61ª Reunião Anual da SBPC
A. Ciências Exatas e da Terra - 5. Matemática - 5. Probabilidade e Estatística
VIRADAS DE MERCADO - MODELOS PARA A ANÁLISE DE TENDÊNCIAS E SUAS REVERSÕES EM BOLSA DE VALORES
Augusto Felippe Caramico dos Santos 1
1. Pontifícia Universidade Católica de São Paulo
INTRODUÇÃO:

O investimento em bolsa de valores deverá obedecer a critérios de escolha determinados pelo investidor de maneira racional, baseados em análises estatísticas e informações disponíveis que visem maximizar o controle sobre os resultados, limitando suas perdas.

Diante disso, elaboramos um projeto de pesquisa que visa estimar uma possível antecipação do momento de reversão da tendência de curto prazo para o Ibovespa, reduzindo a exposição ao risco pelo investidor e buscando aumentar seu retorno através de técnicas estatísticas, como a Análise de Regressão Múltipla, além dos indicadores financeiros, utilizados geralmente para a tomada de decisão. Além disso, utilizamos as Redes Neurais Artificiais, uma das técnicas mais difundidas da Inteligência Artificial para tentar estimar um modelo capaz de antecipar tal movimento. Verificaremos ainda se as técnicas utilizadas por operadores de pregão para a tomada de decisão são realmente eficientes e se superam a estratégia do investidor comum de comprar e manter visando um horizonte de longo prazo.

METODOLOGIA:

O estudo foi limitado a Bolsa de Valores de São Paulo em seu principal indicador, o Índice Bovespa no período de julho/1996 a julho/2006 considerando somente seu valor em pontos. A escolha do Ibovespa se deve pelo fato do Ibovespa representar cerca de 80% do volume financeiro negociado na Bovespa e também pela integridade de sua série histórica, uma vez que o mesmo não sofreu modificações metodológicas desde sua criação, em 1968.

Primeiramente, coletamos as cotações históricas para o período, juntamente com as cotações das bolsas de países desenvolvidos (DAX-Alemanha; S&P500 e Dow Jones – EUA; FTSE-Inglaterra ;Nikkei – Japão), além de indicadores utilizados no mercado para a avaliação de ativos. Realizamos então uma Análise de Regressão Múltipla a fim de estimarmos um modelo com as variáveis locais. Após isso, realizamos a Regressão Stepwise para obtermos quais variáveis seriam realmente relevantes para a composição de um modelo capaz de prever as oscilações do Ibovespa à vista, onde posteriormente realizamos a simulação de um investimento fictício de R$1000,00.Por fim, buscamos utilizar a técnica de Redes Neurais através do modelo Perceptron Multi-Camadas,o qual foi treinado com dados passados buscando melhorar sua capacidade de previsão para dados futuros desconhecidos.

RESULTADOS:

Após a análise de Regressão Múltipla, a Regressão Stepwise nos revelou ainda quais variáveis seriam relevantes para otimizar o modelo. Encontramos através da análise de Regressão Múltipla um R² ajustado de 0,976 para as variáveis independentes estudadas em relação ao Ibovespa, o que nos possibilitou estimar um modelo adequado ao objetivo de estudo.

Realizamos então uma aplicação fictícia de R$1000,00, durante o período de jul/1996 à dez/2001, obtendo em 89% o acerto da tendência e um resultado bruto de 5.664% totalizando R$ 57644,26.

Optamos ainda pela utilização das Redes Neurais através do modelo Perceptron multicamadas, utilizando o algoritmo de retro-propagação de erros para o treinamento, sendo treinada com dados desde jul/1996 a dez/2005 e testada com dados desconhecidos a ela por 144 pregões até jul/2006. Obtivemos como resultado um coeficiente de correlação r de 0,896 com um erro de 17,39%.

Realizamos ainda, para o período 25 operações baseadas na análise gráfica, onde  verificamos um ganho médio total de 17,84% bruto por operação. Ainda, entre as 25 operações realizadas dezenove obtiveram acerto, gerando um erro médio de 24%. O ganho médio das operações vencedoras foi de 33,80%, enquanto no caso das operações perdedoras a perda média foi de 14,02%.

CONCLUSÃO:

Verificamos, após adotarmos diversas formas de tratamento para os dados coletados, que a utilização de Redes Neurais se mostrou mais eficiente que as demais por utilizar sistemas sofisticados de Inteligência Artificial que conseguem lidar com dados de maneira mais precisa que a Análise de Regressão Múltipla e a Análise Gráfica, direcionando mais corretamente a compra e venda de ações em um ambiente volátil onde é necessário agilidade e rapidez na tomada de decisão.

Por fim, notamos que o maior problema verificado nos sistemas computacionais que operam no mercado é criar um sistema que reconheça a tendência de mercado automaticamente, e caso não haja tendência no curto prazo realize operações lucrativas no mercado.

Outra desvantagem se encontra no fato de que geralmente os sistemas computacionais não conseguem reconhecer de maneira precisa os momentos de reversão das tendências no curto prazo. Os sistemas atuais não são capazes de reconhecer com eficiência quando o mercado alcançou um suporte de longo prazo ou uma resistência enquanto os osciladores utilizados em sua programação não apresentarem os sinais para isso, mantendo as operações de acordo com a tendência até que a mesma se apresente revertida para os padrões do sistema, diminuindo seus acertos e ganhos.

Instituição de Fomento: PIBIC - CEPE
Palavras-chave: Redes Neurais, Bolsa de Valores, Ibovespa.