Previsão de Tendência de Preço no Mercado Brasileiro de Ações usando Cadeias de Markov de Tempo Discreto
DOI:
https://doi.org/10.14295/vetor.v34i1.16774Palavras-chave:
Cadeias de Markov de tempo discreto, Previsão de Séries Temporais, Previsão do Mercado de AçõesResumo
O entendimento da tendência do mercado de ações com o objetivo de prever o movimento de preço é muito importante para decisões de investimento dado que os preços das ações são afetados não somente pelo estado financeiro da empresa, mas também por condições políticas, sociais, econômicas, globais e locais, além de muitos outros fatores. As Cadeias de Markov proporcionam um ferramental poderoso para realizar modelagem matemática e computacional e têm sido também usadas para prever tendências no mercado de ações. A partir disto, o seguinte trabalho traz uma ferramenta computacional modelada com base nos conhecimentos obtidos através dos estudos sobre Cadeias de Markov de tempo discreto capaz de realizar previsões de tendências de preço de ações da bolsa de valores brasileira utilizando o método de 3 estados. Foram realizadas análises em 50 ações da BOVESPA a fim de observar se o percentual de sucesso das previsões tem alguma relação com o tamanho do período para construção da matriz de transição. Estes testes foram realizados para os anos de 2019, 2020 e 2021 com o objetivo de observar se houve impactos na efetividade dos métodos durante o período de pandemia de COVID-19.
Downloads
Referências
D. Zhang e X. Zhang, “Study on forecasting the stock market trend based on stochastic analysis method,” International Journal of Business Management,” vol. 4, no. 6, pp. 163–160, 2009. Disponivel em: https://doi.org/10.5539/ijbm.v4n6p163
S. Vasanthi, M. Subha, e S. T. Nambi, “An empirical study on stock index trend prediction using Markov chain analysis,” Journal of Banking Financial Services and Insurance Research, vol. 1, no. 1, pp. 72–87, 2011. Disponível em: https://www.indianjournals.com/ijor.aspx?target=ijor:jbfsir&volume=1&issue=1&article=005
Q. Sultan, K. Fatima, and J. Ahmed, “Application of Markov Chain to Model and Predict Share Price Movements: A Study of HBL Share Price Movements in Pakistan’s Stock Market,” Bi-Annual Research Journal “BALOCHISTAN REVIEW”, vol. XL, no. 1, 2010, pp. 100–113. Disponível em: https://www.researchgate.net/publication/343650646_Application_of_Markov_Chain_to_Model_and_Predict_Share_Price_Movements_A_Study_of_HBL_Share_Price_Movements_in_Pakistan's_Stock_Market
A. Bairagi e S. Kakaty, “Analysis of stock market price behaviour: a markov chain approach,” International Journal of Recent Scientific Research, vol. 6, no. 10, pp. 7061–7066, 2015. Disponível em: https://www.recentscientific.com/sites/default/files/3581.pdf
S. Otieno, E. O. Otumba, e R. N. Nyabwanga, “Application of Markov Chain to Model and Forecast Stock Market Trend: a Study of Safaricom Shares in Nairobi Securities Exchange, Kenya,” International Journal of Current Research, vol. 7, no. 4, pp. 14712–14721, 2015. Disponível em: https://www.journalcra.com/sites/default/files/issue-pdf/8260.pdf
D. N. Choji, S. N. Eduno, e G. T. Kassem, “Markov chain model application on share price movement in stock market,” Computer Engineering and Intelligent Systems, vol. 4, no. 10, pp. 84–95, 2013. Disponível em: https://iiste.org/Journals/index.php/CEIS/article/view/7972/8139
V. G. Kulkarni, Modeling and Analysis, Design, and Control of Stochastic Systems, 1a ed., New York, USA: Springer-Verlag, 1999.
V. Atsalakis, Computation Optimization in Economics and Finance Research Compendium, 1a ed., New York, USA: Nova Science Publishers, Inc Editors, 2013.
G. Atsalakis e K. Valavanis, “Survey stock market forecasting techniques – Part II: Soft computing methods,” Expert Systems with Applications, vol. 36, no. 3(2), pp. 5932–5941, 2009. Disponível em: https://doi.org/10.1016/j.eswa.2008.07.006
O. B. Sezer, M. U. Gudelek, e A. M. Ozbayoglu, “Financial time series forecasting with deep learning: A systematic literature review: 2005–2019,” Applied Soft Computing, vol. 90, p. 106181, 2020. Disponível em: https://doi.org/10.1016/j.asoc.2020.106181
R. Sukkati e D. A. Torse, “Stock market forescasting techniques: A survey,” International Research Journal of Engineering and Technology (IRJET), vol. 6, no. 5, pp. 4842-4844, 2019. Disponível em: https://www.irjet.net/archives/V6/i5/IRJET-V6I5577.pdf
R. Sasikumar e A. S. Abdullah, “Applications of various stochastic models in financial prediction,” International Journal of Scientific and Innovative Mathematical Research (IJSIMR), vol. 3, no. 3, pp. 852–857, 2015. Disponível em https://www.researchgate.net/publication/295907256_APPLICATIONS_OF_VARIOUS_STOCHASTIC_MODELS_IN_FINANCIAL_PREDICTION_A_Sheik_Abdullah
N. Redzwan, N. Musa, A. H. A. Latip, Y. A. Latif, e I. N. A. Rahman, “Stock market analysis during election period in Malaysia,” International Journal of Business and Economy, vol. 1, no. 2, pp. 93-102, 2019. Disponível em: https://myjms.mohe.gov.my/index.php/ijbec/article/view/7828
L. Troiano e P. Kriplani, “Predicting trend in the next-day market by hierarchical hidden Markov model,” em 2010 International Conference on Computer Information Systems and Industrial Management Applications (CISIM), Krakow, Poland: IEEE, 2010, pp. 199-204. Disponível em: https://doi.org/10.1109/CISIM.2010.5643663
Y. Sun, “Index forecast study based on amended weighted Markov chain in China,” International Journal of Trade, Economics and Finance, vol. 11, no. 5, pp. 98-103, 2020. Disponível em: https://doi.org/10.18178/ijtef.2020.11.5.674
A. Fritiyanto e T. E. Lestari (2018), “Application of Markov chain to stock trend: A study of PT HM Sampoerna, tbk,” em IOP Conference Series: Materials Science and Engineering, Volume 434, 3rd Annual Applied Science and Engineering Conference (AASEC 2018), Bandung, Indonesia: IOP, 2018. Disponível em: https://doi.org/10.1088/1757-899X/434/1/012007
I. Adesokan, “Markov chain asset pricing model for an emerging market”, Dissertação de Mestrado, Mestrado em Matemática, Pan African University, Institute for Basic Sciences, Technology and Innovation, Nairobi, Quênia, 2018. Disponível em: http://ir.jkuat.ac.ke/handle/123456789/4694
M. K. Bhusal, “Application of markov chain model in the stock market trend analysis of Nepal,” International Journal of Scientific Engineering Research, vol. 8, no. 10, pp. 1733-1745, 2017. Disponível em: https://www.ijser.org/researchpaper/Application-of-Markov-Chain-Model-in-the-Stock-Market-Trend-Analysis-of-Nepal.pdf
R. P. Padhy, M. R. Patra, e S. C. Satapathy, “RDBMS to NoSQL: Reviewing some next-generation non-relational databases,” International Journal of Advanced Engineering Science and Technologies, vol. 11, no. 1, pp. 15–30, 2011. Disponível em: https://www.researchgate.net/profile/Rabi-Padhy/publication/265062016_RDBMS_to_NoSQL_Reviewing_Some_Next-Generation_Non-Relational_Database%27s/links/5476b2930cf29afed61424a6/RDBMS-to-NoSQL-Reviewing-Some-Next-Generation-Non-Relational-Databases.pdf
W. Castello Branco Neto, A. A. Salvi, e W. P. Souza, “Hybrid neural networks applied to Brazilian stock market,” Revista de Informática Teórica e Aplicada, vol. 7, no. 2, pp. 42–65, 2020. Disponível em: https://doi.org/10.22456/2175-2745.88911
R. C. Dametto, “Estudo da aplicação de redes neurais artificiais para predição de séries temporais financeiras,” Dissertação de mestrado, Programa de Pós-Graduação em Engenharia de Produção, Universidade Estadual Paulista, Bauru, Brasil, 2018. Disponível em: http://hdl.handle.net/11449/157058
F. A. Oliveira, C. N. Nobre, L. E. Zárate, “Applying Artificial Neural Networks to prediction of stock price and improvement of the directional prediction index – Case study of PETR4, Petrobras, Brazil,” Expert Systems with Applications, vol. 40, no. 8, pp. 7596–7606. Disponível em: https://doi.org/10.1016/j.eswa.2013.06.071
Downloads
Publicado
Como Citar
Edição
Seção
