Redes Neurais de Estado de Eco com otimização por algoritmo genético e correção de eventos para previsão do preço de ações
Open Access
- 24 March 2026
- journal article
- Published by University Nove de Julho in Exacta
- Vol. 24, e28045
Abstract
Apesar das Redes Neurais de Estados de Eco serem bastante utilizadas por exigirem pouco treinamento, possuem a desvantagem da grande quantidade de hiperparâmetros a serem ajustados. Além disso, existe a possibilidade da alteração da métrica dos dados de entrada afetar seu desempenho. Com a intenção de avaliar o efeito desta alteração, objetivou-se comparar as previsões de uma ação da B3 (Brasil, Bolsa, Balcão), denominada VALE3, determinadas com a utilização de dados brutos e de dados transformados por meio de um fator de correção. Para tal, ajustou-se esses hiperparâmetros com algoritmo genético e testou-se uma forma de correção de eventos de mercado que, de certa forma, estabiliza os dados de entrada. Utilizaram-se parâmetros do algoritmo genético com cruzamento de 80%, elitismo de 10%, mutação de 10% e seleção de tour. Os resultados demostraram que as Redes Neurais de Estados de Eco podem fazer previsões de preços de ações com precisão bastante razoável, com um erro médio absoluto inferior a 1 centavo no período de validação e inferior a 2 centavos no período de teste, com dados brutos ou transformados. Também demostraram que o fator de correção, neste caso, melhorou a capacidade do modelo de previsão.Keywords
Funding Information
- Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul (24/2551-0001396-2; 23/2551-0000773-8; 23/2551-0000126-8; 24/2551-0001396; 23/2551-000012608)
- Conselho Nacional de Desenvolvimento Científico e Tecnológico (307416/2025-9; 23/2551-0000126-8; 23/2551-000012608)
This publication has 34 references indexed in Scilit:
- Testing stationarity of the detrended price return in stock marketsPhysica A: Statistical Mechanics and its Applications, 2022
- Novel hybrid model based on echo state neural network applied to the prediction of stock price return volatilityExpert Systems with Applications, 2021
- Next generation reservoir computingNature Communications, 2021
- Efficient Implementations of Echo State Network Cross-ValidationCognitive Computation, 2021
- A novel method for lake level prediction: deep echo state networkArabian Journal of Geosciences, 2020
- RETRACTED ARTICLE: Integration of RNN with GARCH refined by whale optimization algorithm for yield forecasting: a hybrid machine learning approachJournal of Ambient Intelligence and Humanized Computing, 2020
- Stock Market Forecasting Using Computational Intelligence: A SurveyArchives of Computational Methods in Engineering, 2020
- Support vector regression with modified firefly algorithm for stock price forecastingApplied Intelligence, 2018
- A Practical Guide to Applying Echo State Networks2012
- Reservoir computing approaches to recurrent neural network trainingComputer Science Review, 2009