Aplicação Data Science
em um estudo comparativo entre redes neurais e regressão linear na predição dos valores de ações na bolsa brasileira
Keywords:
Machine Learning, Economics, Stocks, Linear Regression, Neural NetworksAbstract
This article proposes, through statistical prediction models based on the use of historical data from a time series, to verify the behavior and performance of two Machine Learning algorithms in predicting data from an investment from an economic point of view. The two computational models studied in question were Linear Regression and Artificial Neural Networks, both being applied to predict the results of the asset value of a Brazilian company on the stock exchange, with the objective of producing a comparative study between the methods and determining their differences in applicability in financial decisions.
References
Bustos, Oscar; Pomares-Quimbaya, Alexandra. Stock market movement forecast: A systematic review. Expert Systems with Applications, v. 156, p. 113464, 2020.
Da Silva, Everton Josué. Modelagem e aplicação de técnicas de aprendizado de máquina para negociação em alta frequência em bolsa de valores. 2015.
Figueiredo Filho, Dalson et al. O que fazer e o que não fazer com a regressão: pressupostos e aplicações do modelo linear de Mínimos Quadrados Ordinários (MQO). Revista Política Hoje, v. 20, n. 1, 2011.
Gomboski, Matheus. A utilização de algoritmos de machine learning na análise econômica. 2019.
Hoffmann, Rodolfo. Análise de regressão: uma introdução à econometria. 2016.
Kumar, R. R. Visualizing Big Data Mining: Challenges, Problems and Opportunities. v. 6, n. 4, p. 3933–3937, 2015.
Machado, W, C.; Fonseca Júnior, E. S. Redes Neurais Artificiais aplicadas na previsão do VTEC no Brasil. Boletim de Ciências Geodesicas, v.19, n.2, p. 227-246, 2013.
Martinez, Leonardo C. et al. From an artificial neural network to a stock market day-trading system: A case study on the bm&f bovespa. In: 2009 International Joint Conference on Neural Networks. IEEE, 2009. p. 2006-2013.
Maroni Neto, Ricardo et al. Machine Learning aplicada a finanças: Previsão por meio de indicadores econômicos-financeiros. 2021.
Nied, A. Treinamento de redes neurais artificiais baseado em sistemas de estrutura variável com taxa de aprendizado adaptativa. 2007. Belo Horizonte, MG. Tese (Doutorado) – Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Minas Gerais.
Patrikainen, Tuomas. Using machine learning to forecast long-term equity price movement. Journal of Applied Finance & Banking, v. 7, n. 1, p. 1-40.
Silva, Vitor Hugo Miro Couto; De França, João Mário Santos. Modelos de machine learning na classificação de pobreza: uma aplicação para o estado do Ceará.
Steffen, Andressa Antunes et al. Predição de séries temporais aplicada ao mercado de ações utilizando regressão linear. 202.
Xiangyan, Pan. Prediction Algorithm of Digital Economy Development Trend Based on Big Data. Mathematical Problems in Engineering, v. 2022, 2022.
Valencia, F.; Gómez-Espinosa, A.; Valdés-Aguirre, B. Price movement prediction of cryptocurrencies using sentiment analysis and machine learning. Entropy, v. 21, n. 6, 2019.
Willmott, Cort J.; Matsuura, Kenji. Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Climate research, v. 30, n. 1, p. 79-82, 2005.
