Metodologia
Inteligência Artificial Aplicada a Mercados Financeiros
1. Coleta e Fontes de Dados
A modelagem é feita em uma base de dados históricos de negociações da bolsa dos principais ativos negociados, com dados diários desde 2005, atualizados diariamente.
O processo de criação de variáveis envolve diferentes algoritmos de I.A. com aprendizado de máquina. Além dos dados históricos, esses algoritmos buscam histórico de cotações diárias de bolsas do exterior (Nasdaq, etc.), séries do BC e Ipeadata, além de cotações de alguns commodities considerados relevantes para os modelos. São as chamadas variáveis exógenas.
2. Modelagem e Engenharia de Variáveis
Programas dedicados realizam a limpeza, normalização e padronização dos dados. A partir disso, são geradas estatísticas e insights, incluindo:
- Tendências e Forecast (janelas móveis/deslizantes).
- Grau de inclinação de curvas e verificação de outliers.
- Médias Móveis.
- Indicadores Técnicos (MACD, IFR, Estocástico, etc.).
- Correlação com dados exógenos.
- Processo de Computação Paralela para sensibilização.
As variáveis dependentes do modelo são: Comprar / Vender / Manter.
3. Arquitetura de I.A.
Atualmente o módulo opera com 5 algoritmos de machine learning diferentes, cada um com suas especificidades em aprendizado supervisionado e não supervisionado.
Consolidação: Os resultados são unificados e, dependendo do grau de confiança, um 6º algoritmo é acionado para confirmar o viés para o período indicado (totalmente parametrizável e variável).
4. Foco: Swing Trading e Portfólio
O principal objetivo é simular os melhores pontos de entrada e de saída para cada ativo, considerando as margens projetadas para Swing Trading.
É fundamental que o módulo de composição de portfólio ideal seja combinado. A análise isolada dos resultados por ativo não garante o sucesso das simulações.
ATENÇÃO: Cautela e Observação
É importante destacar que a decisão final deve combinar essas projeções com análises técnicas e fundamentalistas complementares.
O mercado possui um comportamento caótico, com volatilidade ampla. Oscilações decorrentes de fatores e notícias externas (empresas, política e economia) podem descolar as cotações dos modelos de forecast.
Portanto, cautela e observação contínua são fundamentais em todos os cenários.