Machine Learning Models for IBOVESPA Stock Price Trend Prediction

Autores/as

  • Elton Massahiro Saito Loures Universidade Estadual de Londrina
  • Lucas Santana da Cunha Universidad Estatal de Londrina

DOI:

https://doi.org/10.14393/REE-v40n2a2025-72560

Palabras clave:

Machine Learning, Investment, Technical Analysis, Prediction

Resumen

Los mercados financieros desempeñan un papel fundamental en la organización económica de los países, lo que lleva a los inversores a buscar mejoras en las herramientas de análisis técnico para optimizar las ganancias. Este estudio aplica varias técnicas de Machine Learning para predecir las tendencias (alcista, bajista y lateral) del índice IBOVESPA en un intervalo semanal entre indicadores técnicos (variables explicativas). Se evaluaron parámetros estadísticos como precisión, exactitud, curva ROC y AUC, destacando el desempeño de los modelos KNN, Random Forest y Regresión Logística. Se concluye que las técnicas de Machine Learning son efectivas en el sector inversor, ofreciendo resultados satisfactorios para el mercado y futuras investigaciones.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Lucas Santana da Cunha, Universidad Estatal de Londrina

    Profesor adjunto del Departamento de Estadística de la Universidad Estadual de Londrina (UEL) desde 2015. Licenciatura en Matemáticas por la Universidad Estadual Paulista Júlio de Mesquita Filho (UNESP) en 2008. Maestría en Estadística y Experimentación Agrícola en 2011 por la Universidad Federal de Lavras. Doctorado en Estadística y Experimentación Agrícola en 2016 por la Escuela de Agricultura "Luiz de Queiroz" - USP.

Descargas

Publicado

2025-11-05

Número

Sección

Artigos

Cómo citar

SAITO LOURES, Elton Massahiro; SANTANA DA CUNHA, Lucas. Machine Learning Models for IBOVESPA Stock Price Trend Prediction. Revista Economia Ensaios, Uberlândia, Minas Gerais, Brasil, v. 40, n. 2, 2025. DOI: 10.14393/REE-v40n2a2025-72560. Disponível em: https://seer.ufu.br/index.php/revistaeconomiaensaios/article/view/72560. Acesso em: 5 dec. 2025.