Rede Neural Multivariada Para Apreçamento de Ativos no Mercado Financeiro Brasileiro do Setor Varejista

• Lucas Dejard UFPA
• Diego L. Cardoso UFPA

DOI: https://doi.org/10.5753/sbsi_estendido.2026.248989

Resumo

Utilizando dados públicos da Pesquisa Mensal do Comércio(PMC) fornecida pelo Instituto Brasileiro de Geografia e Estatística (IBGE) e dados públicos da ação da varejista Grupo Mateus S.A (GMAT3), neste artigo é proposto um modelo de Long Short-Term Memory (LSTM) multivariado que apresenta maior precisão na predição do valor de fechamento no ativo GMAT3 da bolsa de valores brasileira quando comparado com o modelo univariado, demonstrando sua utilidade no apreçamento de ativos do setor de varejo brasileiro e potencial de pesquisa da linha de modelos preditivos em séries temporais.

Referências

Bantis, E., Clements, M. P., and Urquhart, A. (2023). Forecasting gdp growth rates in the united states and brazil using google trends. International Journal of Forecasting, 39(4):1909–1924.

Churi, A., Chakraborty, D., Khatwani, R., Pinto, G., Shah, P., and Sekhar, R. (2023). Stock price prediction using deep learning and sentiment analysis. In 2023 2nd International Conference on Futuristic Technologies (INCOFT), pages 1–6. IEEE.

Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The journal of Finance, 25(2):383–417.

Gopali, S., Siami-Namini, S., Abri, F., and Namin, A. S. (2024). A comparative multivariate analysis of var and deep learning-based models for forecasting volatile time series data. IEEE Access, 12:155423–155436.

Leippold, M., Wang, Q., and Zhou, W. (2022). Machine learning in the chinese stock market. Journal of Financial Economics, 145(2):64–82.

Shiller, R. J. (2003). From efficient markets theory to behavioral finance. Journal of Economic Perspectives, 17(1):83–104.

Wang, C.-H. (2022). Considering economic indicators and dynamic channel interactions to conduct sales forecasting for retail sectors. Computers & Industrial Engineering, 165:107965.