INTRODUÇÃO: Ações podem ser definidas como a menor parcela de capital social de uma dada organização e, em razão da ação representar uma pequena parcela da empresa, ela poderá se valorizar ou desvalorizar de acordo com o desempenho que a organização apresentar. Devido a essa variação, o investidor busca utilizar ferramentas que o auxiliem na tomada de decisão, realizando análises capazes de prever informações de preços futuros para seus investimentos. Os dados a serem analisados, por estarem estruturados de maneira sequencial e atrelados ao tempo, são caracterizados como séries temporais. As técnicas de previsão de séries temporais costumam analisar o comportamento passado da própria série, no entanto, apesar deste tipo de análise ainda não se encontrar estabelecido na literatura, o comportamento de uma ação pode não se limitar somente a análise de seus valores passados, mas também ao comportamento passado de outras ações semelhantes. – OBJETIVOS: O objetivo desta pesquisa consiste em avaliar se um conjunto de ações da mesma área conduz a melhores resultados ao se usar algoritmos de regressão baseado em técnicas tradicionais de Mineração de Dados para realizar a previsão da evolução do valor de ações da Bolsa de Valores. – MATERIAIS E MÉTODO: A análise preditiva foi realizada em duas etapas, uma levando em consideração dados do agrupamento de ações similares e outra não. Foram utilizados os dados empresas Banco do Brasil, Bradesco, Itaú, Santander, ABC, Inter, BTG Pactual, Banrisul, Modal e Pan, para um período de 5 anos, indo de 12-12-2016 até 31-12-2021, sendo a análise preditiva deste relatório realizada especificamente para o banco Itaú. Os dados foram transformados de maneira a serem estacionários, separados em dados de treino e teste e então foram aplicados os modelos ARIMA para a etapa sem agrupamento e os modelos VARMA e LSTM para a etapa de agrupamento(clusterização). Para a etapa de agrupamento, foram testados 3 cenários de agrupamento distintos: ITAU e Média do Cluster do Itaú; ITAU e Média de Cluster Diferente; ITAU e todas as ações do seu Cluster. Com os modelos treinados, foi realizada a verificação dos erros de previsão ao realizar a comparação entre os dados previstos com os dados de teste. – RESULTADOS: Foi realizada uma comparação entre os métodos empregados de maneira a se encontrar a previsão com menor porcentagem de erros. Encontrou-se que, apesar de todos os métodos entregarem previsões com taxas de erro inferiores a 3%, o modelo ARIMA sem agrupamento foi capaz de obter uma taxa de erro de 1.2% para a previsão de 5 dias futuros, sendo este o melhor modelo encontrado para o conjunto de dados coletado. – CONSIDERAÇÕES FINAIS: Ao observar a diferença entre as taxas de erro encontradas, percebe-se que, apesar da variação existente, não houve uma grande variação entre os resultados obtidos, logo recomenda-se um estudo mais profundo dos parâmetros utilizados pelos modelos de maneira a verificar se é possível encontrar resultados distintos nos quais o modelo com agrupamento apresente a melhor performance.
