Desenvolvimento de um sistema preditivo para análise de ativos acionários e gestão de risco

A volatilidade do mercado financeiro exige métodos de análises robustos para a tomada de decisão e gestão de riscos. Este trabalho apresenta e valida um modelo de previsão e análise de dados financeiros, combinando a técnica de séries temporais com algoritmos avançados de Aprendizado de Máquina (Machine Learning). A principal vantagem desse modelo preditivo é a eliminação do viés emocional e cognitivo humano. Neste sentido, o software analisa uma grande quantidade de dados históricos via arquivo csv. Essa capacidade permite a identificação de padrões complexos por meio de análises estatísticas. Além disso, com base nos dados coletados, a abordagem aplicada possui um modelo de previsão de dados para os dias seguintes. O modelo LSTM ”Long Short-Term Memory” foi montado através da linguagem Python, utilizando HTML, CSS, e Javascript para a interface com o usuário. Essa ferramenta, possibilita que o usuário simule investimentos de capital, analise o desempenho histórico da Inteligência Artificial (IA) e preveja a volatilidade do ativo futuro. Ela também possibilita ao usuário checar as métricas de desempenho da IA com relação aos dados, além do gráfico para o melhor visualização dos dados. Os resultados foram promissores, uma vez que a Média de Erro Absoluto (MAE) e o Erro Quadrático Médio da Raiz (RMSE) para ações da Petrobras demostraram alta consistência na previsão de preços.