Todos os dias CPFs são cadastrados na bolsa de valores. Pessoas buscando maior rentabilidade, expondo-sea grandes riscos sem ao menos saber analisar as melhores oportunidades. Sempre que se inicia a aprender algo é normal ter muitas dificuldades e desafios, pois o ato de conhecer algo “novo” é desafiador, ainda mais quando envolve dinheiro. Sendo assim, foi realizada uma análise comparativa entre alguns dos métodos de Inteligência Artificial,aplicados em padrões na bolsa de valores, visando melhorar a assertividade das operações realizadasebuscando sua eficiência estatisticamente comprovada.Dessa forma, aumentando as chances das operações serem vencedoras. Os algoritmos foram treinados separadamente a partir de dados históricos de cinco ações, sendo elas: Petrobrás, Itaú, Bradesco, Vale e Ambev. E utilizou-se os algoritmos de Regressão Linear, Support Vector Machine (SVM), K Nearest Neighbor (KNN), Random Foreste Árvores de Decisão.
Every day CPFs are registered on the stock exchange. People seeking greater profitability, exposing themselves to great risks without even knowing how to analyze the best opportunities. Whenever you start to learn something, it is normal to have many difficulties and challenges, because the act of knowing something “new” is challenging, even more so when it involves money. Therefore, a comparative analysis was carried out between some of the Artificial Intelligence methods, applied in standards on the stock exchange, aiming to improve the assertiveness of the operations carried out and seeking their statistically proven efficiency. In this way, increasing the chances of the operations being winners. The algorithms were trained separately from historical data offive stocks, namely: Petrobras, Itaú, Bradesco, Vale and Ambev. And the algorithms of Linear Regression, Support Vector Machine (SVM), K Nearest Neighbor (KNN), Random Forest and Decision Trees were used.
