O presente trabalho visa avaliar a eficiência dos modelos de aprendizagem automática na previsão da direção do preço de ações no dia seguinte, utilizando indicadores técnicos e padrões de vela. Este estudo considerou 440 ações do índice Standard & Poor's 500 e, para cada uma delas, foram desenvolvidos três modelos binários diferentes com base nos seguintes algoritmos de aprendizagem automática: Deep Neural Network, Support Vector Machine, e Random Forest. Além disso, foi criado um naive predictor para ajudar a comparar os resultados dos modelos. Os modelos foram julgados com base na sua precisão e retorno financeiro. Os resultados mostraram que os modelos de aprendizagem automática alcançaram resultados semelhantes aos do modelo naive e não conseguiram prever com precisão a direção do preço das ações no dia seguinte, utilizando as características selecionadas, indicando que não existe uma relação aparente entre os mesmos.

The present work aims to evaluate the efficiency of machine learning models in predicting next-day stock price direction, using technical indicators and candlestick patterns. This study considered 440 stocks from the Standard & Poor's 500 index and for each one of them, three different binary models were developed based on the following machine learning algorithms: Deep Neural Network, Support Vector Machine, and Random Forest. Additionally, a naive predictor was created to help compare the models results. The models were judged based on their accuracy and financial returns. The results showed that the machine learning models achieved similar results to the naive model and failed to accurately predict the next-day stock price direction using the selected features, indicating that there is no apparent relationship between them.