Busca por valor em notícias e fatos relevantes utilizando-se de redes neurais e aprendizado profundo

Abstract

A busca por estratégias de investimento que geram retornos anormais é uma das linhas de pesquisa mais investigadas em finanças. Com o nascimento de novas técnicas, faz-se necessário buscar novas formas de incorporá-las aos modelos atuais e verificar se há ineficiências de mercado que, com os métodos utilizados até então, não seriam possíveis de se explorar. Examinou-se se a publicação de notícias, fatos relevantes e comunicados ao mercado possuem algum poder preditivo do movimento direcional de ações ou do mercado acionário brasileiro como um todo. Para isso, utilizou-se técnicas modernas de vetorização de palavras, combinadas com redes neurais, como forma de interpretação do sentimento contido nos textos. Os resultados encontrados sugerem que podem existir aspectos nos textos que alteram o retorno em períodos subsequentes.

The quest for investment strategies that generate abnormal returns is one of the most popular in finance literature. Rising new techniques are causing the need to search for how to incorporate them in traditional analysis to look for market inefficiencies that would otherwise be untradable until now. That is the reason why we investigated if news, material facts or market announcements have any predictive power on the directional movements of stocks or the Brazilian market as a whole. We utilized modern word vectorization techniques, combined with neural networks as a way to interpreting the text sentiment. We found that the results suggest that there may be aspects in the text that interfere with return on subsequent periods.