A decisão de investimento em Initial Public Offering (IPO) no Brasil com rede neural artificial

Abstract

Resumo: Este estudo tem o objetivo geral de desenvolver um modelo supervisionado de Rede Neural Artificial (RNA) com capacidade preditiva para auxiliar investidores na construção da decisão de compra de ações de Ofertas Públicas Iniciais (IPOs) no curto prazo no Brasil, integrando a tecnologia de Inteligência Artificial (IA) ao problema de investimento em IPO. Para alcançar esse objetivo, o método adotado envolve a coleta e preparação dos dados socioeconômico-financeiros disponíveis no momento de publicação dos prospectos definitivos dos IPOs, seguido pela configuração dos elementos constitutivos da RNA, configuração dos hiper parâmetros, escolha apropriada da função de ativação e avaliação do desempenho dos modelos por meio de métricas como acurácia, precisão, recall e F1. Os resultados revelaram que combinações de variáveis, envolvendo indicadores econômicos, características das empresas emissoras e dados financeiros, apresentaram um desempenho satisfatório na classificação das ações de IPOs. A contribuição deste estudo reside na demonstração da viabilidade e utilidade das RNAs supervisionadas como ferramentas de suporte à tomada de decisões financeiras no contexto específico das ações de IPOs no Brasil. No entanto, ressalta-se que a utilização das RNAs deve ser considerada como um recurso informacional complementar, sendo necessário ponderar as informações fornecidas pelo modelo junto a outras análises e estratégias de investimento, levando em conta a imprevisibilidade do mercado financeiro. Conclui-se que a aplicação das RNAs supervisionadas no contexto das ações de IPOs no Brasil é viável e promissora, permitindo a identificação de ações com maior potencial de retorno financeiro.

Abstract: This study aims to develop a supervised Artificial Neural Network (ANN) model with predictive capability to assist investors in making buying decisions for Initial Public Offerings (IPOs) in the short term in Brazil, integrating Artificial Intelligence (AI) technology into the IPO investment problem. To achieve this objective, the adopted method involves collecting and preparing the socioeconomic and financial data available in the definitive prospectuses of IPOs, followed by configuring the constitutive elements of the ANN, setting the hyperparameters, choosing an appropriate activation function, and evaluating the models' performance using metrics such as precision, recall, and F1 score. The results revealed that combinations of variables involving economic indicators, issuer-specific characteristics, and financial data demonstrated satisfactory performance in classifying IPO stocks. The contribution of this study lies in demonstrating the feasibility and usefulness of supervised ANNs as tools to support financial decision-making in the specific context of IPOs in Brazil. However, it is important to note that the use of ANNs should be considered as a complementary informational resource, and the information provided by the model should be carefully considered in conjunction with other analyses and investment strategies, taking into account the unpredictability of the financial market. In conclusion, the application of supervised ANNs in the context of IPOs in Brazil is viable and promising, enabling the identification of stocks with higher potential for financial returns.