Estudo Prospectivo Exploratório das Patentes de Métodos de Aprendizagem de Máquina Aplicados ao Mercado Financeiro

Autores

DOI:

https://doi.org/10.9771/cp.v12i1.27260

Palavras-chave:

Aprendizagem de máquina, Mercado financeiro, Investimento, Negociação.

Resumo

Neste trabalho é realizada uma prospecção tecnológica do uso da tecnologia de aprendizagem de máquina aplicada à negociação e ao investimento financeiro. A rápida expansão das aplicações de Tecnologia da Informação (TI) no campo das finanças tem gerado uma série de mudanças nas suas práticas impactando a vida de investidores e de todos os cidadãos. Foi utilizada base de dados de documentos de patentes da Espacenet, o escopo de pesquisa permitiu a análise de 257 patentes. As patentes analisadas no escopo são datadas de 1991 a 2018. O software Questel Orbit® foi utilizado para análise dos dados. As principais aplicações são orientadas para a identificação de outliers e a realização de feature selection e clustering. Não foi identificada empresa que tenha como atividade-fim atuar no mercado financeiro, indicando a existência de estratégias de manutenção de segredo de negócio. Foi verificado o rápido crescimento do mercado e a possibilidade de amadurecimento da tecnologia diante do cenário contemporâneo.

Downloads

Não há dados estatísticos.

Biografia do Autor

Vitor M. Quintella, Universidade Federal da Bahia, Salvador, BA, Brasil

Possui graduação em Engenharia Química pela Universidade Federal da Bahia (2013) e mestrado em Engenharia Industrial pela Universidade Federal da Bahia (2017). Atualmente é Professor Universitário e Consultor. Lecionou na escola de administração da Universidade Federal da Bahia (2016). Estagiou na área de Planejamento e Desenvolvimento de Novos Negócios da Braskem. Tem experiência na área de Engenharia de Produção, com ênfase em Engenharia Econômica e na área de Finanças Corporativas, atuando principalmente nos seguintes temas: Risco corporativo, Mercado de Futuros, Avaliação de projetos, Gestão de riscos, Industrias de commodities petroquímicos.

Cristina M. Quintella, Universidade Federal da Bahia, Salvador, BA, Brasil

Cristina Maria Assis Lopes Tavares da Mata Hermida Quintella se formou em 1983 bacharel em Física (Universidade Federal do Rio de Janeiro), em 1985 mestre em Físico-Química (Instituto de Química da Universidade Federal do Rio de Janeiro), em 1993 doutora interdisciplinar em Ciências Moleculares (University of Sussex, UK) e tem diversas capacitações em Propriedade Intelectual e Transferência de Tecnologia (PI e TT) pela OMPI e INPI. É Prof. Titular da Universidade Federal da Bahia, onde coordena o LabLaser/IQ/UFBA desde 1994, e atua principalmente em: dinâmica e cinética molecular; espectroscopias; interfaces; biotecnologia, produção e transporte de petróleo; CO2; instrumentação. Seu grupo ganhou o Prêmio Petrobrás de Tecnologia 4 anos consecutivos (2003 a 2006) em três temas distintos e o Prêmio Inventor Petrobras em 2008 e 2010. É inventora de 41 patentes, sendo 4 internacionais pelo PCT, e tem concedidas nos EUA, Grã-Bretanha, Japão e Rússia. Várias tecnologias que desenvolveu são já inovação tecnológica sendo utilizadas pela sociedade por exemplo pelas empresas QUIMIS, PETROBRAS, COSERN, e outras mais novas de base tecnológica atuando, por exemplo no EMBRAPII. No momento está Bolsista de Produtividade Desen. Tec. e Extensão Inovadora do CNPq - Nível 2. Tem atuação em negociação; prospecção tecnológica; PI e TT, implantou e coordenou o Núcleo de Inovação Tecnológica (NIT) na UFBA (2005 a 2014), foi a primeira Coordenadora de Inovação da UFBA (2010 a 2014), coordena desde 2004 a Rede NIT-NE que compreende 52 instituições dos 9 estados do NE do Brasil e de outros estados. Está Presidente da Associação Fórum Nacional de Gestores de Inovação e Transferência de Tecnologia ? FORTEC (2014-18). Orientou ou orienta mais de 24 DR, 29 MS, 104 IC e 83 orientações tecnológicas (ITI e DTI), além de 11 supervisões de pós-doutoramento. Possui 21 anos de experiência na coordenação de projetos individuais (CNPq), institucionais (PIBIC/UFBA, Núcleo de Propriedade Intelectual UFBA-UFPb-UFS-CEFETBA) e interinstitucionais (PADCT3, CYTED/LCDs, CTPetro/CNPq, CTPetro/FINEP, CTHidro/FINEP, CTInfra/FINEP, TIB/Verde e Amarelo/CNPq), participou da elaboração e do Comitê Gestor do PRODOC multi-institucional da Bahia, Coordenou o PIBIC institucional. Dentro da rede NIT-NE foi e foi responsável junto ao CNPq por mais de 180 bolsas DTI e ITI dos bolsistas atuantes em cada NIT sob orientação imediata dos Coordenadores de NITs. Idealizou e coordenou a criação do SISBIC UFBA - Sistema de Avaliação de Mérito das Bolsas de Iniciação da UFBA que é utilizado até hoje. Criou o Portal da Inovação da Rede NIT-NE / APPITTe com cadastro de usuários, de organizações, de Propriedade Intelectual, Transferência de tecnologia, gestão remota técnica e financeira de projetos, sistema de emails, relatórios de gestão, ferramentas dos Núcleos de Inovação Tecnológica, entre outros, e que, em maio/18 compreendia tinha 2.998 usuários, 1.591 inventores cadastrados; 52 organizações de todo o Brasil (academia, governo e empresas); 800 PI cadastradas em diversos e múltiplos setores empresariais (www.portaldainovacao.org). Propôs e está Coordenadora Acadêmica Nacional do PROFNIT - Mestrado Profissional gratuito em cadeia nacional em Propriedade Intelectual e Transferência de Tecnologia para Inovação (www.profnit.org.br) que compreende 28 Pontos Focais em 20 estados do Brasil, com 620 alunos regulares e mais de 300 docentes.

Antônio Francisco A. Silva Junior, Universidade Federal da Bahia, Salvador, BA, Brasil

Pós-doutorado como Pesquisador visitante na New York University 2015-2016 (Finance and Risk Engineering Department). Doutor em Engenharia Aeronáutica e Mecânica, em 2006, pelo departamento de Engenharia de Produção, do Instituto Tecnológico de Aeronáutica (ITA), com tese em intervenções cambiais em crises financeiras. Graduado em 1988 em Engenharia Química, concluiu mestrado em Engenharia, em 1998, com dissertação na área de Automação de Processos Industriais, e mestrado em Administração, em 2000, com dissertação na área de gerenciamento de risco de mercado, pela Universidade Federal da Bahia - UFBA. Trabalha no Banco Central do Brasil na área de gestão de riscos, é professor adjunto na faculdade de Administração da UFBA, atua como professor participante do Programa de Pós-graduação em Engenharia Industrial, da UFBA, e é professor permanente do Núcleo de Pós-graduação em Administração NPGA-UFBA. Seus trabalhos acadêmicos estão orientados para a gestão de riscos e decisões de investimento.

Cristiano de Oliveira Hora Fontes, Universidade Federal da Bahia, Salvador, BA, Brasil

Possui graduação em Engenharia Química pela Universidade Federal da Bahia (1990), mestrado em Engenharia Química pela Universidade Federal da Bahia (1996) e doutorado em Engenharia Química pela Universidade Estadual de Campinas (2001). Foi engenheiro de processos da empresa Companhia Petroquímica de Camaçari (Pólo Petroquímico de Camaçari, 1990 a 1994), foi professor da Universdiade Estadual de Feira de Santana (UEFS-BA, 1998 a 2002) e atualmente é professor associado da Universidade Federal da Bahia (UFBA). Foi coordenador geral do Programa de Pós-Graduação em Engenharia Industrial da Escola Politécnica durante o período de 2008 a 2012 e vice-coordenador durante o período de 2012 a 2014. Desenvolve, orienta e publica trabalhos nas áreas de identificação, controle, otimização, técnicas de inteligência artificial e reconhecimento de padrões aplicados a sistemas de produção. É bolsista de produtividade CNPq (nível 2) na área de Engenharia de Produção, mais especificamente na subárea Planejamento, Projeto e Controle de Sistemas de Produção. É consultor ad hoc CNPq. Ministrou nos últimos anos Fundamentos de Transferência de Calor para cursos de graduação em engenharia química e mecânica e Fundamentos de Lógica fuzzy, agrupamentos e reconhecimento de padrões para alunos de graduação e de pós-graduação. Realizou em 2015 Pós-Doutoramento na Universidade de Waterloo (Ontario, Canadá) na temática de reconhecimento de padrões em séries temporais uni e multivariadas como ferramenta de apoio à tomada de decisão. O trabalho foi desenvolvido em parceria com o Professor Hector Budman e foram abordados temas como aplicação de reconhecimento de padrões na detecção e diagnóstico de falhas em processos de produção, sub e sobre amostragem em problemas de agrupamento envolvendo séries temporais e aplicação de reconhecimento de padrões em projeto e análise de processos.

Referências

CAVALCANTE, Rodolfo C. et al. Computational Intelligence and Financial Markets: a Survey and Future Directions. Expert Systems with Applications, [S.l.], v. 55, p. 194-211, 2016.

CHAKRABORTY, C.; JOSEPH, A. Machine learning at central banks. Staff Working Paper n. 674, Bank of England, 2017.

CRABTREE, J.; JIA, J. Inventores. Distributed Energy Management. Titular. Comfort-driven optimization of electric grid utilization. Patente US2010217550. 2009.

CRABTREE, J.; SELLERS, A. Inventores. Fractal Industry. Titular. Quantification for investment vehicle management employing an advanced decision platform. Patente US2017012465. 2017.

CRABTREE, J.; SELLERS, A. Inventores. Fractal Industry. Titular. Quantification for investment vehicle management and insurance process management. Patente WO201885756. 2018.

JEFFREY, E. S. Inventor. Jeffrey E. Titular. A variable group modeling system. Patente US2004088239. 2004a.

JEFFREY, E. S. Inventor. Jeffrey E. Titular. Automated method of and system for identifying, measuring and enhancing categories of value for a value chain. Patente US2004210509. 2004b.

JEFFREY, E. S. Inventor. Jeffrey E. Titular. Extended management system. Patente US2009043637. 2009a.

JEFFREY, E. S. Inventor. Jeffrey E. Titular. Market value matrix. Patente US2009018891. 2009a.

JEFFREY, E. S. Inventor. Jeffrey E. Titular. Predictive model development system applied to organization management. Patente US20160239919. 2016.

KHARGONEKAR, P. P.; DAHLEH, M.A. Advancing systems and control research in the era of ML and AI. Annual Reviews in Control, [S.l.], v. 45, p. 1-4, 2018. Disponível em: <https://doi.org/10.1016/j.arcontrol.2018.04.001>. Acesso em: 15 out. 2018.

LIU, W. et al. Inventores. Economy Research Institute Of State Grid Zhejiang Electric Power, Hangzhou Yihe Electric Power Technology Information, State Grid Corporation Of China (SGCC), State Grid Zhejiang Electric Power. Titulares. Management method of power engineering cost. Patente CN105930931. 2016.

ZASLAVSKY, A. et al. Inventores. Asap Software Express, Aventail, Credant Technologies, Dell, Dell International, Dell Marketing, Dell Software, Dell Systems, Emc Ip Holding, Force10 Networks, Maginatics, Mozy, Scaleio, Spanning Cloud Apps. Titulares. Visualization of fraud patterns. Patente US9330416. 2013.

Downloads

Publicado

2019-03-01

Como Citar

Quintella, V. M., Quintella, C. M., Silva Junior, A. F. A., & Fontes, C. de O. H. (2019). Estudo Prospectivo Exploratório das Patentes de Métodos de Aprendizagem de Máquina Aplicados ao Mercado Financeiro. Cadernos De Prospecção, 12(1), 113. https://doi.org/10.9771/cp.v12i1.27260

Edição

v. 12 n. 1 (2019)

Seção

Prospecções Tecnológicas de Assuntos Específicos

Licença

Copyright (c) 2019 Cadernos de Prospecção

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.

O autor declara que: - Todos os autores foram nomeados. - Está submetendo o manuscrito com o consentimento dos outros autores. - Caso o trabalho submetido tiver sido contratado por algum empregador, tem o consentimento do referido empregador. - Os autores estão cientes de que é condição de publicação que os manuscritos submetidos a esta revista não tenham sido publicados anteriormente e não sejam submetidos ou publicados simultaneamente em outro periódico sem prévia autorização do Conselho Editorial. - Os autores concordam que o seu artigo ou parte dele possa ser distribuído e/ou reproduzido por qualquer forma, incluindo traduções, desde que sejam citados de modo completo esta revista e os autores do manuscrito. - Revista Cadernos de Prospecção está licenciado com uma Licença Creative Commons Attribution 4.0. Esta licença permite que outros remixem, adaptem e criem a partir do seu trabalho para fins não comerciais, e embora os novos trabalhos tenham de lhe atribuir o devido crédito e não possam ser usados para fins comerciais, os usuários não têm de licenciar esses trabalhos derivados sob os mesmos termos. Licença Creative Commons
Este obra está licenciado com uma Licença Creative Commons Atribuição 4.0 Internacional.