Navegando por Assunto "Ações (Finanças)"

Agora exibindo 1 - 4 de 4

Predição de preços de ações do setor elétrico com aprendizado de máquina
(2026-02-20) Costa, João Vitor de Araújo; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584
A previsão de preços de ações é um desafio clássico no mercado financeiro, devido à alta volatilidade e à complexidade dos fatores que influenciam o comportamento dos ativos. Este trabalho tem como objetivo aplicar e comparar diferentes algoritmos de aprendizado de máquina para prever os preços das ações brasileiras TAEE11 (Taesa) e CMIG4 (Cemig), com foco exclusivo em problemas de regressão. Para isso, foram utilizados dados históricos de preços das ações combinados com variáveis macroeconômicas, como taxa de juros, IPCA, IEE e câmbio, além de indicadores técnicos como RSI e MACD. O conjunto de dados compreende o período de 2010 a 2019. Os resultados indicam que o modelo Random Forest apresentou melhor desempenho geral, observando-se as métricas, o modelo apresentou o menor RMSE, MAE, MAPE e maior R².
Previsão de preço de ações de empresas do setor elétrico com algoritmos de aprendizado de máquina
(2025-03-21) Silva, Herculles Hendrius Coutinho Mesquita; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584
O presente trabalho tem como objetivo comparar a eficiência de diferentes algoritmos de aprendizado de máquina na previsão de preços de ações do setor de energia elétrica. Para isso, foram analisados quatro algoritmos: Long Short-Term Memory (LSTM), Support Vector Regression (SVR), Regressão Linear e Random Forest. Os dados utilizados compreendem uma série histórica de preços e indicadores adicionais, como inflação, Índice de energia elétrica (IEE) e variação cambial, que foram processados e utilizados como entrada para os modelos. A análise foi realizada com base em métricas de erro, como Erro Médio Absoluto (MAE), Erro Quadrático Médio (MSE) e Raiz do Erro Quadrático Médio (RMSE), bem como pela avaliação da diferença percentual entre os preços previstos e os valores reais. Os resultados mostram que o algoritmo LSTM obteve o melhor desempenho na previsão de preços de fechamento, seguido pela Regressão Linear, enquanto o Random Forest apresentou maior margem de erro e se monstrando inadequado para a aplicação neste problema. Este estudo realiza a aplicação de algoritmos preditivos no mercado financeiro, demonstrando o potencial do aprendizado de máquina como ferramenta para análise e tomada de decisão no setor de energia elétrica.
Teste da abordagem de Benjamin Graham para investidores defensivos no mercado de ações brasileiro
(2024-12-05) Santos Neto, Antonio Carlos dos; Carazza, Luís Eduardo Barbosa; http://lattes.cnpq.br/1625397086677760; http://lattes.cnpq.br/6202501154328319
Graham acreditava que os investidores que desejassem empenhar pouco tempo na avaliação de ativos poderiam ser bem-sucedidos se adquirissem ações de companhias que atendessem a sete critérios que medem a qualidade de seu desempenho financeiro e atratividade de preço. Apesar de diversos estudos brasileiros demonstrarem a efetividade da filosofia de Graham, de nosso conhecimento, nenhum aplica as recomendações da exata forma publicada pelo autor. Este artigo, portanto, tem como objetivo verificar se a estratégia destinada a Investidores Defensivos apresentada por Benjamin Graham em O Investidor Inteligente é eficaz no mercado acionário brasileiro. Para atingir tal objetivo, construímos carteiras de ações que atendiam os critérios de Graham em abril de cada ano entre 2011 e 2020. Posteriormente, avaliamos seu desempenho com base no Modelo de Três Fatores Fama-French em intervalos de 2, 4, 6, 8 e 10 anos de investimento. Por fim, utilizamos a técnica dos Mínimos Quadrados Ordinários (MQO) para estimar os coeficientes do Modelo. Os resultados revelam que as carteiras apresentaram retorno excedente ao mercado nos intervalos de oito e dez anos de investimento. Assim, a estratégia se mostra eficaz para o mercado de ações brasileiro.
Transfer Entropy entre ações do setor financeiro e o Ibovespa
(2024-10-03) Silva, Thiago Victor Mariano da; Jale, Jader da Silva; http://lattes.cnpq.br/8171702059557650
Esta monografia tem como objetivo geral a aplicação da Transfer Entropy para analisar as interações entre ações do setor financeiro e o principal índice de ações da bolsa brasileira, o índice Bovespa, dentro do contexto da emergência sanitária do SARS-COVID-19. Analisou-se as séries temporais dos retornos financeiros dos ativos, sob a ótica dos fatos estilizados, para observar os efeitos da pandemia sob o fluxo de informações entre as ações e o índice como forma de verificar se existe influência de determinada ação sobre o índice ou se o índice influência determinada ação. Calculou-se a Transfer Entropy, seguindo o proposto pela literatura para a ordem do processo estacionário de Markov com k = l = 1 e um valor alternativo baseado no prazo de liquidação de ações da B3 com k = l = 2. Para ambos os casos, foi aplicada a Net Transfer Entropy para avaliar a predominância do fluxo de informações entre as séries. Com isso, foi possível verificar tanto os impactos com a mudança na ordem do processo de Markov, quanto essa mudança impactou nos fluxos de informação no contexto analisado. Os resultados mostraram que no período anterior a pandemia a mudança na ordem do processo de Markov no cálculo da Transfer Entropy não produziu mudanças qualitativas na dinâmica do fluxo de informações, enquanto durante a pandemia tivemos apenas um ativo que sofreu influência da troca da ordem com mudança na direção desse fluxo de informações. Contudo, considerou-se que a adoção de uma ordem superior na análise forneceu uma melhor compreensão sobre as dinâmicas das séries analisadas, por incluir procedimentos operacionais da bolsa brasileira para esse tipo de ativo.