DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 330

Aluno: Igor Felipe Carboni Battaza

Título: "Predição de Regimes de Mercado em Ativos Financeiros: Uma Arquitetura Híbrida Integrando Ontologia, NMC, BERT, LSTM, VIX e GARCH"

Orientador: Cleyton Mário de Oliveira Rodrigues

Coorientador: João Fausto Lorenzato de Oliveira

Examinador Externo: Fabricio Cristófani De Sanz Pires (FITec)

Examinador Interno: Leandro Honorato de Souza Silva

Data-hora: 01 de Agosto de 2025 às 9h

Local: Formato remoto - Google meet

---

Resumo:

         "Esta dissertação propõe uma abordagem híbrida para a predição dos regimes locais de oscilação de ativos financeiros individuais, combinando seleção ontológica de ativos, modelagem probabilística e técnicas de aprendizado profundo. O framework proposto integra: (i) uma ontologia financeira para classificação dinâmica de ativos com base em indicadores fundamentalistas, como liquidez, rentabilidade, endividamento e crescimento; (ii) uma Cadeia de Markov Não Estacionária (NMC), ajustada por cópulas t-Student, com variáveis exógenas como um índice de iliquidez e um índice de sentimento construído a partir de múltiplas variáveis de mercado; e (iii) uma rede neural LSTM que recebe como entrada as saídas do modelo NMC, os estados de mercado previstos por um classificador de sentimentos baseado em BERT especializado em notícias financeiras, além de variáveis adicionais como o índice de volatilidade (VIX) e a volatilidade estimada por GARCH(1,1). Esse framework híbrido busca capturar conjuntamente os fatores fundamentais, sentimentais e probabilísticos que influenciam a dinâmica individual dos ativos. A validação empírica, realizada com dados de março de 2018 a julho de 2020 — incluindo o período da crise da COVID-19 — demonstrou desempenho superior em relação a métodos tradicionais, com acurácia de 97{,}20% e F1-Score de 88{,}59%. Em simulações de backtesting, a estratégia baseada no framework obteve retorno acumulado de 13{,}67%, em comparação a 8{,}62% da estratégia passiva de buy and hold. As contribuições incluem um framework interpretável e modular para predição de regimes de oscilação em ativos individuais, com aplicações práticas em alocação dinâmica de ativos e gestão de riscos."