Navegando por Assunto "Bolsa de valores"

Agora exibindo 1 - 5 de 5

Aplicativo móvel de suporte ao investidor iniciante baseado em análise fundamentalista de dados
(2021-12-13) Ferreira Júnior, Marcos Eduardo; Burégio, Vanilson André de Arruda; http://lattes.cnpq.br/3518416272921878; http://lattes.cnpq.br/4966069849715181
Atualmente o Brasil está passando por uma tentativa de se recuperar de uma recessão que começou em 2020 com o início da pandemia de COVID-19. Somando os problemas econômicos gerados pela pandemia, Brasil tem um histórico longo de alternâncias entre recuperação ou recessão da sua economia. A montanha-russa econômica brasileira, gera para a sua população principalmente a mais carente, o desafio de além de pagar suas contas, conseguir poupar ou investir. Hoje existem inúmeras formas de guardar e alocar o dinheiro em lugares que possam gerar um lucro durante o tempo investido, uma delas é o mercado de ações. Comparado aos outros investimentos, o mercado de ações, o risco de investimento é relativamente mais alto. O funcionamento do mercado de ações é visto por muitos como algo complexo, sendo isto uma grande barreira para a entrada de novos investidores. Os investimentos no mercado de ações podem ser feitos seguindo duas vertentes de análises: a fundamentalista e a técnica. Por meio da análise fundamentalista, o investidor verifica os últimos balanços da empresa, e os seus ativos, estuda seus produtos e o mercado na qual está inserida. Após esta análise, o investidor tem embasamento para decidir se quer investir na companhia e ser sócio dela por um período de médio a longo prazo. Pensando nos desafios gerados pela economia brasileira e a dificuldade do brasileiro de obter uma renda além da sua profissão, o objetivo deste trabalho é trazer uma aplicação móvel de fácil uso e linguagem simples, usando fórmulas que combinam diferentes indicadores fundamentalistas. A construção deste aplicativo é baseada nos fundamentos das Heurísticas de Nielsen. Para manter uma linguagem simples, foi usada a técnica do Plain Language, que visa melhorar o processo de comunicação e entendimento, fazendo com que textos e documentos possam ser entendidos na primeira vez que o público alvo lê ou ouve. Na etapa de finalização e verificação da qualidade do produto criado, uma pesquisa usando formulário foi usada para comparar a qualidade do produto criado e seu concorrente.
Ascensão dos investidores pessoa física na bolsa de valores: uma análise descritiva do perfil do investidor e previsão utilizando a metodologia ARIMA
(2021-07-21) Simão Júnior, Jaime José; Carazza, Luís Eduardo Barbosa; http://lattes.cnpq.br/1625397086677760
Este trabalho tem como objetivo estudar e compreender a ascensão de novos investidores na bolsa de valores, bem como traçar um perfil detalhado sobre as características dessa parte da população interessada em investimentos em renda variável e realizar uma previsão utilizando a metodologia ARIMA. Para atingir tal objetivo traçado, foram coletados dados sobre os investidores minoritários diretamente da B3- Brasil, Bolsa, Balcão, que é a empresa responsável pela bolsa de valores no Brasil. Dessa forma, características como região, gênero, faixa etária, são analisadas com a finalidade de se traçar um perfil do investidor pessoa física em ações. Nos últimos anos, nota-se um grande aumento de novos investidores que aplicam seus recursos em ações e outros investimentos relacionados. Dessa forma, é preciso investigar se tal ascensão é estrutural e permanente ou é apenas um movimento passageiro que irá se desfazer em algum momento futuro. A metodologia de previsão ARIMA tentará responder tal indagação com uma previsão para os primeiros meses de 2021, com o objetivo de identificar se tal movimento de alta se mantém para os referidos meses. Contudo, algumas limitações na previsão serão salientadas.
Construção de redes neurais para a predição do preço de ativos da Bolsa de Valores
(0202-04-27) Silva, Bruno Leonardo de Oliveira; Paiva Júnior, Sérgio de Sá Leitão; http://lattes.cnpq.br/7706717198580424
A bolsa de valores se apresenta como uma alternativa de investimento para aqueles que buscam maior rentabilidade, mas em troca desse alta rentabilidade existe uma alta volatilidade, que para muitos investidores acaba resultando em operações negativas. Para contornar esses problemas, os investidores que se arriscam nesse mercado buscam métodos para analisar e até mesmo prever as movimentações de ativos. Um desses métodos é análise técnica que busca prever o movimento do ativo baseado em eventos anteriores. O objetivo desse trabalho é apresentar uma rede neural capaz de prever o preço de ativos da bolsa de valores, para aumentar a consistência em operações positivas. Para tanto, foi desenvolvida uma Rede Neural utilizando os dados de ativos da bolsa de valores, visando o sucesso da operações com a obtenção de resultados mais confiáveis. Os resultados do trabalho deixam claro que o modelo desenvolvido possui um ótimo desempenho, quando comparado com o método de análise técnica. Isso se comprova com os resultados das métricas de avaliação usadas para essa rede neural, como também as simulações de investimento com dados de diferentes ativos da bolsa de valores.
Preço do petróleo e o mercado acionista brasileiro: uma análise usando o modelo SVAR
(2022-06-08) Santana, Ana Paula Florentino; Reis, Felipe Alves; http://lattes.cnpq.br/4966295939906577
Este estudo busca analisar os efeitos de oscilações no preço do petróleo Brent no índice Ibovespa – principal indicador de desempenho do mercado acionista brasileiro. Para tanto, foi estimado um modelo de vetor estrutural de autorregressão (SVAR) com dados mensais referentes a produção industrial, taxa de câmbio, Ibovespa e o preço do petróleo, durante o período de janeiro de 2002 à dezembro de 2021. De acordo com os resultados da decomposição da variância, constatou-se que choques nas variáveis analisadas impactam diretamente a bolsa de valores. Além disso, os resultados das funções impulso resposta sugerem uma reação altamente significativa do Ibovespa frente aos choques positivos no preço do petróleo, taxa de câmbio e produção industrial.
Previsão de preço de ações de empresas do setor elétrico com algoritmos de aprendizado de máquina
(2025-03-21) Silva, Herculles Hendrius Coutinho Mesquita; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584
O presente trabalho tem como objetivo comparar a eficiência de diferentes algoritmos de aprendizado de máquina na previsão de preços de ações do setor de energia elétrica. Para isso, foram analisados quatro algoritmos: Long Short-Term Memory (LSTM), Support Vector Regression (SVR), Regressão Linear e Random Forest. Os dados utilizados compreendem uma série histórica de preços e indicadores adicionais, como inflação, Índice de energia elétrica (IEE) e variação cambial, que foram processados e utilizados como entrada para os modelos. A análise foi realizada com base em métricas de erro, como Erro Médio Absoluto (MAE), Erro Quadrático Médio (MSE) e Raiz do Erro Quadrático Médio (RMSE), bem como pela avaliação da diferença percentual entre os preços previstos e os valores reais. Os resultados mostram que o algoritmo LSTM obteve o melhor desempenho na previsão de preços de fechamento, seguido pela Regressão Linear, enquanto o Random Forest apresentou maior margem de erro e se monstrando inadequado para a aplicação neste problema. Este estudo realiza a aplicação de algoritmos preditivos no mercado financeiro, demonstrando o potencial do aprendizado de máquina como ferramenta para análise e tomada de decisão no setor de energia elétrica.