Redes Bayesianas para Previsão de Valores de Ações: Aplicando os Algoritmos K2 e PC
Palavras-chave:
Aprendizado de máquina, redes Bayesianas, mercado de açõesResumo
Visando amparar as decisões dos investidores da bolsa de valores, neste trabalho, é proposta a aplicação de redes Bayesianas para predição de valores no mercado de ações. Os dados aplicados foram obtidos por meio do portal Yahoo! Finance e abrangeram cotações diárias das empresas Petrobras, Telefonica Brasil e Embraer entre os dias 01/02/2020 e 27/11/2020. O aprendizado das redes Bayesianas foi realizado pelos algoritmos K2 e PC. Para a inferência, foi utilizado o algoritmo exato de Lauritzen, que gerou bons resultados, com acertos de até 94\%, obtendo uma taxa de acerto médio de 73,66\% para a rede induzida pelo algoritmo PC e 70,8\% para a rede induzida pelo K2. Desta forma, a proposta é promissora e consegue prever satisfatoriamente o preço das ações.
Downloads
Referências
Cooper, G. and Herskovits, E. (1992). A bayesian method for the induction of probabilistic networks from data. Machine learning, (4):309–347.
Correia, J. I. N. (2019). Uma introdução `as redes bayesianas. Master’s thesis, Universidade da Madeira.
Edwards, R., Bassetti, W., and Magee, J. (2012). Technical Analysis of Stock Trends, page 4. Technical Analysis of Stock Trends. Taylor & Francis.
Ehlers, R. S. (2003). Introduc¸ ˜ao `a inferˆencia bayesiana. URL: http://www. leg. ufpr. br/%7Epaulojus/CE227/ce227. pdf.
Lauritzen, S. L. and Spiegelhalter, D. J. (1988). Local computations with probabilities on graphical structures and their application to expert systems. Journal of the Royal Statistical Society. Series B (Methodological), 50(2):157–224.
Malagrino, L. S., Roman, N. T., and Monteiro, A. M. (2018). Forecasting stock market index daily direction: A bayesian network approach. Expert Systems with Applications, 105:11–22.
Marques, R. L. and Dutra, I. (2002). Redes bayesianas: o que s˜ao, para que servem, algoritmos e exemplos de aplicações. Coppe Sistemas–Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil.
Neapolitan, R. E. et al. (2004). Learning bayesian networks, volume 38. Pearson Prentice Hall Upper Saddle River, NJ.
Queiroz, C. D. N. (2008). Redes Bayesianas no gerenciamento e mensuração de riscos operacionais. PhD thesis, Universidade de S˜ao Paulo.
Saffi, P. A. C. (2003). Análise técnica: sorte ou realidade? Revista Brasileira de Economia, 57:953 – 974.
Santos, E. B. (2011). Aprendizado Indutivo de Redes Bayesianas: Al`ém da Precis˜ao na Tarefa de Classificac¸ ˜ao. PhD thesis, Universidade Federal do Rio de Janeiro.
Santos, G. C. (2020). Algoritmos de machine learning para previs˜ao da b3. Master’s thesis, Universidade Federal de Uberlˆandia.
Silveira J´unior, L. G. Q. (2003). Uma aplicac¸ ˜ao de redes bayesianas no aux´ılio `a tomada de decis˜oes m´edicas. Master’s thesis, UFCG.
Souza, A. L. A. (2010). Redes bayesianas: Uma introduc¸ ˜ao aplicada a credit scoring. S˜ao Carlos, SP.
Spirtes, P., Glymour, C., and Scheines, R. (2000). Causation, Prediction, and Search. MIT press, 2nd edition.
Tabassum, P. and Halder, M. (2018). Stock price forecasting using bayesian network.
