Analyzing stock market data using unsupervised learning techniques

Figueiredo, Camila Caleones de

Please use this identifier to cite or link to this item:


			http://hdl.handle.net/11422/26176

Type:	Trabalho de conclusão de graduação
Title:	Analyzing stock market data using unsupervised learning techniques
Author(s)/Inventor(s):	Figueiredo, Camila Caleones de
Advisor:	Lopes, Giseli Rabello
Co-advisor:	Valério, Juliana Vianna
Abstract:	Compreender o mercado financeiro pode ser desafiador, especialmente para investidores que precisam lidar com uma grande quantidade de informações, termos técnicos e variações nos preços dos ativos. Este projeto busca facilitar esse processo ao analisar como diferentes indicadores financeiros– como volatilidade, capitalização de mercado e rendimento de dividendos– podem ajudar na categorização de empresas. utilizando técnicas como a Análise de Componentes Principais (PCA) para redução de dimensionalidade e métodos de clusterização, como o K-Means, o estudo identifica padrões e semelhanças entre os ativos. Isso permite agrupar empresas com características financeiras semelhantes, tornando a avaliação de risco e a busca por oportunidades de investimento mais intuitivas. Por exemplo, é possível identificar clusters de empresas mais voláteis e com menor retorno, que podem representar investimentos de maior risco, assim como empresas com retornos mais estáveis e menor volatilidade, que podem interessar a perfis mais conservadores. A PCA contribui para a simplificação da análise ao destacar os fatores mais relevantes, ajudando a filtrar ruídos e priorizar as informações mais úteis para a tomada de decisão. Embora essas ferramentas não ofereçam garantias sobre o desempenho futuro dos investimentos, elas ajudam a estruturar os dados de forma mais clara, permitindo que investidores tomem decisões mais informadas. O objetivo principal do projeto é tornar a análise do mercado mais acessível, principalmente para iniciantes, ao oferecer uma visão mais organizada e visual dos dados. Dessa forma, tanto investidores experientes quanto novos participantes do mercado podem usar essas informações para entender melhor os riscos, identificar oportunidades e desenvolver estratégias com mais confiança.
Keywords:	Inteligência artificial Mercado de ações Aprendizado de máquina Aprendizado não supervisionado Clusterização hierárquica Artificial intelligence Stock market Machine learning Unsupervised learning Hierarchical clustering
Subject CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Production unit:	Instituto de Computação
Publisher:	Universidade Federal do Rio de Janeiro
Issue Date:	14-Feb-2025
Publisher country:	Brasil
Language:	por
Right access:	Acesso Aberto
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
CCFigueiredo.pdf		748.15 kB	Adobe PDF	View/Open

Show full item record Recommend this item View Statistics

Pantheon Institutional repository