Algoritmo Híbrido de Previsão de Rede Generativa Adversarial Multi-Modelo (MMGAN-HPA) para previsão de preços de ações

O aprendizado profundo alcançou maior sucesso na otimização de soluções associadas à Inteligência Artificial (IA). No domínio financeiro, é amplamente utilizado para previsão do mercado de ações, estratégias de execução de trades e otimização de portfólio. A previsão do mercado de ações é um caso de uso muito significativo neste domínio. Redes Adversariais Generativas (GANs) com modelos de IA avançados ganharam importância recentemente. No entanto, elas são mais utilizadas em tradução de imagem-para-imagem e outros cenários de visão computacional. As GANs não são muito utilizadas para previsão do mercado de ações devido à dificuldade em definir o conjunto correto de hiperparâmetros. Neste artigo, superamos esse problema com aprendizado por reforço e otimização bayesiana. Uma estrutura de aprendizado profundo baseada em GAN, chamada Stock-GAN, é implementada com gerador e discriminador. O primeiro é realizado com LSTM, uma variante de Rede Neural Recorrente (RNN), enquanto o segundo utiliza Rede Neural Convolucional. Um algoritmo chamado Algoritmo de Previsão Híbrida Baseado em Rede Adversarial Generativa (GAN-HPA) é proposto. Um estudo empírico revelou que o Stock-GAN alcança um desempenho promissor na previsão de preços de ações quando comparado ao modelo de última geração conhecido como Algoritmo de Previsão Híbrida Baseado em Multi-Modelo (MM-HPA). Em seguida, o MM-HPA e o GAN-HPA são combinados para formar mais um modelo híbrido conhecido como MMGAN-HPA para melhorar o desempenho em relação ao MM-HPA e GAN-HPA.