Um Estudo Sobre Aprendizado de Máquina Aplicado à Modelagem de Retornos de Ações
aprendizado de máquina, mercado de ações, séries temporais.
O comportamento do preço de ações tem sido objeto de estudo há mais de um século, e as primeiras aplicações de inteligência artificial na previsão de retornos datam da década de 1980. Neste trabalho, foi realizado um estudo sobre a aplicação de máquinas de vetores de suporte na previsão da distribuição de probabilidade de taxas de retorno futuras dos preços de ações do mercado brasileiro: com base em valores anteriores das taxas de retorno e volatilidades, ambas extraídas dos preços, deseja-se verificar se a sua utilização é vantajosa em relação a modelos estatísticos mais simples. Através da comparação do desempenho de diversos modelos (lineares, não lineares baseados em máquinas de vetores de suporte e híbridos) em séries temporais com amostragens semanal, diária e intraday de dez minutos, foi evidenciado que: (a) modelos híbridos geram previsões mais precisas do que os demais nas séries de volatilidades; (b) a aplicação de máquinas de vetores de suporte na previsão de valores esperados para taxas de retorno não leva a ganhos em relação a modelos lineares; e (c) modelos compostos por um linear para a previsão de valores esperados e um híbrido para previsão de volatilidades capturam adequadamente as características das séries de taxas de retorno e, dentre todos os modelos avaliados, produzem menor número de intervalos de previsão inválidos.