O PODER PREDITIVO DOS MODELOS BOOSTING DE MACHINE LEARNING NO MERCADO BRASILEIRO DE AÇÕES

Autores

  • José Erasmo Silva Pecege
  • Renato Máximo Sátiro Universidade Federal de Goiás, UFG, Brasil

Resumo

O mercado de ações está entre os pilares mais abrangentes e importantes da economia de qualquer país, pois desempenha um papel crucial em seu processo de crescimento, alimentando, ao longo do tempo, a atividade econômica nacional. A previsão do retorno de ações é uma área relevante de pesquisa e tem atraído muita atenção de pesquisadores e investidores em virtude dos potenciais benefícios monetários decorrentes dessa previsão. O objetivo deste estudo foi verificar o poder preditivo dos algoritmos CatBoost, gradient boosting, AdaBoost, LightGBM e XGBoost na previsão de retornos mensais de ações no mercado brasileiro. Os modelos foram treinados e avaliados no período de 2017 a 2021. Os resultados apontam, sob a perspectiva da maioria das métricas, que o CatBoost se destacou como mais eficiente, sendo um dos mais promissores e sofisticados entre os algoritmos apresentados, derivado das árvores de decisão.

Biografia do Autor

Renato Máximo Sátiro, Universidade Federal de Goiás, UFG, Brasil

Atualmente é Professor/Orientador do MBA em Data Science & Analytics da Escola Superior de Agricultura "Luiz de Queiroz" (ESALQ) da Universidade de São Paulo (USP), atuando ainda como monitor (parte teórica e prática das áreas de estatística e de programação) do MBA em Data Science & Analytics da Escola Superior de Agricultura "Luiz de Queiroz" (ESALQ). É membro do Grupo Administração da Justiça da Universidade Federal de Goiás - AJUS/UFG da Universidade Federal de Goiás - UFG e do Grupo de Administração da Justiça - AJUS/UnB da Universidade de Brasília - UnB. Doutor em Administração pela Universidade Federal de Goiás (UFG) - linha de pesquisa Administração Pública e Políticas Públicas - e graduando em Direito também pela Universidade Federal de Goiás (UFG). Possui bacharelado em Administração (2015) pela Universidade Federal de Goiás (UFG) e Mestrado em Administração (2019) pela Universidade Federal de Goiás (UFG) - linha de pesquisa Administração Pública e Políticas Públicas. Tem experiência na área de Administração Financeira e Gestão Estratégica. Atualmente é servidor público na Universidade Federal de Goiás (UFG), atuando no Gabinete da Reitoria Universidade Federal de Goiás (UFG). Atua como Representante (suplente) dos servidores técnico-administrativos em educação (TAE's) no Conselho Universitário (CONSUNI) da Universidade Federal de Goiás (UFG). Tem interesse pelos temas: Análise multivariada de dados e Métodos quantitativos aplicados à Administração de empresas e à Administração Pública, Jurimetria e determinantes do acesso à Justiça no Brasil. Possui experiência com programação direcionada à coleta, organização, ao tratamento, à análise e à apresentação de dados, atuando com técnicas de Machine Learning supervisionadas ou não supervisionadas, utilizando o R, o GRETL, o SPSS e o Stata. Desenvolve trabalhos na área de business intelligence e data visualization, inteligência artificial, big data e data mining. 

Fonte: lattes

Downloads

Publicado

14/12/2022

Edição

v. 11 n. 1 (2024): CONTABILOMETRIA – Brazilian Journal of Quantitative Methods Applied to Accounting (Jan. - Jun. /2024)

Seção

Artigos

Licença

Todos os trabalhos aceitos e publicados pela Revista “CONTABILOMETRIA – Brazilian Journal of Quantitative Methods Applied to Accounting” terão como prerrogativas básicas os seguintes pontos:

  • a) As submissões são abertas a todos os usuários interessados, desde que, previamente cadastrados no Sistema de Publicação Eletrônica de Revistas utilizado pela Revista “CONTABILOMETRIA – Brazilian Journal of Quantitative Methods Applied to Accounting”;
  • b) Todos os trabalhos aprovados e publicados pela Revista “CONTABILOMETRIA – Brazilian Journal of Quantitative Methods Applied to Accounting” são de livre acesso a todos os interessados desde que, previamente, possua um código de usuário e senha cadastrados no Sistema de Publicação Eletrônica de Revistas utilizado pela Revista;
  • c) O Sistema de Publicação Eletrônica de Revistas utilizado pela Revista “CONTABILOMETRIA – Brazilian Journal of Quantitative Methods Applied to Accounting” será aberto a todo e qualquer usuário interessado no seu conteúdo. Sendo que, o cadastro no referido sistema será de inteira responsabilidade do usuário interessado.