MACHINE LEARNING APPLIED IN STOCKS IN THE FINANCIAL MARKET B3
Keywords:
Artificial intelligence, Stock Exchange, CandlestickAbstract
Every day, new CPFs are registered on the stock exchange, people seeking greater profitability, exposing themselves to great risks without even knowing how to analyze the best opportunities. Whenever you start to learn something, it is normal to have many difficulties and challenges, as the act of knowing something “new” is challenging, especially when it involves money. Therefore, a comparative analysis was carried out between some of the Artificial Intelligence methods applied to standards on the stock exchange, aiming to improve the assertiveness of the operations carried out, with their efficiency statistically proven increasing the chances of the operations being winners. The algorithms were trained separately from historical data of five stocks, namely: Petrobras, Itaú, Bradesco, Vale and Ambev using the algorithms of Linear Regression, Support Vector Machine
(SVM), K-Nearest Neighbor (KNN), Random Forest and Decision Trees. But it can be applied to any other asset.
Downloads
References
ALI, N., NEAGU, D. & TRUNDLE, P. Evaluation of k-nearest neighbour classifier performance for heterogeneous data sets. SN Appl. Sci. 1, 1559 (2019). https://doi.org/10.1007/s42452-019-1356-9
CAMPOS, R.. Árvores de Decisão. 2017. Disponível em: https://medium.com/machine-learning-beyond-deep-learning/%C3%A1rvores-de-decis%C3%A3o-3f52f6420b69. Acesso em: 14 dez. 2021.
CARVALHO, V. P.. Previsão de séries temporais no mercado financeiro de ações com o uso de rede neural artificial. 2018. 59 f. Dissertação( Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2018. Disponível em: http://tede.mackenzie.br/jspui/bitstream/tede/3710/6/VALTER%20PEREIRA%20DE%20CARVALHO.pdf. Acesso em: 15 dez. 2021.
DANTAS, S. G. Utilização de aprendizado por reforço para operações em bolsa de valores. 2017. 75 f. Trabalho de Conclusão Curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2017. Disponível em: https://bdm.unb.br/handle/10483/28761. Acesso em: 15 dez. 2017.
DIDÁTICA Tech Inteligência Artificial & Data Science: O que é e como funciona o algoritmo KNN?. O que é e como funciona o algoritmo KNN?. 2020. Disponível em: https://didatica.tech/o-que-e-e-como-funciona-o-algoritmo-knn/. Acesso em: 14 dez. 2021.
GIACOMEL, F. S. Um método algorítmico para operações na bolsa de valores baseado em ensembles de redes neurais para modelar e prever os movimentos dos mercados de ações. 2016. Dissertação (Mestado em Ciência da Computação) – Porto Alegre, RS, 2016. Disponível em: https://www.lume.ufrgs.br/bitstream/handle/10183/134586/000988403.pdf?sequence=1&isAllowed=y. Acesso em: 15 dez. 2021.
IGARASHI, W.; VALDEVIESO, G. S.; IGARASHI, D. C. C. Análise de sentimentos e indicadores técnicos, a partir da correlação dos preços de ações com a polaridade de notícias do mercado financeiro. Braz. J. of Bus., Curitiba, v. 3, n. 1, p. 470-486 jan. /mar. 20212020. Disponível em: https://admpg.com.br/2020/anais/arquivos/08132020_130853_5f3564e14a5c9.pdf. Acesso em: 15 dez. 2021.
KHAIDEM, L.; SAHA, S.; DEY, S. R. Predicting the direction of stock market prices
using random forest. arXiv preprint arXiv:1605.00003, 04 2016. Acesso em: 14 dez. 2021.
JOSÉ, I.. KNN (K-Nearest Neighbors). Disponível em: https://medium.com/brasil-ai/knn-k-nearest-neighbors-1-e140c82e9c4e. Acesso em: 14 dez. 2021.
KAUPA, P. H. Aplicação de técnicas da inteligência artificial na seleção de ações para investimento na bolsa de valores de São Paulo. 2013. Mestrado (Engenharia de Produção) – Univove, São Paulo SP, 2013. Disponível em: http://bibliotecatede.uninove.br/handle/tede/200. Acesso em: 15 dez. 2021.
LIMA, M. L.. Um modelo para predição de bolsa de valores baseado em mineração de opinião. 2016. Dissertação (Mestrado em Engenharia de Eletricidade) – Universidade Federal do Maranhão, São Luis, MA, 2016 Disponível em: https://tedebc.ufma.br/jspui/handle/tede/297. Acesso em: 15 dez. 2021.
NALEPA, J.; KAWULOK, M. Selecting training sets for support vector machines: a review. Artif Intell Rev., v. 52, 857–900, 2019. https://doi.org/10.1007/s10462-017-9611-1.
PATEL, S.. Chapter 2: SVM (Support Vector Machine) — Theory. 2017. Disponível em: https://medium.com/machine-learning-101/chapter-2-svm-support-vector-machine-theory-f0812effc72. Acesso em: 14 dez. 2021.
PONTES, P. Inteligência artificial nos investimentos. 2011. Disponível em: https://books.google.com.br/books?hl=pt-BR&lr=&id=A-V7DwAAQBAJ&oi=fnd&pg=PA4&dq=Inteligencia+artificial+Bolsa+de+valores&ots=Si2PSQJyYP&sig=X5NFq3RX6yJYcKPiq5Tbzavl_Vw#v=onepage&q=Inteligencia%20artificial%20Bolsa%20de%20valores&f=false. Acesso em: 15 dez. 2021.
SANTOS, G. C. Algoritmos de machine learning para previsão de ações da B3. 2020. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2020. DOI https://doi.org/10.14393/ufu.di.2020.640. Disponível em: https://repositorio.ufu.br/bitstream/123456789/29897/7/AlgoritmosMachineLearning.pdf. Acesso em: 15 dez. 2021.
SCHEREMETA, L. J. P..Desenvolvimento e avaliação de rede neural aplicada em operações em bolsa de valores. 2021. Trabalho de Conclusão de Curso (Bacharel em Engenharia de Controle e Automação) - Instituto de Ciência e Tecnologia de Sorocaba, Universidade Estadual Paulista (UNESP), Sorocaba, 2021. Disponível em: https://www.sorocaba.unesp.br/Home/Graduacao/EngenhariadeControleeAutomacao/galdenoro1906/final-tcc-_lucas_scheremeta_2021.pdf. Acesso em: 15 dez. 2021.
SILVA, A. F. Estudo de Caso: Estratégia de lucro na bolsa de valores utilizando algoritmos preditivos. 2021. Trabalho de Conclusão de Curso (Bacharel em Ciências da Computação) - Pontifícia Universidade Católica de Goiás, Goiânia, GO, 2021. Disponível em: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/1510. Acesso em: 15 dez. 2021.
TicTacTec LLC. TA-Lib: Technical Analysis Library. 2012. Disponível em: https://ta-lib.org/http://www.ta-lib.org/. Acesso em: 14 dez. 2021.