Finbert Brasileiro

Autores

Resumo

O presente artigo investigou o uso da inteligência artificial para, por meio de análise de notícias de jornais, informar qual foi a movimentação da bolsa de valores, B3. Para tanto, a ferramenta de inteligência artificial chamada BERTimbau foi treinada especificamente para esse propósito. Ou seja, a ferramenta foi treinada especificamente para esse propósito. Ao final, a ferramenta desenvolvida foi comparada com outras formas de análise e classificação de textos, também chamado de classificação de textos. O resultado aponta que o modelo baseado no BERTimbau teve maior sucesso na classificação no movimento da B3, com base nas notícias disponíveis

Biografia do Autor

  • Paulo de Souza Knupp
    Doutor em Administração pela Universidade Federal de Santa Catarina.
  • Wilson Toshiro Nakamura, Universidade Presbirteriana Mackenzie
    Possui graduação em Administração - Fac. de Economia, Administração e Contabilidade da USP (1979), graduação em Economia - Fac. de Economia, Administração e Contabilidade da USP (1985), graduação em Ciências Contábeis - Fac. de Economia, Administração e Contabilidade da USP (1990), graduação em Direito pela Faculdade de Direito da USP (1992), mestrado em Administração - Fac. de Economia, Administração e Contabilidade da USP (1992) e doutorado em Administração - Fac. de Economia, Administração e Contabilidade da USP (1998). Atualmente é Professor do Núcelo Permanente do Programa de Pós-Graduação em Administração de Empresas da Universidade Presbiteriana Mackenzie. Fez pós-doutorado na Facultad de Economia y Negocios da Universidad de Chile. Atua como parecerista de diversas revistas, tais como: RAC. Revista de Administração Contemporânea , BAR Brazilian Administration Review, RAM. Revista de Administração Mackenzie, Revista de Contabilidade Finanças, Revista Brasileira de Finanças, etc. Tem experiência na área de Administração, com ênfase em Administração Financeira, atuando principalmente nos seguintes temas: estrutura de capital, política de dividendos, administração de capital de giro, custo de capital, governança corporativa, finanças de clubes de futebol, etc. Atualmente é Editor Associado dos periódicos RAUSP - Revista de Administração da USP e RAE - Revista de Administração de Empresas. Ocupou, por sete anos, o cargo de Coordenador da Divisão de Finanças da Associação Nacional dos Programas de Pós-Graduação em Administração - ANPAD. Atualmente, continua colaborando na Divisão de Finanças da ANPAD como Líder de Tema, no tema Tópicos Contemporâneos de Finanças. Ocupa, atualmente, o cargo de Coordenador da área de Finanças do SemeAd - Seminários em Administração da FEA-USP. Exerce também o cargo de membro titular do Conselho Fiscal da Sociedade Brasileira de Finanças. Faz parte do Comitê de Desenvolvimento Científico do Conselho Regional de Contabilidade de São Paulo - CRC-SP. Atua como parecerista do CNPq, FAPESP e FAPEMIG. Participou de Grupo de Trabalho na CAPES sobre Gestão de Risco. Tem sido convidado para ministrar diversas palestras e seminários no Brasil e no exterior.
  • Carmen Campos Pereira
    Graduação em Administração de Empresas pela Universidade São Judas Tadeu (1989), graduação em Direito pelo Centro Universitário das Faculdades Metropolitanas Unidas (1995), mestrado em Arquitetura e Urbanismo pela Universidade Presbiteriana Mackenzie (2020). Vasta experiência na Direção de grandes empresas, desempenhando funções como Presidente, Vice-Presidente Financeira, CFO, Diretora de Relação com Investidores, Diretora Executiva, e Membro de Conselhos de Administração. Ampla experiência em M&A, Reestruturações Financeiras, Societárias e Operacionais, Project Finance, Mercado de Capitais e Dívida, Assuntos Corporativos no Brasil e Internacional. Hoje em um dos maiores Grupos do Setor de Saúde brasileiro, controlado pela Bain Capital, com faturamento anual de cerca de R$ 4 bilhões, atende mais de 4,6 milhões de beneficiários e cerca de 20 mil colaboradores, com mais de 20 Hospitais próprios, cerca de 80 centros médicos e Laboratórios. Vinte e cinco anos como Executiva do Setor Elétrico, atuando Como Presidente e CFO, sendo responsável Gestão e Estratégia de a Operação de empresas de grande porte, com faturamento anual de mais de R$ 12 bilhões, e cerca de 8 mil funcionários.

Referências

Referências

ANTUNES, G. A.; LAMOUNIER, W. M.; BRESSAN, A. A. Análise do “efeito tamanho” nos retornos das ações de empresas listadas na Bovespa. Revista Contabilidade & Finanças, v. 17, n. 40, p. 87–101, 2006.

ARACI, Dogu. FinBERT: Financial Sentiment Analysis with Pre-trained Language Models. 20019. 11 f. Dissertação (Mestrado) - Curso de Computer Science, University Of Amsterdam, Amsterdam, 2019.

BAIARDO CAVALCANTE VIANA JUNIOR, D. et al. Do the Words Matter? an Analysis of the Linguistic Sentiment of Earnings Conference Calls and Abnormal Stock Returns in Brazilian Companies. Advances in Scientific and Applied Accounting, v. 12, n. 3, p. 144–158, 2019.

ELY, R. A. Returns Predictability and Stock Market Efficiency in Brazil. Revista Brasileira de Finanças, v. 9, n. 4, p. 571–584, 2011.

EVRARD, H. S.; CRUZ, J. A. W. A União Faz a Força? Um Teste Usando Fatores de Retorno. Revista Brasileira de Finanças, v. 15, n. 1, p. 59–92, 2017.

FERNÁNDEZ VILAS, A. et al. Twitter permeability to financial events: an experiment towards a model for sensing irregularities. Multimedia Tools and Applications, v. 78, n. 7, p. 9217–9245, 2019.

FIORESI, A.; GALDI, F. C. Estrutura de capital e custo de capital subsidiado no Brasil: influência no valor das ações das empresas. Revista Contemporânea de Contabilidade, v. 15, n. 34, p. 42–57, 2018.

GALDI, F. C.; GONÇALVES, A. M. PESSIMISMO E INCERTEZA DAS NOTÍCIAS E O COMPORTAMENTO DOS INVESTIDORES NO BRASIL. RAE-Revista de Administração de Empresas, v. 58, n. 2, p. 130–148, 2018.

JUNIOR, D. B. C. V. et al. Do the Words Matter? an Analysis of the Linguistic Sentiment of Earnings Conference Calls and Abnormal Stock Returns in Brazilian Companies. Advances in Scientific and Applied Accounting, v. 12, n. 3, p. 144–158, 2019.

LEE, B. R. et al. About relationship between business text patterns and financial performance in corporate data. Journal of Open Innovation: Technology, Market, and Complexity, v. 4, n. 1, 2018.

MACHADO, M. A. V.; SILVA, M. D. DE O. P. D. Análise do Sentimento Textual dos Relatórios de Desempenho Trimestral das Indústrias Brasileiras. Sociedade, Contabilidade e Gestão, v. 12, n. n.1, jan/abr, p. 1–25, 2017.

OLIVEIRA, D. J. S. et al. The application of the sentiment analysis technique in social media as a tool for social management practices at the governmental level. Revista de Administração Publica, v. 53, n. 1, p. 235–251, 2019.

ROSS, S. A.; WESTERFIELD, R. W.; JORDAN, B. D. Princípios de administração financeira. 2a ed. São Paulo : Atlas, 2000.

SANVICENTE, A. Z.; MONTEIRO, R. DA C. Eficiência do mercado de opções da Bolsa de Valores de São Paulo. R. Adm., v. 40, n. 4, p. 34–43, 2005. Disponível em: <http://www.rausp.usp.br/principal.asp?artigo=494>.

SONG, Y.; WANG, H.; ZHU, M. Sustainable strategy for corporate governance based on the sentiment analysis of financial reports with CSR. Financial Innovation, v. 4, n. 1, 2018.

SOUZA F., NOGUEIRA R., LOTUFO R. (2020) BERTimbau: Pretrained BERT Models for Brazilian Portuguese. Computer Science, v 12319. Springer,

YE, M.; LI, G. Internet big data and capital markets: a literature review. Financial Innovation, v. 3, n. 1, 2017.

Carosia, A. E., Coelho, G. P., & Silva, A. E. A. Investment strategies applied to the Brazilian stock market: A methodology based on Sentiment Analysis with deep learning. Expert Systems with Applications, v. 184, 115470, 2021

Carosia, A. E. O., Coelho, G. P., & Silva, A. E. A. Analyzing the Brazilian Financial Market through Portuguese Sentiment Analysis in Social Media. Applied Artificial Intelligence, 34(1), 1–19. 2020.

Downloads

Publicado

2024-10-09

Edição

v. 14 n. 2 (2024):

Seção

Artigo Tecnológico

Licença

Os textos publicados na revista são de inteira responsabilidade de seus autores. Permite-se a reprodução desde que citada a fonte e o autor.