Machine learning in finance : stock market prediction

Abstract

Esta dissertação traz novas ideias na utilização de Machine Learning nos mercados financeiros, tendo por base o índice S&P500 durante o período 2000-2019. A dificuldade subjacente à aplicação das técnicas de Machine Learning é superada através da implementação de métodos automáticos de Machine Learning. Com esta implementação, investidores com pouco ou nenhum know-how podem tirar vantagem do uso destas técnicas. Nós investigámos a performance das técnicas de Machine Learning e comparámos com a performance de técnicas tradicionais de previsão de séries temporais, como o ARIMA. O resultado obtido pelas técnicas de Machine Learning não são suficientes para concluir que a aplicação destas técnicas traz resultados com maior precisão, quando comparados com o ARIMA. Assim, um modelo hibrido parece-nos ser a solução mais apropriada aquando da previsão de preços de mercado.

This dissertation provides new insights on the application of Machine Learning in the prediction of financial markets' close prices, using the S&P 500 over the period 2000-2019. The difficulty underlying the application of Machine Learning techniques is overcome by the implementation of Automated Machine Learning. With this implementation investors will low, or null, know-how in Data Science can take advantage of such techniques. We investigated the predictive performance of Machine Learning techniques and compared them with the predictive performance of traditional methods of time-series analysis, such as an ARIMA. The use of Machine Learning techniques did not predict more accurately than ARIMA, so a hybrid model seems to be the most appropriate solution when predicting stock prices.