Previsão financeira com aprendizado profundo e inteligência artificial

• Ano de defesa: 2025
• Autor(a) principal: Prass, Paulo Ricardo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul; Escola Politécnica; Brasil; PUCRS; Programa de Pós-Graduação em Ciência da Computação
• Palavras-chave em Português: Inteligência Artificial; Redes Neurais; Previsão de Ações; Mercado Financeiro; Aprendizado de Máquina; Artificial Intelligence; Neural Networks; Stock Price Prediction; Financial Market; Machine Learning; CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
• Link de acesso: https://tede2.pucrs.br/tede2/handle/tede/11694

O presente trabalho utiliza como base os avanços da tecnologia, explorando um dos temas mais abordados na atualidade: a inteligência artificial. O objetivo é aplicar modelos de aprendizado de máquina, especificamente redes neurais recorrentes, para realizar previsões de preços de ações do mercado financeiro brasileiro, com dados do Ibovespa. Foram conduzidos testes e treinamentos com diferentes arquiteturas de redes neurais, buscando um modelo com maior precisão. Os dados foram coletados da API do Yahoo Finance e pré-processados para o treinamento. Após a implementação das arquiteturas, as previsões foram comparadas com os valores reais. Diversos testes foram realizados com variações em parâmetros como taxa de aprendizado, número de neurônios e outros hiperparâmetros, visando identificar melhorias no desempenho dos modelos. A análise dos resultados permitiu avaliar o impacto dessas modificações e ajustar a configuração para alcançar previsões mais precisas. Os resultados finais evidenciam ganhos de desempenho com a implementação de um modelo híbrido de rede neural, que combina diferentes arquiteturas para aperfeiçoar a capacidade preditiva e de generalização. O estudo reforça o potencial das redes neurais híbridas na solução de problemas computacionais complexos e contribui para a inovação no contexto financeiro e no campo da Ciência da Computação.