Aprendizado conjunto aplicado na predição do mercado de ações brasileiro

A previsão do mercado de ações é considerada uma tarefa complexa, envolvendo áreas interdisciplinares como estatística, economia e computação. Com o avanço das técnicas de machine learning, tal prática se tornou um recurso bastante utilizado para a maximização de lucros do mercado. É crescente o número de investidores e pesquisadores desse âmbito em cenário nacional, no entanto, a utilização de modelos que fazem combinação de técnicas de machine learning ainda não foi explorada. Este trabalho apresenta o Stock Market Ensemble Predictor (SMARTER), um modelo de aprendizado de máquina que combina diferentes técnicas de regressão, desenvolvido com o objetivo de realizar análises preditivas sobre dados históricos do mercado de ações brasileiro, visando aumentar a acurácia da precisão por meio da combinação dos resultados de múltiplas abordagens. Obteve-se com as técnicas OLS e Bayesian Ridge, aliado a técnica de Voting, o maior coeficiente de determinação R² médio dentre as combinações testadas. O valor alcançado foi de 0,914864, formando um modelo mais confiável, aumentando a acurácia da precisão do resultado.