Previsão de Preços de Ações no Mercado Brasileiro com Modelos Híbridos CNN-LSTM
Palavras-chave:
Previsão de Ações, Deep Learning, CNN, LSTM, Modelo Híbrido, Mercado Financeiro, InvestimentoResumo
A previsão de preços de ações é uma tarefa desafiadora devido à natureza volátil e não linear dos mercados financeiros. Este trabalho propõe e avalia um modelo híbrido de deep learning que combina Convolutional Neural Networks (CNN) e Long Short-Term Memory (LSTM) para prever o preço de fechamento de ações do mercado brasileiro. A metodologia empregada envolve a coleta de dados históricos diários do Yahoo Finance, o enriquecimento desses dados com indicadores de análise técnica e um pré-processamento cuidadoso. A CNN é utilizada para extrair características locais e padrões relevantes de janelas temporais, enquanto a LSTM modela as dependências temporais de longo prazo. O modelo foi treinado e validado com dados de múltiplas ações, demonstrando capacidade de seguir as tendências do mercado e gerar previsões futuras com erros controlados. Os resultados indicam que a arquitetura híbrida CNN-LSTM é uma ferramenta eficaz para a previsão de séries temporais financeiras.
