Redes Neurais de Estado de Eco com otimização por algoritmo genético e correção de eventos para previsão do preço de ações

Apesar das Redes Neurais de Estados de Eco serem bastante utilizadas por exigirem pouco treinamento, possuem a desvantagem da grande quantidade de hiperparâmetros a serem ajustados. Além disso, existe a possibilidade da alteração da métrica dos dados de entrada afetar seu desempenho. Com a intenção de avaliar o efeito desta alteração, objetivou-se comparar as previsões de uma ação da B3 (Brasil, Bolsa, Balcão), denominada VALE3, determinadas com a utilização de dados brutos e de dados transformados por meio de um fator de correção. Para tal, ajustou-se esses hiperparâmetros com algoritmo genético e testou-se uma forma de correção de eventos de mercado que, de certa forma, estabiliza os dados de entrada. Utilizaram-se parâmetros do algoritmo genético com cruzamento de 80%, elitismo de 10%, mutação de 10% e seleção de tour. Os resultados demostraram que as Redes Neurais de Estados de Eco podem fazer previsões de preços de ações com precisão bastante razoável, com um erro médio absoluto inferior a 1 centavo no período de validação e inferior a 2 centavos no período de teste, com dados brutos ou transformados. Também demostraram que o fator de correção, neste caso, melhorou a capacidade do modelo de previsão.