Redes neurais ELU feed-forward aplicadas a previsão de preços de ativos em bolsas de valores
Resumo
Uma das formas de investimento financeiro mais em voga na economia atual é a compra e
venda de ações. Atualmente a grande maioria das transações com ações já são feitas
automaticamente por softwares especialistas, mas ainda há um grande espaço para se
desenvolver métodos de tomada de decisão específicos para essa área. O presente trabalho testa
uma abordagem de previsão de subidas e descidas de preços de ações utilizando redes neurais
que apesar de não ser nova, teve sua viabilidade aumentada nos últimos anos graças aos avanços
nos algoritmos de treinamento e paralelização utilizando placas gráficas. Neste trabalho, são
comparadas arquiteturas de redes neurais feed-forward com diferentes configurações de
hiperparâmetros, utilizando especificamente neurônios do tipo ELU, aplicadas a previsão de
preço mínimo diário do índice S&P 500. Para a programação dos algoritmos foi utilizada a
linguagem Python, em conjunto com o framework para Deep Learning Tensorflow, e algumas
bibliotecas que simplificam o processo de manipulação de dados (Pandas) e de estruturação
das redes (Keras). Após feita a análise e escolhida a melhor arquitetura, é mostrado um processo
de otimização em que se verifica que a performance da rede é melhorada com a adição de novas
camadas de neurônios.
Coleções
Os arquivos de licença a seguir estão associados a este item: