Análise Comparativa dos Modelos LSTM e ARIMA na Previsão de Preços de Ações: Um Exemplo de Empresa de Tecnologia

A previsão de preços de ações tem sido uma área de interesse importante para economistas e cientistas da computação. Além dos métodos estatísticos tradicionais, técnicas avançadas de inteligência artificial, como aprendizado de máquina, podem se destacar por sua capacidade de processar conjuntos de dados complexos e se adaptar a dados históricos. Nos últimos anos, modelos híbridos que combinam aprendizado profundo e métodos de séries temporais demonstraram desempenho superior na seleção de ações e otimização de portfólios. Este estudo analisa comparativamente o desempenho dos modelos LSTM e ARIMA na previsão de séries temporais. No estudo, os preços das ações da empresa Oracle são previstos usando dois modelos diferentes, LSTM e ARIMA. O desempenho dos modelos é avaliado usando métricas como MSE, MAE, RMSE e MAPE. Ambos os modelos mostraram ser bem-sucedidos em diferentes métricas. O modelo LSTM apresenta valores de erro mais baixos; enquanto isso, o modelo ARIMA produziu previsões proporcionalmente mais precisas. O estudo conclui que, dada a potencialidade oferecida pelo aprendizado profundo, modelos como LSTM são essenciais para a previsão de séries temporais. A flexibilidade do aprendizado profundo permite o desenvolvimento de modelos personalizados para diferentes tipos de dados e problemas de séries temporais.