153ª Banca de Defesa de Dissertação de Mestrado PPGIA
Discente: ANDERSON SENA DOS SANTOS
Orientador: GUSTAVO RAU DE ALMEIDA CALLOU
Local: Sala 17 (LAB PEDAL) DC
📆Data: 04/12/2024
⏰Hora: 10:00
Banca: Dr. Gustavo Rau de Almeida Callou (Orientador)
Dr. João Ferreira da Silva Júnior (UFRPE)
Dra. Keynis Candido de Souto (Decon - UFRPE)
O mercado de ações é notoriamente desafiador devido à sua sensibilidade às mudanças nos diversos setores da economia, o que impacta diretamente os investidores. Diante desse cenário, aprimorar as estratégias de negociação na bolsa torna-se uma busca constante. A previsão do valor das ações desempenha um papel crucial nesse contexto, influenciando diretamente as decisões de investimento. Com o avanço das ferramentas computacionais, a possibilidade de previsão do mercado tem se aproximado cada vez mais da realidade. Este trabalho se dedica a investigar, modelar e aplicar técnicas computacionais para a automação de investimentos. Propõe-se uma ferramenta focada no backtesting, cuja estratégia de decisão baseia-se em múltiplos indicadores técnicos. O objetivo é estabelecer um conjunto de indicadores responsável por auxiliar na tomada de decisões com base em sinais para comprar, vender ou aguardar. O presente trabalho visa eliminar a subjetividade e as emoções do processo decisório, reconhecendo que esses fatores podem comprometer as decisões em momentos de incerteza. Essas estratégias se diferenciam das demais ao utilizar indicadores técnicos na compra e venda no mercado de ações, apoiada em análises comparativas e padrões de mercado. Por meio desses métodos, são utilizados indicadores reforçados por técnicas estatísticas paramétricas e não paramétricas, como regressão linear, ARIMA, Teste de Mann-Kendall e Sen’s Slope, visando identificar tendências no mercado financeiro. Os resultados obtidos indicam que essas estratégias superam o método de buy and hold, evidenciando seu potencial para auxiliar na tomada de decisões no mercado de ações.
Programa de Pós-Graduação em