Previsão do mercado acionário por meio de redes neurais MLP e redes neurais Kohonen em período de crise econômica
Resumo
As oscilações no mercado acionário por meio de crises econômicas, riscos de deflação e armadilhas de liquidez são pontos críticos na análise de risco, que ocasionam discrepâncias na execução de um determinado escopo no mercado de renda variável. A crise da inadimplência do subprime em 2007/2008 que obteve uma das maiores repercussões nos mercados financeiros fundou novas discussões em relação ao controle de risco na tomada de decisão do investidor. No mercado acionário, a análise de risco busca auxiliar o investidor na tomada de decisões, para isso utiliza-se de ferramentas e métodos estatísticos para tentar predizer os movimentos do mercado. Com base nestas afirmações anteriores e com o intuito de auxiliar o investidor na tomada de decisão mediante a uma crise econômica, este trabalho, do tipo exploratório, objetivou-se desenvolver e treinar duas redes neurais com aprendizados diferenciados sem o problema da caixa preta dos métodos a fim de comparar quais das duas tem melhor previsão em períodos de crises econômicas. Como variáveis de entrada para as redes neurais utilizou-se o retorno do volume semanais do Ibovespa no período de 12/08/2002 até 30/05/2011 e um setup desenvolvido a partir da Teoria das Ondas de Elliott. Ou seja, estas duas redes neurais foram desenvolvidas, treinadas e validadas para antever os movimentos do mercado quando este apresentar oscilações provenientes de uma crise econômica. Como mencionado anteriormente para validar o estudo, foi comparado o poder de explicação dos dois métodos, antes de um ponto de uma provável crise. Conclui-se, portanto, que a analogia feita para a criação da teoria das ondas de Elliott entre a teoria do comportamento psicológico das massas e a seqüência de Fibonacci se mostrou incapaz de prever oscilações do mercado em uma série correspondente a uma crise econômica. Conclui-se, também, que redes neurais com aprendizados não supervisionados que utilizam variáveis temporais como variáveis de entrada tem a previsão superior no treinamento, mas inferiores na etapa mais determinante a validação das redes.