Aplicação das redes neuronais artificiais à detecção dos mercados Euronext mais rentáveis

Com este estudo investiga-se a possibilidade de utilização de uma rede neuronal artificial na detecção dos mercados de acções da Euronext que proporcionam a melhor rendibilidade diária. A rede, treinada com o algoritmo de Levenberg- Marquardt, recomenda a um investidor hipotético a escolha do índice de preços representativo do mercado que se prevê que maior rendibilidade oferece no dia de negociação seguinte. Verifica-se que as recomendações da rede superam as rendibilidades dos benchmarks nos primeiros meses de 2007. O teste de Pesaran-Timmermann permite concluir que os resultados obtidos na previsão da direcção dos movimentos dos mercados Euronext (subida ou descida) não são devidos ao acaso. De igual modo, a matriz das classificações permite concluir que o desempenho do modelo na classificação diária de cada mercado em “1º melhor”, “2º melhor”, “3º melhor” ou “4º melhor”, também não é fruto do “acaso máximo” ou do “acaso proporcional”. Finalmente, como se utilizou, por um lado, uma rede do tipo feedforward com quatro neurónios na camada de outupt e, por outro lado, como se efectuou uma experiência de bootstrap que mostra que as elasticidades dos mercados são, em geral, estatisticamente significativas, conclui-se que os mercados Euronext estão significativamente relacionados entre si, deixando assim em aberto a possibilidade dos agentes do mercado (v.g. gestores de carteiras) potenciarem a rentabilização dos seus investimentos recorrendo a este tipo de modelos neuronais.