Previsão de retornos financeiros: uma abordagem de aprendizado de máquina

Resumo

Modelos de aprendizado de máquina vem sendo utilizados cada vez mais em todas as áreas do conhecimento como consequência da notória capacidade preditiva desses métodos, aliada ao crescente desenvolvimento dos processadores e à imensa disponibilidade de dados. Nesse contexto, o objetivo deste projeto é avaliar o desempenho dos modelos mais comuns de aprendizado de máquina aplicados em um problema de previsão de retornos financeiros a partir de dezenas de variáveis explanatórias. Para tal, foram ajustados o modelos de Gradient boosted regression trees, florestas aleatórias e redes neurais com base em dados reais de ativos financeiros de mais de 30 anos de diferentes mercados dos Estados Unidos. Os resultados obtidos, no entanto, mostram que os métodos de aprendizado de máquina não melhoram significativamente as previsões obtidas através da média histórica e não foram identificadas variáveis relevantes.