Resumo: Prever variações de preço em bolsas de valores é um grande desafio devido ao fato de este ser um ambiente extremamente dinâmico e complexo. Além disso, a possibilidade de obter lucro durante as oscilações intradiárias, aquelas que ocorrem em um mesmo dia, torna a previsibilidade ainda mais desafiadora. Embora a Hipótese do Mercado Eficiente indique que não é possível, a partir de quaisquer informações previamente conhecidas, prever as variações futuras, diversos estudos baseados em Aprendizado de Máquina e, principalmente, Aprendizagem Profunda, estão buscando encarar tal desafio e tentando invalidar essa hipótese. Tais estudos foram capazes de alcançar resultados satisfatórios na previsão de preços de ações, utilizandose de dados históricos financeiros. Por esse motivo, este trabalho realizou um levantamento de bases históricas intradiárias de 3 ações do setor bancário - Banco BTG Pactual (BPAC11), Banco Bradesco (BBDC4) e Itaú Unibanco (ITUB4) - coletadas da B3, tendo como finalidade realizar previsões de tendência de preços de séries temporais, utilizando a rede neural recorrente conhecida como Long Short-Term Memory (LSTM). O propósito foi verificar como se comporta a acurácia de predição conforme comprimimos o horizonte de previsão. A análise dos resultados obtidos, representados por gráficos box-plots, demonstraram que não houve um aumento ou diminuição dos valores de acurácia das ações BPAC11 e ITUB4, enquanto somente a ação BBDC4 obteve um aumento na mediana e uma diminuição na dispersão dos dados, conforme o horizonte de predição era reduzido Ver menos

Abstract: Predicting price variations on stock exchanges is a major challenge due to the fact that this is an extremely dynamic and complex environment. Furthermore, the possibility of making a profit during intraday swings, those that occur on the same day, makes predictability even more challenging. Although the Ecient Market hypothesis infers that it is not possible to predict any advance information as future variations, several studies based on Machine Learning and, particularly Deep Learning are seeking to face such a challenge and trying to disprove this hypothesis, as satisfactory results were achieved in forecasting stock prices using historical financial data. For this reason, this work carried out a survey based on intraday historical databases of three banking sector stocks - Banco BTG Pactual (BPAC11), Banco Bradesco (BBDC4) and Itaú Unibanco (ITUB4) - with the purpose of making time series price trend forecasts, using the recurrent neural network known as Long Short-Term Memory (LSTM). The purpose was to verify how the prediction accuracy behaves as we compress the forecast horizon. The analysis of the obtained results, represented by box-plots graphics, showed that there was no increase or decrease in the accuracy values of the stocks BPAC11 and ITUB4, while only the stock BBDC4 obtained an increase in the median and a decrease in the data dispersion, as the prediction horizon was reduced Ver menos