O modelo busca responder à questão: o preço das ações do ticker BOVA11 – um ativo que tem como base o índice ‘Bovespa’, vai subir ou cair amanhã? O objetivo do modelo é auxiliar o investidor nesta tomada de decisão: comprar ou não este ativo um dia antes. E a finalidade deste projeto foi a coleta e processamento de dados, além da construção do algoritmo preditivo.
O código do modelo está disponível em https://github.com/drin-lab/machine_bova11
Para responder a questão “O índice Bovespa (e consequentemente o ticker BOVA11) vai aumentar ou diminuir seu preço amanhã?”, baixamos toda a série histórica com os valores de fechamento do ativo, desde que ele começou a ser negociado na bolsa em 2008. E utilizando o algoritmo RandomForest, desenvolvemos um modelo preditivo para auxiliar na tomada de decisão de compra ou não do ativo.
O BOVA11 é uma carteira de ações que utiliza o índice Bovespa como referência. Para implementar o modelo, recuperei os dados históricos do BOVA11 usando a api YFinance do Yahoo e apliquei métodos de pré-processamento para tornar os dados relevantes. Além disso, reparti, ajustei e treinei os dados para a previsão. Após a previsão, a análise de performance do modelo foi crucial para identificar o desempenho do algoritmo e a precisão/acurácia dos valores previstos.
O modelo usado para a regressão foi o de Floresta Aleatória (Random Forest). A decisão de comprar, vender ou manter uma ação será baseado nos valores previstos. O modelo ainda pode ser aperfeiçoado, com a inclusão de mais variáveis que sirvam de insumo para análise preditiva do algoritmo, mas já tem uma boa taxa de acurácia/precisão. E, em suma, compara dados da série histórica para predizer se no próximo dia útil de negócios, o valor do ativo vai subir ou não – o que auxilia na tomada de decisão do investidor.
