Análise de Modelos de Markov Ocultos Aprimorados para Previsão e Predição de Preços de Ações no Mercado Financeiro

No cenário em constante evolução dos mercados financeiros, a busca por previsões precisas de preços de ações continua sendo um desafio formidável. Este estudo aborda o desafio de previsões lucrativas no mercado de ações explorando abordagens HMM modificadas que envolvem parametrização fixa e métodos hipo-heurísticos, considerando também comprimentos de sequência e adaptabilidade a aplicações heurísticas. Este estudo amplia seu foco para as complexidades de determinar os momentos ideais de compra e venda. Reconhecendo a natureza não estacionária das séries temporais financeiras, a pesquisa explora modelos autoregressivos com limiar e modelos de mistura para análise de séries temporais. Os resultados desta pesquisa indicam que o método K-Fold apresenta consistentemente um forte desempenho em termos de ajuste e robustez, com percentuais de precisão superiores a 90% para certas ações. O método Sliding Window se mostra eficaz para previsões de curto prazo, mas não atende bem em horizontes de tempo mais longos. O HMM Contínuo demonstra impressionantes capacidades de ajuste, mas é suscetível ao overfitting. O método HMM Híbrido (com ARIMA) oferece resultados acima da média e relativamente consistentes, embora possa exigir personalização para cenários específicos.