Análise do desempenho de diferentes modelos de Machine Learning na previsão de preços de ativos de renda variável

Abstract

A utilização de diferentes técnicas para tentar prever os preços de ativos de renda variável tem sido um tópico de extrema relevância no cenário financeiro, especialmente na era da tecnologia e das transformações digitais que vem gerando uma massa cada vez maior de dados acerca desses ativos. Nesse contexto, o uso de modelos de Machine Learning para realizar tais previsões ganhou destaque como uma ferramenta promissora para investidores e analistas, dada a capacidade dos modelos de identificar padrões complexos nos dados e adaptar-se a novas informações, tornando-os uma alternativa atrativa e que pode ser amplamente explorada nesse mercado. A volatilidade dos mercados e a influência de diversos fatores econômicos, políticos e sociais tornam o comportamento dos preços altamente imprevisível. Diante dessa incerteza, o desenvolvimento de métodos precisos e eficazes de previsão se tornou um objetivo fundamental para a tomada de decisões informadas e a otimização de estratégias de investimento. Este trabalho investiga o desempenho de modelos de Machine Learning na previsão de preços de ativos de renda variável. Ao analisar a precisão e eficácia desses modelos, o estudo oferece insights valiosos sobre a aplicabilidade de técnicas de Machine Learning no campo das finanças, destacando o potencial dessas ferramentas na análise de mercado e tomada de decisão em investimentos.