Modelo de previsão de preços de abertura do mercado financeiro: caso português PSI

Abstract

A automação de processos é cada vez maior, em qualquer área de trabalho, já existindo sistemas próprios de forma a ajudar os profissionais a realizar as suas tarefas de modo mais eficaz e eficiente. O objetivo principal deste estudo é mostrar que é possível ligar a área das ciências de dados e do mercado financeiro pelo meio da criação de um modelo de previsão para os preços de abertura de cada dia do mercado. Em Portugal a área do mercado financeiro e o cálculo de modelos de previsão de preços de abertura ainda não é muito explorada. As áreas geográficas mais exploradas neste campo são os mercados de stock da China, da Índia e dos EUA. As empresas escolhidas foram as que pertencem ao PSI do índice português e os dados foram recolhidos pelo website investing.com. Para obter resposta ao objetivo principal utilizou-se a linguagem de programação Python e, com recurso a bibliotecas como o pandas e o scikit-learn, fez-se uma transformação de dados e aplicou-se o modelo denominado Random Forest. Com este instrumento formado demonstrou-se que é possível desenvolver um modelo capaz de prever os preços de abertura através dos preços de fecho e, ainda, analisar os efeitos dos dias da semana e que as empresas do mesmo setor industrial diferem nos seus comportamentos. Em geral, o mercado necessita de ajustar a informação dos preços anteriores (recentes) aos atuais, levando à não validação da Hipótese de Mercado Eficiente na forma fraca.

Process automation is increasing in any area of work and there are already systems that help professionals carry out their tasks more effectively and efficiently. The main aim of this study is to show that it is possible to link the areas of data science and financial markets by creating a forecasting model for the opening prices of each market day. In Portugal, the financial markets field and the calculation of opening price forecasting models has not yet been widely explored. The most explored geographical areas in this field are the stock markets in China, India, and the USA. The companies chosen were those that belong to the PSI Portuguese Index, and the data was collected from the investing.com website. To answer the main goal, the Python programming language, using different libraries exclusively pandas and scikitlearn, the data was transformed, and the Random Forest model was applied. With this tool it was shown that it is possible to develop a good model capable of predicting opening prices using closing prices and to analyze the effects of the days of the week and that companies in the same industrial sector differ in their behaviour. In general, the market needs to adjust the information from (recent) past prices to current prices, leading to the weak form of the Efficient Market Hypothesis not being validated.