Rede neural Bovespa final

Prévia do material em texto

14
SERVIÇO PÚBLICO FEDERAL
MINISTÉRIO DA EDUCAÇÃO
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO PARÁ.
CAMPUS BELÉM
CURSO DE ENGENHARIA DE CONTROLE E AUTOMAÇÃO
SAYMO FURTADO VINAGRE
APLICAÇÃO DE UMA RNA PARA PREVISÃO DE UM ATIVO NA BOVESPA 
BELÉM/PA
2020
SAYMO FURTADO VINAGRE
APLICAÇÃO DE UMA RNA PARA PREVISÃO DE UM ATIVO NA BOVESPA 
Projeto de pesquisa apresentado como requisito da 2ª bimestral da disciplina de Metodologia Científica, pelo Curso de Engenharia de Controle e Automação, Turma C3109TX, do Instituto Federal de Educação, Ciência e Tecnologia do Pará (IFPA), Campus Belém, orientado pela Professora M.Sc. Vanessa Souza Álvares de Mello.
 
BELÉM/PA
2020
SAYMO FURTADO VINAGRE
APLICAÇÃO DE UMA RNA PARA PREVISÃO DE UM ATIVO NA BOVESPA 
Avaliado por:
 Profª. M.Sc. Vanessa Souza Álvares de Mello
Data de entrega: 31/01/2020
BELÉM/PA
2020
SUMÁRIO
1 JUSTIFICATIVA	4
2 OBJETIVOS	5
2.1 OBJETIVO GERAL	5
2.2 OBJETIVOS ESPECÍFICOS	5
3 REFERENCIAL TEÓRICO	6
3.1 BOLSA DE VALORES	6
3.1.2COMPORTAMENTO DA BOLSA DE VALORES	6
3.2 REDES NEURAIS ARTIFICIAS	7
3.2.1 TOPOLOGIA	7
3.2.2 TREINAMENTO	9
3.2.3 REDE NEURAL COM BACKPROPAGATION	9
3.2.4 REDE NEURAL PARA PREVISÕES DE SÉRIE TEMPORAIS	10
4 METODOLOGIA	11
4.1 Materiais e Métodos	11
5 RESULTADOS ESPERADOS	12
6 CRONOGRAMA DE ATIVIDADES	13
REFERÊNCIAS	14
1 JUSTIFICATIVA
Para o sistema financeiro o mercado de ações é uma das principais fontes de captação de recurso para o desenvolvimento econômico. Dessa forma, um dos pontos mais relevantes é a previsão do comportamento dos preços. No entanto, essa previsibilidade não é algo trivial, o que faz com que essa modalidade de investimento ainda seja pouco atrativa para a maior parte da população, visto que o medo de tomar decisões equivocadas e dessa forma ver seu patrimônio se desfazer. Para facilitar esse mecanismo de analise são aplicados recursos computacionais.
Este projeto tem como o objetivo a aplicação de um algoritmo genético para prever o comportamento de um ativo na bolsa de valores de São Paulo (BOVESPA), onde o pesquisador irá levantar dados do mercado e buscar auxilio na literatura que possam abordar a temática do trabalho. 
Desta forma o trabalho estará visando auxiliar o investidor com pouco conhecimento na área a tomar a decisão que mais se adequa ao seu perfil, aumentando as suas possibilidades de ter uma renda passiva de longo prazo além das mais conhecidas atualmente.
2 OBJETIVOS
Para o direcionamento do trabalho, seguem os objetivos: geral e especifico.
2.1 Objetivo Geral
O objetivo do trabalho é fazer a previsão de um ativo da BOVESPA com a aplicação de uma Rede Neural Artificial (RNA) auxiliando na tomada de decisão do investidor.
2.2 Objetivos Específicos
Os objetivos específicos são:
· Fazer o estudo do mercado; 
· Fazer o levantamento dos dados que serão inseridos no algoritmo;
· Fazer o estudo de qual técnica irá se adequar melhor ao objetivo proposto;
· Fazer os testes.
3 REFERENCIAL TEÓRICO
Essa seção tem como finalidade apresentar a descrição do comportamento do mercado financeiro e introduzir as características e modelos de arquitetura de uma RNA.
3.1 Bolsa de valores
Importante fonte de captação financeira para as empresas e pessoas físicas, o mercado de capitais vem crescendo consideravelmente no Brasil. Segundo dados da BM&FBOVESPA (Bolsa de Mercadorias e Futuros do Brasil), nas operações do mercado acionário os investidores individuais tiveram participação de 30% do volume negociado na BOVESPA no três primeiros meses de 2010. De fevereiro de 2008 a fevereiro de 2010, o aumento de contas de investidores pessoa física com posição de custodia foi de 19%, tudo isso mostra o crescente interesse dos investidores individuais (MARANGONI, 2010).
A bolsa de valores é um ambiente onde as empresas emitem títulos no qual investidores podem negocia-los, podendo ter capital de caráter privado, publico ou misto. Esse processo é intermediado com auxilio de correspondentes de negociação através de corretoras, tendo como objetivo configurar um ambiente organizado e seguro para essa forma de negociação. Buscando assim oferecer um ambiente que os investidores recebam as ações compradas de maneira eficiente e seguras de forma prática (https://www.btgpactualdigital.com/blog/investimentos/tudo-sobre-bolsa-de-valores).
3.1.2 Comportamento da Bolsa de valores
Partindo-se do pressuposto que os fatores que influenciaram em padrões de comportamento do passado das séries temporais, continuarão a influenciar no comportamento futuro, torna-se necessária a utilização de métodos que capturem características do comportamento do passado a fim de prever o próximo acontecimento com certo grau de confiança. Muitos trabalhos na literatura sobre previsão em mercado financeiro utilizando séries temporais tem se centrado em modelos não-lineares uni variados, uma vez que esses modelos capturam vários tipos de assimetria e outros fenômenos não-lineares (Filho; SILVA; VEIGA; TORTATI, 2011). 
 
3.2 Redes Neurais Artificiais 
 Redes Neurais artificiais são modelos matemáticos que assemelham-se a estruturas cerebrais possuindo a capacidade de aprendizado e generalização. Os neurônios artificiais são basicamente os processadores da rede neural, formados pelos chamados pesos sinápticos, função de soma e função de ativação (TEXEIRA, 2012).
FIGURA 1-Modelo de um Neurônio 
TEXEIRA, 2012
3.2.1 Topologia 
As redes neurais são construídas obedecendo características especificas de acordo com o problema a ser resolvido, dessa forma ela ira ser implementada seguindo a topologia mais adequada pra solução do problema. A topologia denominada perceptrons são as redes de topologia mais simples, possuindo somente uma camada de entrada, onde tem os dados rapidamente processados e enviados para a saída, após passar pela função de ativação (Texeira, 2012). 
Onde a saída do neurônio é definida pela função de ativação onde ela pode ser descrita de vários modos porém umas com mais destaque dentre elas: função limiar, função limiar por partes, função sigmoide logística e a função tangente sigmoide (sn, 2010).
Figura 2- Perceptron 
TEXEIRA, 2012
Outra topologia que é muito usual é a rede perceptron múltiplas camadas onde se tem a adição de camadas intermediarias. Ela possui a capacidade de solucionar problemas mais complexos.
FIGURA 3 – Perceptron Multiplas Camadas
TEXEIRA, 2012
3.2.2 Treinamento
Uma rede neural apresenta dois tipos de treinamento. O primeiro deles é o supervisionado, onde a rede possui um “professor” que verifica os dados reais e os confere com os dados de saída do aprendizado retornando o valor de um erro para a rede. O segundo tipo de treinamento é o não supervisionado, onde não existe um “professor” e a rede aprende através de exemplos de dados semelhantes para definir seu aprendizado (TEXEIRA, 2012). 
3.2.3 Rede Neural com Backpropagation
Redes Neurais que utilizam esse tipo de algoritmo tem como objetivo minimizar o termo erro referente a saída desejada e o valor da saída real. Após fazer a comparação entre a saída real e a saída desejada, os pesos sinápticos são ajustados para conseguir que o erro atinja um valor mínimo o processo e repetido até que se encontre a melhor característica (MARANGONI, 2010). 
3.2.4 Rede Neural Para Previsões De Série Temporais 
Pode – se definir série temporal como uma sequencia de dados de uma determinada variável alocada num período. Diversos fenômenos científicos podem ser classificados como séries temporais. Na economia é possível identificar inúmeras séries temporais: PIB, Inflação, taxa de juros, taxa de câmbio, etc (MARANGONI, 2010).
Uma vez que tais dados[de séries temporais financeiras] refletem o resultado do comércio entre compradores e vendedores, por exemplo no mercado de ações, várias fontes de noticias e outros eventos econômicos exógenos podem causar um impacto sobre o padrão da série temporal de preços de ativos. Dado quenoticias podem levar a várias interpretações e dado também que eventos econômicos específicos como crise do petróleo, podem durar por algum tempo, frequentemente notamos que grandes observações positivas ou negativas em séries temporais financeiras tendem a aparecer em aglomerados (apud GUJARATI, D.2006, p.856)
4 METODOLOGIA 
Durante o período de seis meses serão feito pesquisas para o levantamento de dados na parte de Relação com o Investidor (RI) das empresas e em sites especializados na temática abordada. Além de disso, o pesquisador buscará referencial teórico necessário para dar suporte a sua pesquisa. 
4.1 Materiais e Métodos
Para a realização do projeto será usado a software Matlab.
 
O projeto seguirá as seguintes etapas:
1ª Etapa – Levantamento de dados em sites especializados no tema e no RI das empresas. 
2ª Etapa – Busca na literatura para auxiliar na tomada de decisão de qual ferramenta ou método de RNA irá se adaptar melhor ao objetivo proposto.
3ª Etapa – Programação do algoritmo buscando implementar as variáveis escolhidas para fazer a parametrização e assim prever o comportamento do ativo. 
4ª Etapa – Escolha de um ativo para fazer o teste da RNA. 
5ª Etapa – Escolha de um segundo para verificar se a RNA não se adaptou somente ao primeiro ativo.
6ª Etapa – Fazer uma interface para melhor interação do usuário com a RNA.
5 RESULTADOS ESPERADOS
Após a escolha da arquitetura, do desenvolvimento do algoritmo e treinamento, espera-se que a RNA consiga se comportar de forma similar ou próxima do comportamento real do ativo.
 
6 CRONOGRAMA DE ATIVIDADES
No Quadro 1 segue o cronograma de atividade.
Quadro 1 – Cronograma de atividades.
	Ações/Etapas
	2019
	2020
	
	Nov
	Dez
	Jan
	Fev
	Mar
	Abr
	Maio
	Jun
	Jul
	Coleta de dados para alimentar a RNA
	
	
	
	
	
	
	
	
	
	Estudo na literatura para fazer a escolha da melhor arquitetura 
	
	
	
	
	
	
	
	
	
	Desenvolvimento do algoritmo 
	
	
	
	
	
	
	
	
	
	Escolha do ativo para fazer o treinamento da RNA
	
	
	
	
	
	
	
	
	
	Relatório Final 
	
	
	
	
	
	
	
	
	
Fonte: Autor, 2020
REFERÊNCIAS
BTG PACTUAL digital. Bolsa de Valores: o que é, como funciona e como investir.https://www.btgpactualdigital.com/blog/investimentos/tudo-sobre-bolsa-de-valores . Acesso em 5 de mar. 2020
MARAGONI, Pedre Henrique. Redes Neurais Artificiais para Previsão de Séries Temporais no Mercado Acionário. UFSC-Santa Catarina, 2010
GIRIOLI L.S; RIBEIRO E. M. Utilização de Redes Neurais Artificiais para Análise Técnica no Mercado de Ações: Estudo dos Índices IBOVESPA e Dow Jones Industrial Average (DJIA). Revista EPeQ/Fafibe, 1ª. Ed
FILHO, E.L.S; SILVA. V; VEIGA C. L; TORTATO U. Previsão dos retornos do IBOVESPA utilizando Redes Neurais Artificiais FEEDFORWARD Evolutivas. Revista Produção Online. Florianópolis, v.11, n 4 , out/dez 2011.
TEXEIRA, J V S. Previsão do Índice da Bolsa de Valores do Estado de São Paulo Utilizando Redes Neurais Artificiais. UFLA-MG, 2012.