicações. Barueri: Manole, 2003.
• [17] ZÁRATE, Luis Enrique, HELMAN, Horacio, GÁLVEZ, José Maria. Representação e Controle de Laminadores Tandem Baseado em funções de Sensibilidade Obtidos Através de Redes Neurais. Revista Controle & Automação, Volume 14 no.2, Abril, Maio, Junho 2003.

Como citar:

Papadopoulos, Theodoros Barsante; Bittencout, Fabricio Roulin; Leroy, Felipe Lacerda Diniz; Reis, Thaís Cotta Barbosa; Neves, Patrícia Carla de Brito; "REDES NEURAIS ARTIFICIAIS NA PREDIÇÃO DO PREÇO FUTURO DE FECHAMENTO DE PAPÉIS COM ALTA E BAIXA VOLATILIDADE NEGOCIADOS NA BOVESPA E NA BOLSA DE VALORES DE NOVA IORQUE", p-873-884. In: Anais do XVIII Simpósio de Pesquisa Operacinal & Logística da Marinha. São Paulo: Blucher, 2016.
ISSN 21756295, DOI 10.5151/marine-spolm2015-141098