Aplicación de algoritmo de aprendizaje automático para predecir el comportamiento de las acciones negociadas en el mercado brasileño

Resumen

La economía moderna ofrece diversas opciones de inversión, lo que hace que la asignación de capital sea un proceso complejo, lento y arriesgado. Para ayudar en la toma de decisiones de los inversionistas, las herramientas de inteligencia artificial buscan descubrir patrones ocultos en los datos, y proporcionar informaciones útiles, oportunas y precisas. Este estudio evalúa la aplicación de algoritmos de aprendizaje automático (AA) en la selección de carteras en el mercado brasileño. Investigaciones recientes han buscado predecir el comportamiento del mercado bursátil implementando AA junto con métodos convencionales, como análisis técnicos o fundamentales (Anghel, 2021; Kamara et al., 2022; Nti et al., 2020b); sin embargo, pocos combinan los análisis en mercados emergentes y volátiles como Brasil. Por lo tanto, se entrenaron tres modelos de AA utilizando variables provenientes del análisis técnico y/o fundamental. La muestra incluyó 40.562 observaciones pertenecientes a seis empresas que cotizan en la Bolsa de Valores de Brasil (B3), durante el período de agosto de 1994 a diciembre de 2021. Los modelos entrenados únicamente con variables fundamentales o técnicas mostraron baja precisión, lo que indica baja capacidad de aprendizaje y generalización del algoritmo. En contraste, el modelo compuesto por la combinación de variables técnicas y fundamentales mostró una precisión promedio del 70,7 % en los 5 folds, coincidiendo con la literatura que sugiere que los modelos híbridos pueden proporcionar mayor precisión y menor volatilidad. Además, los resultados superan la precisión de estudios previos (Emir et al., 2012; Kim, 2003; Zhang & Zhao, 2009), lo que indica que el support vector machine (SVM) también puede aplicarse a mercados emergentes, incluso en escenarios de crisis, como la pandemia de COVID-19.