Aplicação de support vector machine para previsão do comportamento de ações negociadas no mercado brasileiro

Abstract

Alocação de capital tem sido um grande desafio para os investidores da economia moderna devido à grande quantidade, variedade e volatilidade dos investimentos. Devido à complexidade inerente a este processo, existem ferramentas que podem ser de extrema valia para auxiliar a tomada de decisão dos investidores, entre as quais se destacam os modelos estatísticos e computacionais. O desenvolvimento de técnicas econométricas modernas e os avanços computacionais, proporcionaram o aperfeiçoamento de algoritmos que auxiliam a descoberta de padrões, previsão de rentabilidade e redução de dimensionalidade, como é o caso das máquinas de vetores de suporte. O presente trabalho busca testar ferramentas que possam auxiliar o processo de seleção de portfólio dos investidores. Para isto foram treinados quatro modelos de aprendizado de máquina para as tarefas de classificação (previsão do comportamento do preço da ação) e regressão (previsão do retorno da ação). A amostra compreendeu ações de seis empresas negociadas no mercado brasileiro, durante o período de 27 anos (de 18 de agosto de 1994 à 16 de dezembro de 2021), totalizando 40.562 observações. Os dois modelos de classificação treinados somente com variáveis advindas da análise fundamentalista ou da análise técnica apresentaram acurácia baixa, próximo ao aleatório. Notou-se uma melhora significativa no desempenho do modelo treinado com a combinação das variáveis provenientes das análises fundamentalistas e técnicas (R² = 0,707). Este resultado vem ao encontro da literatura, a qual aponta que modelos híbridos podem fornecer uma melhor acurácia na previsão das ações. Por fim, o modelo de regressão apresentou resultados satisfatórios somente quando aplicados a amostras de determinadas empresas, como a Vale S.A. (R² = 0,790) e a Petróleo Brasileiro S.A. (R² = 0,663). Concluiu-se, portanto, que o algoritmo support vector machine, treinado para a tarefa de classificação, com variáveis advindas das análises técnicas e fundamentalistas, pode auxiliar os investidores no processo de decisão de alocação de capital.