Aplicacao das Redes Neuronais Artificiais a Deteccao dos Mercados Euronext Mais Rentaveis

Com este estudo investigasse a possibilidade de utilizacao de uma rede neuronial artificial na deteccao dos mercados de accoes da Euronext que proporcionam a melhor rendibilidade diaria. A rede, treinada com o algoritmo de Levenberg-Marquardt, recomenda a um investidor hipotetico a escolha do Indice de precos representativo do mercado que se preve que maior rendibilidade oferece no dia de negociacao seguinte. Verifica-se que as recomendacoes da rede superam as rendibilidades dos benchmarks nos primeiros meses de 2007. O teste de Pesaran-Timmermann permite concluir que os resultados obtidos na previsao da direccao dos movimentos dos mercados Euronext (subida ou descida) nao sao devidos ao acaso. De igual modo, a matriz das classificacoes permite concluir que o desempenho do modelo na classificacao diaria de cada mercado em "1º melhor", "2º melhor", "3º melhor" ou "4º melhor", tambem nao e fruto do "acaso maximo" ou do "acaso proporcional". Finalmente, como se utilizou, por um lado, uma rede do tipo feedforward com quatro neuronios na camada de output e, por outro lado, como se efectuou uma experiencia de bootstrap que mostra que as elasticidades dos mercados sao, em geral, estatisticamente significativas, conclui-se que os mercados Euronext estao significativamente relacionados entre si, deixando assim em aberto a possibilidade dos agentes do mercado (v.g. gestores de carteiras) potenciarem a rentabilizacao dos seus investimentos recorrendo a este tipo de modelos neuronais.