Eficácia do Método de Redes Neurais na Predição do Ibovespa:

Durante os últimos semestres do curso de Ciências Econômicas na FECAP, iniciei a preparação do Trabalho de Conclusão de Curso ao lado do meu colega e amigo João Vitor Santana Lins, com a valiosa orientação do professor Alexsandro Roberto Nascimento Ordonez.

Demoramos algum tempo para iniciar efetivamente a produção, pois ainda não havíamos decidido qual tema gostaríamos de explorar. Inicialmente, nos interessamos por temas relacionados à estimação de demanda da própria faculdade. No entanto, a limitação de dados disponíveis e a alta complexidade dos modelos necessários tornaram o projeto inviável dentro do tempo que tínhamos.

Foi então, em uma conversa com o professor Erivaldo, da disciplina de Microeconomia, que surgiu uma ideia transformadora. Ele mencionou o uso de Redes Neurais — um modelo antigo, mas ainda considerado relativamente novo no meio acadêmico, especialmente quando comparado às abordagens tradicionais de modelagem econométrica. A curiosidade despertada por esse método nos motivou a aprender mais sobre seu funcionamento e, a partir disso, decidimos compará-lo com os modelos clássicos que estudamos ao longo da graduação.

Assim nasceu o nosso trabalho:
“Eficácia do Método de Redes Neurais na Predição do Ibovespa: Uma Comparação com Modelos Tradicionais”.

Agradeço imensamente ao meu parceiro de jornada, João Vitor Santana Lins, e ao nosso orientador, Professor Alexsandro Ordonez, por acreditarem no projeto e investirem tempo e conhecimento para que ele se tornasse realidade.

Resumo

O presente trabalho tem como objetivo analisar a eficácia do método de redes neurais artificiais por meio da arquitetura (LSTM), na predição do índice ibovespa. Para isso comparou-se o desempenho desse método com abordagens mais tradicionais como Vetores Autorregressivos (VAR) e a metodologia Box–Jenkins (ARIMA). Utilizando a mesma base de dados os modelos realizaram previsões para um horizonte de 12 meses, e utilizando as estatísticas de RMSE e RMSPE como comparação foi indicado que o método de redes neurais apresentou melhor desempenho na previsão do índice, superando os métodos tradicionais comparados.

Palavras-chave: ibovespa; LSTM; ARIMA; VAR.

ABSTRACT

The present study aims to analyze the effectiveness of the artificial neural network method through the LSTM architecture in predicting the Ibovespa index. For this purpose, the performance of this method was compared with more traditional approaches such as Autoregressive Vectors (VAR) and the Box–Jenkins methodology (ARIMA). Using the same dataset, the models generated forecasts for a 12-month horizon, and by applying RMSE and RMSPE statistics as comparison metrics, it was indicated that the neural network method showed better performance in predicting the index, outperforming the traditional methods compared. Keywords: ibovespa; LSTM; ARIMA; VAR.ABSTRACT The present study aims to analyze the effectiveness of the artificial neural network method through the LSTM architecture in predicting the Ibovespa index. For this purpose, the performance of this method was compared with more traditional approaches such as Autoregressive Vectors (VAR) and the Box–Jenkins methodology (ARIMA). Using the same dataset, the models generated forecasts for a 12-month horizon, and by applying RMSE and RMSPE statistics as comparison metrics, it was indicated that the neural network method showed better performance in predicting the index, outperforming the traditional methods compared.

Keywords: ibovespa; LSTM; ARIMA; VAR.