Redes neurais artificiais aplicadas à previsão e operação no mercado financeiro: um estudo para fins de otimização de carteiras de investimentos

Abstract

O mercado de ações apresenta desafios analíticos e de volatilidade para investidores. Visando apoiar a tomada de decisão, este trabalho explora a aplicação de redes neurais profundas para identificar padrões em dados financeiros e prever o comportamento de ativos. Para tal, desenvolve-se um pipeline que compara três arquiteturas de redes neurais — MLP, CNN e LSTM — na previsão de ativos do Índice Bovespa, utilizando dados históricos enriquecidos com indicadores técnicos. A avaliação dos modelos emprega uma metodologia de validação cruzada Walk-Forward Analysis, com a Acurácia Direcional como métrica primária e um sistema de backtesting para aferir a eficácia financeira de uma estratégia de otimização de carteira. O objetivo é, portanto, investigar a viabilidade de tal abordagem e consolidar a pesquisa em uma plataforma de aplicação prática e educacional para a análise de investimentos com Inteligência Artificial.