Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.17648/wmecai-2021-130461
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!O uso de tecnologias de aprendizado de máquina tem sido usado em diversas áreas do conhecimento, dentre elas a classificação ou previsão do movimento do mercado financeiro através de notícias tem sido estudo ativamente. No entanto, até agora poucos trabalhos tentaram utilizar modelos de linguagem baseados em redes neurais, como text embedding. Neste artigo, proponho a utilização do modelo BERT (Bidirecional Encoder Representations from Transformers) em comparação com o modelo BoW (Bag of Words) com o classificador Naive Bayes SVM, mais comumente utilizado para essa finalidade de prever o movimento do mercado financeiro através de notícias. Irei prever o movimento do Índice Ibovespa, o mais importante indicador do desempenho médio das cotações das ações negociadas na B3 (Brasil, Bolsa, Balcão), a bolsa de valores brasileira. Irei usar as notícias do jornal brasileiro de maior circulação considerando somente as notícias do caderno Mercado e que mencionem a palavra “Ibovespa” ou o nome das 10 maiores empresas que compõe o Índice Ibovespa. Meus resultados experimentais mostram, com base no conjunto de dados do mercado brasileiro, que modelos de linguagem baseados em redes neurais podem produzir resultado semelhantes aos modelos mais comumente utilizado para esta tarefa. Os resultados sugerem que o uso de modelos de linguagem baseados em redes neurais pode ajudar nas previsões do movimento do mercado acionário através de notícias.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo