Previsão do índice bovespa por meio de redes neurais artificiais: uma análise comparada aos métodos tradicionais de séries de tempo

AUTOR(ES)
FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

20/12/2011

RESUMO

Nas organizações, a previsão constitui a base para a tomada de decisões estratégicas, táticas e operacionais. Na economia financeira, diversas técnicas têm sido usadas a fim de prever o comportamento de ativos no decorrer das últimas décadas. Assim, existem diversos métodos para auxiliar na tarefa de previsão de séries temporais, entretanto, técnicas de modelagem convencionais como modelos estatísticos e aqueles baseados em modelos matemáticos teóricos têm produzido previsões insatisfatórias, aumentando o número de estudos em métodos mais avançados de previsão. Dentre estes, as Redes Neurais Artificiais (RNA) são um método relativamente recente e promissor para a previsão em negócios que se revela uma das técnicas que tem causado muito interesse no ambiente financeiro e tem sido utilizado com sucesso em uma ampla variedade de aplicações de sistemas de modelagem financeiro, provado em muitos casos sua superioridade sobre os modelos estatísticos ARIMA-GARCH (OLIVEIRA,2007). Nesse contexto, o presente trabalho teve por objetivo analisar se as RNAs são um método mais adequado para a previsão do comportamento de Índices em Mercados de Capital do que métodos tradicionais de análise de séries temporais. Para tanto, foi desenvolvido um estudo quantitativo que, a partir de índices econômico financeiros, elaborou dois modelos de RNA do tipo feedfoward de aprendizado supervisionado, cujas estruturas consistiram em 20 dados na camada de entrada, 90 neurônios em uma camada oculta e um dado como camada de saída (índice Ibovespa). Estes modelos utilizaram BackPropagation, função de ativação de entrada baseada na tangente Sigmoid e uma função de saída linear. Visto o intuito de analisar a aderência do Método de Redes Neurais Artificiais à realização de previsões do Ibovespa, optou-se por realizar tal análise por meio da comparação de resultados entre este e o Método de previsão em séries temporais GARCH, desenvolvendo-se um modelo GARCH (1,1). Uma vez aplicadas ambas as metodologias (RNA e GARCH) e desenvolvidos os modelos, realizou-se a análise dos resultados obtidos comparando-se os resultados das previsões com os dados históricos e estudando-se os erros de previsão por meio do MSE, RMSE, MAE, Desvio Padrão, U de Theil e teste abrangente da previsões. Verificou-se que os modelos desenvolvidos por meio de RNAs apresentaram menores MSE, RMSE e MAE que o modelo de controle e o teste U de Theil indicou que os três modelos estudados apresentam erros menores que os de uma previsão ingênua. Embora a RNA baseada em retornos tenha apresentado valores dos indicadores de precisão inferiores aos da RNA baseada em preços, o teste abrangente de regressões rejeitou a hipótese de que este modelo seja superior que aquele, indicando que os modelos de RNA apresentam um nível semelhante de precisão. Concluiu-se que, para a série de dados estudada neste trabalho, as Redes Neurais artificiais se mostram um modelo mais adequado de previsão do que os modelos tradicionais de séries temporais, representado neste pelo método GARCH

ASSUNTO(S)

ibovespa séries de tempo modelos de previsão administracao ibovespa forecasting models time series

ACESSO AO ARTIGO

Documentos Relacionados