Um modelo de rede neural para a previsão dos preços do mercado bolsista

As bolsas de valores são consideradas atores fundamentais no setor financeiro de muitos países. Nessas bolsas, são os corretores da bolsa que executam as transações de ações e aconselham os clientes sobre onde investir. A maioria destes corretores recorre à análise técnica, fundamental ou de séries temporais para tentar prever os preços futuros das ações, de modo a aconselhar os clientes sobre os investimentos adequados. No entanto, estas estratégias não garantem, normalmente, bons retornos, uma vez que se baseiam em tendências e não no preço de negociação mais provável numa data futura. É, por isso, necessário explorar métodos de previsão mais aperfeiçoados. A investigação utiliza uma Rede Neural Artificial (RNA) do tipo perceptrão multicamadas (MLP) de alimentação direta com retropropagação de erros para desenvolver um modelo de RNA com a configuração 5:21:21:1, utilizando 80% dos dados para treino em 130 000 ciclos. A investigação desenvolve, em seguida, um protótipo e testa-o utilizando dados de 2008 a 2012 provenientes de várias bolsas de valores, tais como a Bolsa de Valores de Nairobi (NSE) e a Bolsa de Valores de Nova Iorque (NYSE). Os resultados revelaram que o modelo previu preços com um MAPE entre 0,71% e 2,77%. A validação, realizada com o Neuroph & Encog, apresentou um RMSE próximo. O modelo pode, portanto, ser utilizado em qualquer previsão típica do mercado bolsista.

As bolsas de valores são consideradas atores fundamentais no setor financeiro de muitos países. Nessas bolsas, são os corretores da bolsa que executam as transações de ações e aconselham os clientes sobre onde investir. A maioria destes corretores recorre à análise técnica, fundamental ou de séries temporais para tentar prever os preços futuros das ações, de modo a aconselhar os clientes sobre os investimentos adequados. No entanto, estas estratégias não garantem, normalmente, bons retornos, uma vez que se baseiam em tendências e não no preço de negociação mais provável numa data futura. É, por isso, necessário explorar métodos de previsão mais aperfeiçoados. A investigação utiliza uma Rede Neural Artificial (RNA) do tipo perceptrão multicamadas (MLP) de alimentação direta com retropropagação de erros para desenvolver um modelo de RNA com a configuração 5:21:21:1, utilizando 80% dos dados para treino em 130 000 ciclos. A investigação desenvolve, em seguida, um protótipo e testa-o utilizando dados de 2008 a 2012 provenientes de várias bolsas de valores, tais como a Bolsa de Valores de Nairobi (NSE) e a Bolsa de Valores de Nova Iorque (NYSE). Os resultados revelaram que o modelo previu preços com um MAPE entre 0,71% e 2,77%. A validação, realizada com o Neuroph & Encog, apresentou um RMSE próximo. O modelo pode, portanto, ser utilizado em qualquer previsão típica do mercado bolsista.