Análise e previsão de tendências do mercado financeiro brasileiro (B3) baseada em análise de sentimentos de notícias
| dc.contributor.advisor | Silva, Everton Josué da | |
| dc.contributor.author | Duarte, João Victor Guimarães | |
| dc.contributor.referee | Oliveira, Fábio Feliciano de | |
| dc.contributor.referee | Martins, Diego Fernandes Gonçalves | |
| dc.date.accessioned | 2024-11-12T20:05:23Z | |
| dc.date.available | 2024-11-12T20:05:23Z | |
| dc.date.issued | 2021-06-11 | |
| dc.description.abstract | A geração de notícias e informações no atual mundo globalizado, especialmente as relacionadas aos mercados financeiros nacionais e internacionais, é elevada. Nesse sentido, analisar tais informações e prever o comportamento dos ativos se torna um instrumento valioso para empresas e investidores em suas tomadas de decisão, no que tange a quais ativos poderão alocar seus recursos e terem maior probabilidade de bom retorno financeiro. Este projeto aplica conceitos do campo de análise de sentimentos e aprendizado de máquina propondo, a partir dessas técnicas, a elaboração de um modelo capaz de predizer a tendência de alta ou baixa do preço de um dado ativo dentro de um curto período de tempo. Foram utilizados o algoritmo de análise de sentimento LeIA, algoritmos de aprendizado de máquina como regressão logística, árvore de decisão e XGBoost, bem como notícias extraídas do site Investing.com das empresas B2W, Magazine Luiza, Petrobras, PetroRio, Vale, Via Varejo e Weg. Os experimentos realizados nesse projeto, utilizando as variações temporais de 1, 5 e 10 minutos dos preços dos ativos, demonstraram valores de acurácia e Area Under the Curve (AUC) baixos, embora o modelo tenha tido uma resultância melhor que o aleatório, dado o valor de AUC de aproximadamente 0.52 no caso do experimento com variação de 1 minuto. Algumas possíveis causas dos baixos valores apresentados são o tamanho da base de dados, como também a quantidade de features empregadas no modelo. Apesar de não ter apresentado bons resultados, o modelo desenvolvido pode ser de grande valia para o progresso de trabalhos futuros nessa linha de pesquisa, aplicando a utilização de novas features baseadas no preço e volume dos ativos que serão analisados. | |
| dc.description.abstract2 | Generation of news and information in the current globalized world, especially the ones related with national and international financial market, is hefty. Therefore, to analyze such information and predict the behavior of assets becomes a valuable instrument for companies and investors in their decision-making in therms of which assets they should allocate their resources and have a higher likelihood of good financial return. This project applies concepts from the field of sentiment analysis and machine learning, proposing, through such techniques, the development of a model capable to predict the uptrend or downtrend of a certain asset within a short period of time. It was used sentiment analysis algorithm called LeIA, machine learning algorithms like logistic regression, decision tree and XGBoost, as well as news extracted from Investing.com website of B2W, Magazine Luiza, Petrobras, PetroRio, Vale, Via Varejo and Weg. The performed experiments on this project, using temporal variations of 1, 5 and 10 minutes of stocks prices, showed low accuracy and Area Under the Curve (AUC) scores, even though the model have had a better result than the random, given AUC score of roughly 0.52 in the 1 minute time variation experiment. Some possible causes of the low scores presented are the size of the dataset and also the number of features employed in the model. Despite the fact that the developed model did not show good results, it can be of great value for the progress of future projects in this line of research, applying the usage of new features based on the price and volume of the stocks that will be analysed. | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.bibliographicCitation | DUARTE, João Victor Guimarães. Análise e previsão de tendências do mercado financeiro brasileiro (B3) baseada em análise de sentimentos de notícias. 2021. 38 f. Trabalho de Conclusão de Curso (Graduação) - Tecnologia em Análise e Desenvolvimento de Sistemas, Instituto Federal de Educação, Ciência e Tecnologia de São Paulo, Campus Campinas, 2021 | |
| dc.identifier.uri | https://repositorio.ifsp.edu.br/handle/123456789/1744 | |
| dc.publisher | Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP) | |
| dc.publisher.campi | CAMPINAS | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.subject.keywords | Processamento de linguagem natural (computação) | |
| dc.subject.keywords | Mercado financeiro | |
| dc.subject.keywords | Aprendizado de máquina | |
| dc.title | Análise e previsão de tendências do mercado financeiro brasileiro (B3) baseada em análise de sentimentos de notícias | |
| dc.title.alternative | Analysis and trend forecast of the Brazilian financial market (B3) based on news sentiment analysis | |
| dc.type | Trabalhos de Conclusão de Curso de Graduação |