Previsão de preços de ações utilizando modelos autorregressivos integrados de médias móveis (ARIMA)

O mercado de ações é um importante mecanismo para o desenvolvimento econômico de uma nação, pois, é um meio muito de captação de recursos que pode ser revertido em desenvolvimento econômico. É de extrema importância poder elaborar bons modelos preditivos para realizar a previsão do comportamento de preços das ações ao longo do tempo. Assim sendo, o objetivo deste trabalho foi usar recursos de modelos auto-regressivos integrados de médias móveis (ARIMA) em séries temporais na previsão de preços futuros de ações nas bolsas de valores, para auxiliar os investidores a tomarem as melhores decisões sobre compras e vendas desses ativos financeiros. Utilizou-se para isso séries históricas de valores semanais de quatro ações negociadas com destaques na BOVESPA, no período de 01 de janeiro de 2018 a 30 de dezembro de 2022, num total de 255 de observações em cada série. Nessas séries foram aplicados testes estatísticos de autocorrelação, autocorrelação parcial e diferenciação para a determinação do melhor modelo ARIMA, visando o bom desempenho das previsões. Foi realizado o teste de previsão no horizonte de cinco semanas posteriores ao último dado não omisso de cada série histórica dessas ações. Utilizou-se o software Statistical Package for the Social Sciences (SPSS) para as execuções dos modelos ARIMA. Os resultados podem ser considerados satisfatórios graus de ajustamentos compatíveis e pequenos erros percentuais e absolutos. Destacam-se os erros médios percentais absolutos MAPE, que ficaram abaixo de 2,05%, a raiz quadrada do erro médio ao quadrado RMSE, abaixo de 1,323 e os erros médios absolutos MAE, abaixo de 1,025 para os valores das quatro séries em estudo. Os testes de Ljung-Box para as quatro séries foram todos não significativos. Esses resultados permitem concluir que o modelo ARIMA de previsão permite a determinação, com segurança, de valores preditos até até cinco etapas (semanas) após o último dado observado da série histórica, como no caso deste estudo.