Classificação Preditiva de Ações na B3 Via Indicadores Fundamentalistas e Machine Learning

Souza, Alexandre dos Santos de; Pinheiro, Cassia Renata

doi:10.22167/2675-6528-202601592

Artigo

19 de agosto de 2026

Classificação Preditiva de Ações na B3 Via Indicadores Fundamentalistas e Machine Learning

Alexandre dos Santos de Souza; Cassia Renata Pinheiro

DOI: 10.22167/2675-6528-202601592

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A presente pesquisa investigou a aplicação de modelos de aprendizado de máquina na classificação preditiva de ativos da B3, utilizando indicadores fundamentalistas extraídos da Comissão de Valores Mobiliários (CVM) e da própria B3. O objetivo foi analisar a eficácia dessas técnicas para prever o desempenho futuro de ações no mercado brasileiro. A metodologia envolveu a estruturação de um pipeline de dados robusto, com normalização via Robust Scaler e o uso de retornos logarítmicos para garantir a estabilidade estatística das projeções. Entre os modelos testados, o Random Forest demonstrou maior consistência e desempenho superior, alcançando uma acurácia de 55,97% e identificando a Margem Líquida como o principal indicador de performance. Uma estratégia de investimento que combinou um Motor de Scoring Fundamentalista com aportes constantes apresentou resultados expressivos, obtendo um Índice de Sharpe de 1,15 e superando o benchmark Ibovespa com menor volatilidade anualizada. Concluiu-se que as tecnologias de inteligência artificial são ferramentas de suporte eficazes para a otimização de investimentos, embora o fator humano permaneça essencial na tomada de decisão final, dada a influência do comportamento humano na dinâmica econômica. Palavras-chave: Aprendizado de Máquina; Finanças Quantitativas; Indicadores Financeiros; Random Forest; XGBoost.

1. Introdução

A estabilidade financeira familiar é um pilar fundamental para o bem-estar social e a segurança de longo prazo. A capacidade de gerir as finanças domésticas, incluindo poupança e investimento, transcende a mera acumulação de riqueza, sendo uma ferramenta essencial para a resiliência econômica. A literatura acadêmica estabelece uma correlação direta entre baixos níveis de letramento financeiro e maiores índices de endividamento, o que acentua a vulnerabilidade das famílias frente a cenários econômicos adversos (Lusardi e Mitchell, 2014; BCB, 2021).

No Brasil, o mercado de capitais, apesar de abrigar empresas com décadas de lucros consistentes, ainda exibe uma participação popular significativamente inferior à observada em economias desenvolvidas. Dados da B3 (2024) indicam um crescimento no número de investidores pessoa física em renda variável, passando de 5,2 milhões para 5,4 milhões entre o terceiro trimestre de 2024 e 2025. Contudo, este percentual permanece baixo para um país com mais de 200 milhões de habitantes. Em contraste, mercados maduros, como o norte-americano, registram que mais de 60% da população adulta possui investimentos em ações, direta ou indiretamente (Gallup, 2024). Essa disparidade não apenas revela uma lacuna cultural, mas também uma vasta oportunidade para o desenvolvimento do mercado financeiro nacional.

A análise fundamentalista clássica é reconhecida como um método eficaz para a alocação de recursos financeiros, buscando identificar o valor intrínseco de uma empresa por meio da avaliação de seus dados econômico-financeiros. No entanto, sua aplicação prática apresenta complexidades crescentes, especialmente diante do volume cada vez maior de empresas com capital aberto. O processo de avaliação manual exige profundo conhecimento técnico, o que dificulta a entrada de investidores iniciantes. Além disso, a tomada de decisão humana é frequentemente influenciada por vieses cognitivos e emocionais, conforme abordado por Kahneman (2011), levando a tentativas de prever o “timing do mercado” que, estatisticamente, podem comprometer os retornos de longo prazo.

Diante dessas limitações e da crescente disponibilidade de dados, a aplicação de Machine Learning e Data Science emerge como uma abordagem promissora para aprimorar a qualificação de indicadores fundamentalistas e a previsão de retornos de ações. Essas tecnologias oferecem a capacidade de processar e analisar grandes volumes de dados de maneira eficiente, identificando padrões complexos que seriam inviáveis para a análise humana tradicional. A inteligência artificial, nesse contexto, pode atuar como uma ferramenta de suporte para otimizar as decisões de investimento, mitigando vieses e aumentando a objetividade.

A pesquisa se fundamenta na premissa de que a integração de modelos preditivos de Machine Learning com indicadores fundamentalistas pode revelar relações significativas entre a saúde financeira de uma empresa e o desempenho futuro de suas ações. Indicadores como Valor, Rentabilidade e Crescimento, extraídos de fontes como a Comissão de Valores Mobiliários (CVM) e a B3, são cruciais para a avaliação da performance de ativos. A utilização de algoritmos de aprendizado de máquina permite a construção de modelos quantitativos capazes de aprender com esses dados históricos e fazer classificações preditivas, oferecendo uma perspectiva mais estruturada e menos suscetível a falhas humanas na seleção de investimentos.

A lacuna prática reside na dificuldade de investidores, especialmente os iniciantes, em navegar pela complexidade do mercado de capitais e na ineficiência da análise manual frente à vasta quantidade de informações disponíveis. A lacuna teórica, por sua vez, é preenchida pela investigação de como algoritmos de Machine Learning podem ser otimizados para extrair valor preditivo de indicadores fundamentalistas em um contexto de mercado emergente como o brasileiro. A justificativa para este estudo reside, portanto, na necessidade de desenvolver ferramentas mais eficientes e objetivas para a classificação preditiva de ativos, contribuindo para a democratização do acesso a estratégias de investimento mais sofisticadas e para o desenvolvimento do mercado de capitais nacional.

Nesse sentido, este trabalho justifica-se pela aplicação de Machine Learning e Data Science na qualificação dos indicadores fundamentalistas e na previsão de retornos de ações, e tem como objetivo analisar a aplicação de modelos de Machine Learning na classificação preditiva de ativos da B3, fundamentando-se em indicadores fundamentalistas extraídos da Comissão de Valores Mobiliários (CVM) e da B3.

2. Material e Métodos

O estudo adotou abordagem quantitativa e aplicada, implementando um pipeline de Data Science em Python para otimizar a análise de informações financeiras e gerar previsões baseadas em indicadores fundamentalistas. A metodologia visou avaliar o desempenho e perspectivas futuras de empresas na B3. Desenvolveu-se um modelo quantitativo para processar grandes volumes de dados, identificando padrões que correlacionam indicadores financeiros com a performance futura dos ativos. O procedimento metodológico, ilustrado na Figura 1, organizou-se em etapas de coleta, organização e análise, desde a extração dos dados brutos até a fase de inteligência e backtest.Figura 1. Pipeline metodológico de processamento de dados e engenharia de atributos

Fonte: Dados originais da pesquisa

A Figura 1 detalha as fases de ingestão, filtragem, enriquecimento, integração, consolidação, engenharia de features, modelagem e backtest. Essa representação visual da estrutura metodológica foi essencial para compreender a arquitetura do processo de análise e modelagem preditiva, garantindo a robustez e a integridade de cada etapa.

A unidade de análise consistiu em ativos negociados na B3, focando em empresas de capital aberto no mercado acionário brasileiro. Os dados foram coletados de fontes oficiais, abrangendo período histórico relevante para a construção e validação dos modelos. A população de dados incluiu arquivos históricos de cotações (COTAHIST) da B3 e Demonstrações Financeiras Padronizadas (DFP) e Informações Trimestrais (ITR) da Comissão de Valores Mobiliários (CVM). Para a seleção do universo elegível, aplicaram-se critérios de inclusão: ações com presença em, no mínimo, 100 pregões e volume financeiro mediano diário superior a R$50.000,00, excluindo ativos de baixa liquidez ou micro-caps.

A pesquisa utilizou a linguagem Python para o desenvolvimento do pipeline de Data Science. As fontes de dados primárias foram os arquivos COHIST da B3 e os documentos DFP e ITR da CVM. Para integração e enriquecimento, empregou-se web scraping no site Investidor 10 para obter o CNPJ das empresas e a API do Yahoo Finance para resgatar cotações ajustadas. Os algoritmos de Machine Learning Random Forest e XGBoost foram selecionados para a modelagem preditiva, e o Robust Scaler foi utilizado para a normalização dos dados.

A coleta de dados iniciou-se com a extração dos arquivos COHIST da B3, filtrando cotações diárias de lote padrão (TIPREG = ’01’ e TPMERC = ‘010’). Concomitantemente, extraíram-se os arquivos DFP e ITR da CVM, focando em contas primárias como Ativo Total, Patrimônio Líquido, Receita e Lucro Líquido. Para evitar o look-ahead bias, aplicou-se atraso informacional de 60 dias entre o balanço e a cotação da ação. Os dados brutos foram organizados, com arquivos Fixed-Width da B3 convertidos para Parquet e os da CVM consolidados em CSV, além de ajustes de escala monetária e tipagem temporal.

A integração entre os dados da B3 e da CVM foi realizada utilizando o CNPJ como chave, obtido via web scraping no site Investidor 10, o que também filtrou tickers inativos. As contas contábeis brutas foram combinadas para gerar variáveis preditivas, como Margem Líquida, Retorno sobre o Patrimônio Líquido (ROE) e Nível de Alavancagem. Anomalias matemáticas foram tratadas, convertendo divisões por zero ou valores infinitos em nulos. A variável alvo foi otimizada pelo Logaritmo Natural dos retornos (Log-Returns) para maior estabilidade estatística. As features contínuas foram normalizadas via Robust Scaler, adequado para lidar com a assimetria do mercado e outliers (Malla et al., 2026).

A modelagem preditiva e a seleção de ativos foram estruturadas com abordagem híbrida, combinando inteligência artificial e análise fundamentalista. Os algoritmos Random Forest e XGBoost foram configurados para aprender as relações complexas entre indicadores contábeis e o desempenho futuro das ações. Para evitar o look-ahead bias, o treinamento seguiu ordem cronológica rigorosa, empregando a técnica de Walk-Forward Validation com janela expansiva. Paralelamente, desenvolveu-se um Motor de Scoring Fundamentalista, que atuou como filtro de qualidade e ranqueamento transparente para as empresas.

A validação prática foi realizada por um Backtest, simulando estratégia de Buy & Hold com rebalanceamentos periódicos, utilizando cotações ajustadas da API do Yahoo Finance para refletir o retorno real do acionista. O processo de backtest incluiu validação gráfica e estatística do desempenho da carteira frente ao índice Ibovespa, além da extração de métricas institucionais de risco, como Índice de Sharpe, Volatilidade Anualizada e Maximum Drawdown. A pesquisa utilizou exclusivamente dados públicos e anonimizados, não havendo necessidade de termos de consentimento ou outros cuidados éticos relacionados à privacidade de participantes.

3. Resultados e Discussão

A fase inicial da pesquisa revelou desafios significativos na obtenção e estruturação de dados financeiros. Embora plataformas proprietárias de consolidação de dados, como a Economatica, tenham sido consideradas, a necessidade de garantir a reprodutibilidade do projeto e controlar os custos levou à exploração de repositórios públicos. Contudo, as bases de dados disponíveis em plataformas como o Kaggle mostraram-se frequentemente incompletas, desatualizadas ou carentes da granularidade necessária para a análise proposta. Diante disso, optou-se por desenvolver um pipeline próprio de Extração, Transformação e Carregamento (ETL), processando os dados brutos diretamente das fontes oficiais da Comissão de Valores Mobiliários (CVM) e da B3.

Após a extração e estruturação das séries temporais, a integração das bases de dados da CVM e da B3 apresentou um desafio estrutural devido à ausência de uma chave primária comum. Para superar essa dificuldade, aplicou-se um filtro de liquidez nos ativos e, em seguida, desenvolveu-se um algoritmo de web scraping direcionado ao portal financeiro Investidor 10. Essa abordagem permitiu vincular as duas fontes por meio do CNPJ, consolidando uma base de dados rica em informações contábeis e de mercado. Adicionalmente, foi necessário ajustar as cotações nominais da B3 para refletir eventos corporativos, utilizando o preço de fechamento ajustado via API yfinance, e empregar a técnica de As-Of Merge para integrar balanços trimestrais com cotações diárias, prevenindo o viés de antecipação (look-ahead bias).

A variável alvo do modelo foi estruturada com base em retornos logarítmicos, em vez de retornos percentuais simples. Essa escolha conferiu maior simetria matemática entre altas e baixas, aproximando a distribuição dos dados de uma curva normal e otimizando a convergência dos modelos de Machine Learning, conforme destacado por Malla et al. (2026). Foram aplicados filtros de sanidade para limitar variações trimestrais entre perdas de 95% e ganhos de 500%, resultando em um dataset consolidado e robusto para as etapas subsequentes de modelagem e análise preditiva.

O dataset consolidado, essencial para o treinamento dos modelos, incluiu diversas variáveis contábeis e de mercado. Entre as variáveis mapeadas, destacam-se o identificador único CVM (CD_CVM), a razão social (DENOM_SOCIAL), o lucro líquido (LUCRO LIQUIDO), o patrimônio líquido (PATRIMONIO LIQUIDO), a receita (RECEITA), o setor econômico (SETOR_ATIV), o código de negociação da ação na B3 (TICKER_PREV) e o CNPJ, que serviu como chave de integração. Variáveis de mercado como a data do pregão (DATA_PREGAO), o preço ajustado da ação (PRECO_ADJUSTED), o retorno alvo (TARGET_RETORNO) e o preço futuro (PRECO_FUTURO) também foram incorporadas para enriquecer a base de dados, conforme detalhado na Tabela 1 do TCC original.

Com a base de dados consolidada, a etapa de engenharia de features transformou os dados contábeis absolutos em indicadores financeiros proporcionais, como Retorno sobre o Patrimônio Líquido (ROE), Margem Líquida, Nível de Alavancagem e Giro do Ativo. Esses indicadores foram submetidos a uma normalização transversal agrupada por trimestre, utilizando o Robust Scaler. A escolha do Robust Scaler, em detrimento de métodos tradicionais como o Z-Score, deveu-se à sua capacidade de neutralizar distorções macroeconômicas e minimizar o impacto de outliers, garantindo que o sinal preditivo de empresas saudáveis não fosse ofuscado por anomalias extremas, conforme recomendado por Malla et al. (2026).

A modelagem preditiva e a seleção de ativos foram estruturadas em uma abordagem dupla, combinando inteligência artificial com análise fundamentalista clássica. Os algoritmos Random Forest e XGBoost foram empregados para aprender as complexas relações entre os indicadores contábeis e o desempenho futuro das ações. Para evitar o look-ahead bias, o treinamento seguiu uma rigorosa ordem cronológica por meio da técnica de Walk-Forward Validation com janela expansiva. Paralelamente, um Motor de Scoring Fundamentalista foi desenvolvido para atuar como um filtro de qualidade, ranqueando empresas com base em rentabilidade (Margem Líquida e ROE) e penalizando aquelas com alto risco de endividamento (Nível de Alavancagem).

A avaliação do desempenho geral dos modelos Random Forest e XGBoost revelou uma leve superioridade do primeiro. O Random Forest alcançou uma acurácia de 55,97%, uma precisão de 55,52%, um recall de 62,11% e um F1 Score de 58,63%. Em comparação, o XGBoost obteve uma acurácia de 54,90%, precisão de 54,72%, recall de 59,23% e F1 Score de 56,89%. Esses resultados, apresentados na Tabela 2 do TCC original, indicam que o Random Forest demonstrou um equilíbrio superior entre a assertividade direcional e a capacidade de capturar oportunidades, o que, no mercado financeiro, pode se traduzir em ganhos acumulados mais consistentes no longo prazo.

A análise da evolução da importância das variáveis preditoras ao longo do tempo, para ambos os modelos, forneceu insights cruciais sobre sua estabilidade e sensibilidade. A Figura 2 ilustra que o Random Forest manteve uma estrutura de aprendizado mais consistente, com a Margem Líquida e o Lucro Líquido consolidando-se como os principais preditores ao longo da última década. Essa estabilidade sugere uma menor sensibilidade ao ruído e um risco reduzido de overfitting, o que é fundamental para a robustez do modelo em cenários de mercado dinâmicos.Figura 2. Evolução da Importância das Features para o Random Forest

Fonte: Resultados originais da pesquisa

Em contraste, a Figura 3, que representa a evolução da importância das features para o XGBoost, revelou uma volatilidade extrema. Observaram-se inversões abruptas de dominância entre os indicadores a partir de 2022, o que aponta para uma maior sensibilidade do XGBoost ao ruído e um risco elevado de overfitting aos dados mais recentes. Essa característica pode comprometer a generalização do modelo em períodos de mudança de regime de mercado, tornando-o menos confiável para previsões de longo prazo em comparação com o Random Forest, que exibiu maior consistência em sua capacidade preditiva.Figura 3. Evolução da Importância das Features para o XGBoost

Fonte: Resultados originais da pesquisa

Os gráficos SHAP (Shapley Additive explanations) foram utilizados para aprofundar a compreensão da importância das variáveis, confirmando a Margem Líquida como o principal pilar preditivo para ambos os modelos. A Figura 4, referente ao XGBoost, e a Figura 5, para o Random Forest, evidenciam uma correlação direta e positiva entre margens altas e sinais de valorização. Contudo, o Random Forest demonstrou uma interpretação mais clara e estável das variáveis fundamentais, penalizando empresas com baixo patrimônio e recompensando a eficiência operacional de forma consistente, enquanto o XGBoost operou com uma agressividade superior, porém mais ruidosa e menos transparente em suas atribuições de importância.Figura 4. Gráfico de Importância de Variáveis (SHAP) para o XGBoost

Fonte: Resultados originais da pesquisa

A análise dos valores SHAP para o Random Forest, conforme a Figura 5, reforça a robustez do modelo na identificação de drivers de valor. A capacidade de penalizar empresas com patrimônio líquido reduzido e de recompensar aquelas com alta eficiência operacional indica que o modelo está alinhado com princípios fundamentais de investimento. Essa clareza na interpretação das variáveis é um diferencial importante para a aplicabilidade prática do modelo, pois permite aos investidores compreender melhor as razões por trás das classificações preditivas, aumentando a confiança na ferramenta de suporte à decisão.Figura 5. Gráfico de Importância de Variáveis (SHAP) para o Random Forest

Fonte: Resultados originais da pesquisa

O backtest realizado consolidou a superioridade das abordagens preditivas na geração de alpha a longo prazo. A Figura 6 demonstra que a Carteira Random Forest superou consistentemente o XGBoost e descolou expressivamente do Ibovespa em patrimônio acumulado, corroborando a maior robustez observada nas análises anteriores. No entanto, o painel inferior de drawdowns na mesma figura expõe o risco inerente a essa rentabilidade. Ambos os modelos sofreram quedas severas, frequentemente ultrapassando a barreira dos -30%, especialmente nos períodos de incerteza política em 2015 e no início da pandemia de COVID-19 em 2020, quando a bolsa brasileira se desvalorizou acentuadamente.Figura 6. Evolução Patrimonial: Random Forest vs XGBoost vs Ibovespa e Drawdowns Históricos.

Fonte: Resultados originais da pesquisa

Os resultados do backtest indicam que, embora os algoritmos sejam eficientes em alavancar ganhos durante tendências de alta, eles não oferecem proteção efetiva contra choques sistêmicos e reversões bruscas do mercado. Essa característica classifica a estratégia como de alta volatilidade e risco de cauda, exigindo do investidor maturidade para avaliar se os fundamentos das empresas pontuadas pelo modelo estão alinhados com a realidade. A Tabela 3 do TCC original, que apresenta as métricas institucionais, corrobora essa observação, detalhando o desempenho de ambos os modelos em relação ao Ibovespa.

As métricas institucionais revelaram que, embora ambos os modelos tenham superado o Ibovespa no longo prazo, com ganhos significativos para o Random Forest, os Índices de Sharpe alcançados foram de 0,14 para o Random Forest e 0,09 para o XGBoost. Esses valores, embora positivos e superiores ao Ibovespa (-0,05), estão abaixo do limiar de 1,0 exigido por alocadores institucionais para considerar uma estratégia robusta e comercialmente viável, conforme apontado por Pagliaro (2026). A volatilidade anualizada foi de 24,32% para o Random Forest e 25,04% para o XGBoost, enquanto o Ibovespa registrou 23,73%. O Maximum Drawdown (MDD) foi de -42,16% para o Random Forest e -42,49% para o XGBoost, ambos superiores ao do Ibovespa (-37,03%).

A alta taxa de drawdown, superior a 42% para ambos os modelos, evidencia a dificuldade em prever mudanças drásticas no cenário econômico. Para viabilizar a aplicação prática desses modelos, é fundamental a adoção de técnicas de mitigação de risco, como o redimensionamento das posições para limitar as quedas a níveis institucionais mais controlados, geralmente entre -20% e -30% (Pagliaro, 2026). Essa limitação ressalta que, apesar da capacidade dos algoritmos de identificar padrões, a intervenção humana e a gestão de risco são indispensáveis para a construção de uma estratégia de investimento mais resiliente e adequada a diferentes perfis de investidor.

Partindo da premissa de que bons fundamentos tendem a gerar ganhos futuros, foi implementado um algoritmo de Scoring Fundamentalista. Este algoritmo utiliza os principais preditores identificados pelos modelos de machine learning, como rentabilidade (ROE), solvência (Alavancagem) e eficiência (Margem Líquida). O modelo premia empresas com retorno sobre patrimônio acima da mediana do mercado (RS_ROE > 0) e bonifica aquelas que apresentaram melhora em relação ao trimestre anterior. Da mesma forma, identifica empresas com menor risco financeiro (RS_ALAVANCAGEM_FIN < 0) e valoriza a desalavancagem progressiva, além de avaliar a capacidade de conversão de receita em lucro, pontuando empresas com margens superiores aos seus pares em trajetória de crescimento.

Para validar a aplicabilidade prática do modelo, foi realizada uma simulação de aportes constantes (Dollar Cost Averaging – DCA). Os resultados obtidos, apresentados na Tabela 4 do TCC original, demonstraram a eficácia da estratégia. Com um total aportado de R$ 54.391,60, o patrimônio final alcançado pelo modelo de Machine Learning (ML) foi de R$ 208.262,30, representando um ganho de +282,89%. Em comparação, o patrimônio final do Ibovespa para o mesmo período foi de R$ 141.389,59, com um ganho de +159,95%. Essa simulação evidencia a capacidade do modelo de gerar retornos significativamente superiores ao benchmark.

A Figura 7 ilustra a evolução patrimonial da estratégia de Score Fundamentalista em comparação com o Ibovespa e os drawdowns históricos. O gráfico superior mostra que a carteira da estratégia ML superou consistentemente o Ibovespa ao longo do tempo, indicando uma geração de alpha robusta. O painel inferior, que exibe os drawdowns, revela que, embora os picos de queda sistêmica sejam próximos aos do Ibovespa, a estratégia ML demonstra maior resiliência e velocidade de recuperação pós-crise, com um deslocamento positivo do gráfico após 2020, sugerindo uma capacidade de recuperação mais rápida em momentos de estresse do mercado.

Figura 7. Evolução Patrimonial: Score Fundamentalista vs Ibovespa e Drawdowns Históricos.

Fonte: Resultados originais da pesquisa

A eficácia da estratégia DCA combinada com o Score Fundamentalista é comprovada pela redução da volatilidade anualizada para 19,77%, em contraste com os 24,02% do Ibovespa. Além disso, o Índice de Sharpe anualizado da estratégia alcançou 1,15, superando significativamente o 0,67 do Ibovespa e atingindo o limiar de robustez exigido por alocadores institucionais. O Maximum Drawdown (MDD) da estratégia foi de -45,66%, ligeiramente inferior ao do Ibovespa (-46,82%), indicando uma proteção sistemática contra perdas extremas, conforme detalhado na Tabela 5 do TCC original.

A distribuição de retornos da estratégia DCA + Score Fundamentalista, apresentada na Figura 8, mostra uma curva mais estreita e com assimetria positiva em comparação à base achatada e volátil do Ibovespa. Essa característica sugere que a estratégia não apenas oferece retornos mais consistentes, mas também uma menor probabilidade de perdas extremas, contribuindo para uma maior estabilidade e previsibilidade dos resultados. A maior resiliência e velocidade de recuperação pós-crise, evidenciada pelo deslocamento do gráfico após 2020, reforçam a capacidade da estratégia de mitigar os impactos de eventos adversos e de se recuperar de forma mais eficiente.

Figura 8. Histograma de Retornos

Fonte: Resultados originais da pesquisa

Em síntese, os resultados demonstram que a aplicação de modelos de aprendizado de máquina, especialmente o Random Forest, em conjunto com indicadores fundamentalistas e uma estratégia de aportes constantes, pode otimizar significativamente a classificação preditiva e o desempenho de carteiras de ações na B3. A Margem Líquida emergiu como um indicador crucial, e a estratégia combinada superou o Ibovespa com menor volatilidade e maior Índice de Sharpe, validando o potencial das tecnologias de inteligência artificial como ferramentas de suporte eficazes para a tomada de decisões de investimento, embora a necessidade de gestão de risco e a consideração do fator humano permaneçam essenciais para navegar pela complexidade do mercado financeiro.

4. Conclusão

O presente estudo analisou a aplicação de modelos de aprendizado de máquina na classificação preditiva de ativos da B3, utilizando indicadores fundamentalistas. Verificou-se que a estruturação de um pipeline de dados robusto, com normalização via Robust Scaler e o uso de retornos logarítmicos, otimizou a estabilidade estatística das projeções. Entre os algoritmos testados, o Random Forest demonstrou maior consistência e desempenho superior, alcançando uma acurácia de 55,97% e identificando a Margem Líquida como o principal indicador de performance. A integração de um Motor de Scoring Fundamentalista com uma estratégia de aportes constantes resultou em um Índice de Sharpe de 1,15 e superou o benchmark Ibovespa com menor volatilidade anualizada, evidenciando a capacidade de gerar retornos ajustados ao risco significativamente superiores.

Apesar dos resultados promissores, observou-se que os modelos preditivos apresentaram limitações em períodos de instabilidade sistêmica, como as crises de 2015 e 2020, não mitigando quedas expressivas e revelando uma alta volatilidade e risco de cauda. Essa característica ressalta que, embora as tecnologias de inteligência artificial sejam ferramentas de suporte eficazes para a otimização de investimentos, o fator humano permanece essencial na gestão de risco e na tomada de decisão final. A dinâmica econômica, influenciada por comportamentos e reações humanas, impõe limites à capacidade dos modelos algorítmicos de antecipar variáveis emocionais do mercado. Este estudo, de caráter estritamente acadêmico, contribui para o avanço do conhecimento sobre a aplicação de Machine Learning em finanças quantitativas no contexto brasileiro, sem configurar uma recomendação de investimento.

Referências Bibliográficas

Banco Central do Brasil [BCB]. 2021. Relatório de cidadania financeira 2021. BCB, Brasília, DF, Brasil.

Brasil, Bolsa, Balcão [B3]. 2024. Boletim pessoa física 3º trimestre de 2024. B3, São Paulo, SP, Brasil.

Gallup. 2024. What percentage of Americans owns stock?. Gallup, Washington, DC, EUA.

Kahneman, D. 2011. Thinking, Fast and Slow. Farrar, Straus and Giroux, New York, NY, EUA.

Lusardi, A.; Mitchell, O.S. 2014. The economic importance of financial literacy: theory and evidence. Journal of Economic Literature 52(1): 5-44.

Malla, S.R.; Kayastha, S.; Suwal, R.; Bhandari, H.C.; Adhikari, R. 2026. XGBoost forecasting of NEPSE index log returns with walk forward validation. arXiv, Ithaca, NY, EUA

Pagliaro, A. 2026. Regime-aware LightGBM for stock market forecasting: a validated walk-forward framework with statistical rigor and explainable Al analysis. Electronics 15(1): 1-30.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Mais recentes

17 de setembro de 2026

Heterogeneidade Territorial do Bolsa Família: uma Análise por Clusters e Efeitos Fixos

Gestão Tributária

17 de setembro de 2026

Limites Jurídicos e Práticos da Dedutibilidade Retroativa dos Juros sobre Capital Próprio

17 de setembro de 2026

Símbolos da Moda Esportiva: Consumo, Identidade e Status entre Consumidores Brasileiros

17 de setembro de 2026

Modelo Validado de Formação de Competência Técnica e Habilidades Não Técnicas em Indústrias Químicas Complexas

17 de setembro de 2026

Planejamento de Cronograma para Definição de Válvulas em Projetos Industriais com o MS Project

Compliance E Esg

17 de setembro de 2026

Governança Pública Climática e Enchentes de 2024 no Rio Grande do Sul

Digital Business

17 de setembro de 2026

Dados e Automação Utilizados em uma Campanha de Marketing na Engenharia Civil

17 de setembro de 2026

Detecção de Anomalias no Monitoramento de Saúde de Pontes Usando Redes Neurais

17 de setembro de 2026

Gestão Escolar Integrada: o Papel da Direção Administrativa na Capacitação da Equipe de Gestão Pedagógica para a Compreensão do Orçamento Escolar

Você também pode gostar

17 de setembro de 2026

Heterogeneidade Territorial do Bolsa Família: uma Análise por Clusters e Efeitos Fixos

O Programa Bolsa Família (PBF) representa uma das políticas de proteção social mais relevantes globalmente, o que justifica a investigação de seus efeitos diante das acentuadas e heterogêneas desigualdades regionais brasileiras. O estudo avaliou os reflexos socioeconômicos dos repasses do programa sobre a saúde, a educação e o mercado de trabalho nos municípios brasileiros, no período de 2004 a 2019. Para isso, aplicou-se a técnica de agrupamento K-means para segmentação territorial e estimaram-se modelos econométricos de dados em painel com efeitos fixos, tanto a nível nacional quanto segregados por clusters. Os resultados revelaram a natureza anticíclica do PBF no mercado de trabalho, com uma relação negativa entre repasses e vínculos empregatícios formais em quatro dos cinco clusters, sugerindo que os recursos foram mais intensos onde o mercado formal falhou. Na saúde, o programa associou-se à redução significante da mortalidade infantil evitável em municípios com maior equilíbrio socioeconômico, mas não apresentou efeito detectável em agrupamentos de maior precariedade estrutural, indicando que a transferência de renda é necessária, porém insuficiente sem infraestrutura de saúde funcional. Na educação, a análise por subperíodos mostrou atenuação progressiva do coeficiente nacional, refletindo a convergência das taxas de matrícula para um patamar de alta inércia temporal. Concluiu-se que o PBF cumpriu seu objetivo de proteção social de forma anticíclica e territorialmente focalizada, mas sua capacidade de transformar indicadores estruturais dependeu da sinergia com investimentos em infraestrutura pública.

Palavras-chave: Bolsa Família; Mortalidade Infantil; Municípios Brasileiros; Painel de Dados; Política Pública.

Gestão Tributária

17 de setembro de 2026

Limites Jurídicos e Práticos da Dedutibilidade Retroativa dos Juros sobre Capital Próprio

A gestão tributária adequada é crucial para a saúde financeira das empresas, especialmente no complexo sistema tributário brasileiro. Os Juros sobre Capital Próprio (JCP) constituem um mecanismo jurídico relevante para a remuneração do capital próprio, utilizado para otimizar a carga tributária. O estudo investigou a controvérsia sobre a dedutibilidade de JCP referentes a exercícios anteriores à deliberação societária que autoriza seu pagamento. Aplicou-se a metodologia de pesquisa e análise documental empírica, baseada em “Normative Systems”, para identificar cinco propriedades representativas dos argumentos jurídicos na jurisprudência administrativa e judicial. Analisaram-se acórdãos do Conselho Administrativo de Recursos Fiscais (CARF), revelando padrões decisórios predominantes, divergências interpretativas, incoerências argumentativas e significativa insegurança jurídica. Os resultados indicaram forte tendência de invalidação dos planejamentos envolvendo JCP extemporâneos na esfera administrativa. Contudo, o julgamento do Tema 1319 pelo Superior Tribunal de Justiça (STJ) seguiu direção oposta, consagrando tese favorável à dedutibilidade e estabelecendo um precedente paradigmático que pode influenciar a jurisprudência administrativa e redefinir os critérios decisórios.

Palavras-chave: CARF; gestão tributária; limitação temporal; lucro real; planejamento tributário.

17 de setembro de 2026

Símbolos da Moda Esportiva: Consumo, Identidade e Status entre Consumidores Brasileiros

A moda esportiva consolidou-se como linguagem simbólica de distinção social nas últimas décadas, impulsionada pela expansão do mercado de wellness e pela reconfiguração dos padrões de prestígio nas sociedades de consumo contemporâneas. O estudo objetivou compreender como os símbolos da moda esportiva influenciaram a construção de identidade e pertencimento e sua associação ao prestígio social entre consumidores brasileiros que adquiriram produtos do setor nos últimos 12 meses. Desenvolveu-se a pesquisa por meio de levantamento bibliográfico e pesquisa descritiva, com levantamento do tipo survey aplicado a uma amostra não probabilística por conveniência de 445 consumidores brasileiros de moda esportiva. Os principais resultados indicaram que a maioria dos respondentes associou marcas esportivas a percepções de status social; mais da metade reconheceu o wellness como novo símbolo de prestígio; e parcela expressiva percebeu o sportstyle como mais aceito em ambientes formais de trabalho. Em contrapartida, formas ostensivas de sinalização, como preferência por logotipos visíveis, influência de redes sociais e disposição a pagar sobrepreço, foram amplamente rejeitadas, revelando uma dissociação entre a atribuição simbólica de status e o comportamento de sinalização ostensiva. O consumidor brasileiro de moda esportiva com elevado capital cultural operou por meio de sinais simbólicos sutis e não ostensivos, compatíveis com o fenômeno do consumo inconspícuo, no qual a distinção social se manifestou de forma internalizada.

Palavras-chave: Consumo inconspícuo; Distinção; Prestígio social; Sportstyle; Wellness.

17 de setembro de 2026

Modelo Validado de Formação de Competência Técnica e Habilidades Não Técnicas em Indústrias Químicas Complexas

Analisou-se a implementação de um processo sistemático para o desenvolvimento e a atualização de competências técnicas e habilidades não técnicas em Operações Industriais e Segurança de Processo em uma indústria química de alta complexidade, pertencente a uma multinacional localizada no Polo Petroquímico de Camaçari, Bahia. O estudo objetivou implementar um processo mensurável e sustentável que assegurou a competência técnica e não técnica de 100% dos operadores, em conformidade com a legislação estadual da Bahia, diretrizes de institutos internacionais e políticas corporativas. A pesquisa caracterizou-se como um estudo de caso de abordagem mista, que envolveu diagnóstico documental, entrevistas semiestruturadas com 85 operadores experientes, análise de tarefas críticas e o desenvolvimento e aplicação piloto de um programa modular de treinamento. Este processo evidenciou a necessidade de alinhamento e atualização sistemática das competências requeridas. Os resultados obtidos indicaram a eficácia do modelo proposto, com 100% dos operadores concluindo os módulos teóricos e práticos e alcançando uma taxa de aprovação superior a 80%, além de conformidade operacional em campo. O trabalho contribuiu com um modelo estruturado de formação, incluindo matriz de competências, programas modulares de treinamento e diretrizes para certificação e recertificação, demonstrando potencial de replicação em outras unidades industriais de elevada complexidade e risco, e fortalecendo a segurança de processo e a sustentabilidade operacional.

Palavras-chave: Capacitação; Competência; Habilidades não técnicas; Segurança de processo; Treinamento.

17 de setembro de 2026

Planejamento de Cronograma para Definição de Válvulas em Projetos Industriais com o MS Project

A indústria química brasileira é um setor de grande impacto nacional, representando 11% do PIB em 2025 e passando constantemente por mudanças e inovações de processo e de gestão. No âmbito de projetos, o setor da indústria requer cada vez mais processos dinâmicos e eficientes, dentre os quais a gestão de cronograma. Diante desse panorama, o estudo objetivou o planejamento de cronograma para a definição de válvulas em projetos, através da ferramenta MS Project. A pesquisa realizou-se por meio de um estudo de caso, cujo escopo foi a definição das válvulas para um tanque de armazenamento na indústria química. Desenvolveu-se a Estrutura Analítica do Projeto (EAP), as atividades do cronograma e suas relações de precedência e sucessão. Consideraram-se as durações das atividades e realizou-se a alocação e análise de recursos, obtendo-se o cronograma. A partir dele, construíram-se o gráfico de Gantt, o diagrama “Activity-On-Node” e o diagrama de caminho crítico. Os resultados obtidos revelaram que o cronograma desenvolvido constituiu uma aplicação efetiva na gestão das atividades, mostrando-se uma ferramenta adequada para a estruturação e organização do escopo, dos recursos e do caminho crítico.

Palavras-chave: Análise de caminho crítico; ferramentas de gestão; projetos industriais.

Compliance E Esg

17 de setembro de 2026

Governança Pública Climática e Enchentes de 2024 no Rio Grande do Sul

As enchentes de 2024 no Rio Grande do Sul evidenciaram fragilidades estruturais na governança pública em um contexto federativo submetido a risco climático extremo. Este trabalho analisou, no recorte temporal de maio de 2024 a maio de 2025, como a atuação federal, estadual e municipal se estruturou diante da crise e em que medida a comparação com os Países Baixos ofereceu parâmetros úteis para o fortalecimento da resiliência institucional. A pesquisa adotou abordagem qualitativa, aplicada, exploratória e comparativa, com análise documental e análise de conteúdo de fontes oficiais, relatórios técnicos internacionais, atos normativos e pronunciamentos institucionais, organizados por categorias temáticas e interpretados com apoio do Modelo das Três Linhas do IIA. Os resultados mostraram que, embora os três níveis de governo tenham criado ou reestruturado instrumentos relevantes de coordenação e reconstrução após o desastre, prevaleceu uma institucionalidade reativa, posterior ao evento, com lacunas de continuidade administrativa, integração preventiva, monitoramento e accountability. Na comparação internacional, o modelo neerlandês destacou-se por combinar autoridade operacional permanente, base territorial clara, financiamento próprio e mecanismos mais robustos de monitoramento e responsabilização. Concluiu-se que os impactos das enchentes foram agravados menos pela ausência formal de normas e mais pela insuficiente articulação entre operação, gestão de riscos e controle. O fortalecimento da governança climática, no caso gaúcho, depende de institucionalizar coordenação, dados, financiamento e accountability em bases permanentes.

Palavras-chave: accountability; adaptação climática; gestão de riscos; governança multinível.

Digital Business

17 de setembro de 2026

Dados e Automação Utilizados em uma Campanha de Marketing na Engenharia Civil

A crescente utilização de dados no marketing digital impulsionou a adoção de estratégias mais orientadas por métricas e desempenho, com o Inbound Marketing em destaque. O uso de ferramentas de Business Intelligence (BI) mostrou-se fundamental para transformar dados em informações estratégicas, apoiando a tomada de decisão e a construção de bases de contatos qualificadas. Analisou-se como a ausência de integração entre sistemas de BI e plataformas de automação de marketing impactou a eficiência operacional e a efetividade das estratégias de Inbound Marketing em uma empresa de engenharia. Para isso, adotou-se uma abordagem descritiva de natureza qualitativa, baseada na análise dos processos operacionais envolvidos, desde a leitura de relatórios extraídos do BI e sua posterior transformação em mailings, até a preparação para importação no RD Station. Os resultados indicaram que o processo atual dependia de etapas manuais e empíricas, demandando tempo significativo. Identificaram-se limitações relacionadas à ausência de integração entre os sistemas, o que impactou diretamente a eficiência operacional e aumentou a dependência de atividades repetitivas. Concluiu-se que a estruturação adequada do processo de gestão de mailings e a integração entre BI e ferramentas de automação de marketing representam uma oportunidade para otimizar fluxos, melhorar a qualidade dos dados e fortalecer as estratégias de Inbound Marketing.

Palavras-chave: Automação de Marketing; Business Intelligence; Inbound Marketing; Integração de Sistemas; RD Station.

17 de setembro de 2026

Detecção de Anomalias no Monitoramento de Saúde de Pontes Usando Redes Neurais

O monitoramento da saúde estrutural de pontes tornou-se cada vez mais relevante diante do envelhecimento das infraestruturas e da intensificação de eventos extremos associados às mudanças climáticas. Nesse contexto, abordagens baseadas em dados destacaram-se como alternativas promissoras para o reconhecimento de anomalias. O estudo objetivou desenvolver e avaliar uma abordagem baseada em aprendizado de máquina para o reconhecimento de anomalias em séries temporais de aceleração estrutural. A metodologia adotada consistiu no uso de autoencoders treinados exclusivamente com dados representativos da condição íntegra, permitindo ao modelo aprender padrões associados ao estado saudável da estrutura; em seguida, o erro de reconstrução, quantificado por meio do erro quadrático médio (MSE), foi utilizado como critério para identificação de desvios em relação a essa condição. O conjunto de dados analisado foi composto por 1767 séries temporais de 1000 pontos cada, pertencentes a duas classes: íntegra (normal) e anômala (danificada). Os resultados obtidos demonstraram que o modelo proposto apresentou elevada capacidade de reconhecimento da classe anômala, com taxa de detecção superior a 90%, e desempenho global satisfatório, com área sob a curva ROC (AUC) próxima de 0,78, indicando boa capacidade discriminativa e reforçando o potencial da abordagem para aplicações em monitoramento estrutural.

Palavras-chave: Autoencoders; Detecção de Anomalias; Monitoramento de Pontes; Redes Neurais.

17 de setembro de 2026

Gestão Escolar Integrada: o Papel da Direção Administrativa na Capacitação da Equipe de Gestão Pedagógica para a Compreensão do Orçamento Escolar

A administração escolar foi abordada sob a perspectiva da integração entre gestores administrativos e pedagógicos, com foco na participação democrática, capacitação e qualificação dos atores. O objetivo geral consistiu na elaboração de um Guia de Orientações para Orçamento, direcionado à equipe de gestão pedagógica e mediado pela direção administrativa, visando instrumentalizar esses profissionais para a compreensão e participação nos processos financeiros e decisórios da instituição. Para tanto, o estudo desenvolveu-se em uma instituição particular privada, adotando uma abordagem qualitativa, descritiva e aplicada, com procedimento metodológico de estudo de caso. A pesquisa mapeou desafios práticos e dificuldades de comunicação entre os setores, analisou referenciais teóricos da gestão escolar e estruturou o instrumento formativo proposto. Os resultados demonstraram que a ausência de integração entre as áreas administrativa e pedagógica pode comprometer a efetividade da gestão escolar, evidenciando a necessidade de processos formativos contínuos que promovam entendimento mútuo, cooperação e construção coletiva de soluções. O Guia proposto fortaleceu a gestão democrática, elevou a qualificação da equipe pedagógica e melhorou os processos decisórios institucionais, destacando o papel formativo e estratégico do diretor administrativo.

Palavras-chave: Comunicação escolar; Gestão escolar participativa; Orçamento escolar.

Inovação

14 de setembro de 2026

Não lemos apenas palavras

Como novos códigos, tecnologias e formas de comunicação ampliam aquilo que precisamos aprender a interpretar Ser alfabetizado costuma ser entendido inicialmente como: reconhecer letras, formar palavras, compreender frases e produzir textos. Durante muito tempo, foi principalmente a partir desse domínio que definimos o que significava saber ler e, consequentemente, participar de diferentes espaços da sociedade. […]

Redes Sociais

14 de setembro de 2026

O efeito da influência no consumo

O que a pesquisa Youpix/Nielsen 2026 mostra sobre o avanço da Creator Economy Em 2025, 80% dos consumidores brasileiros compraram algum produto recomendado por influenciadores. Em 2026, o índice chegou a 81%. A estabilidade em um patamar tão elevado indica que a compra por influência deixou de ser um comportamento restrito a determinados públicos. O […]

Chamada De Artigos

11 de setembro de 2026

Chamada de artigos – Edição Temática Gestão de Pessoas

Submissões abertas de 11/09/2026 a 30/09/2026 Estão abertas as submissões para a Chamada Temática Gestão de Pessoas 2026, da Revista Estratégias & Soluções (E&S). A chamada será organizada em dois fluxos editoriais: Fluxo 1 – Trabalhos finais de destaque do MBA USP/EsalqDestinado aos TCCs do curso de Gestão de Pessoas do MBA USP/Esalq que obtiveram […]

Direito Tributário

09 de setembro de 2026

Entre Sísifo e o tonel das Danaides

A cesta básica, o salário-mínimo e o verdadeiro preço das coisas Na mitologia grega, alguns castigos não se distinguiam pela violência de um único sofrimento, mas pela condenação à repetição. Sísifo deveria conduzir uma enorme pedra até o alto de uma montanha e, quando o esforço parecia finalmente concluído, a pedra escapava e retornava ao […]

Inteligência Artificial

03 de setembro de 2026

O desafio atual da colaboração

Na medida em que o processo criativo começa com a IA, organizações precisam repensar como preservar a construção coletiva das ideias Em pouco mais de três anos, ferramentas de inteligência artificial generativa passaram a ocupar grande parte do trabalho nas organizações, seja para escrever, programar, pesquisar, planejar, analisar ou projetar. A presença já é tão […]

Inteligência Artificial

02 de setembro de 2026

O preço de usar IA sem treinamento

Adoção da tecnologia já alcança 88% das organizações mundiais, enquanto o número de profissionais punidos por usá-la sem preparo dobrou em sete meses No primeiro semestre de 2026, ministrei aulas de inteligência artificial com foco em planilhas, dashboards e apresentações, em Barcelona, na Espanha. Entre meus alunos havia advogados e juízes do Il·lustre Col·legi de […]

Sustentabilidade

28 de agosto de 2026

Como a sustentabilidade está redesenhando os data centers

Economia digital encontra limites físicos e tenta reduzir seu impacto ambiental O crescimento acelerado da infraestrutura digital transforma consumo de energia, disponibilidade hídrica, refrigeração, materiais construtivos e localização em variáveis centrais para o projeto da próxima geração de data centers. Durante boa parte da transformação digital, consolidou-se a percepção de que a computação estava progressivamente […]

Branding

27 de agosto de 2026

O branding que venceu a Copa de 2026

Entre identidade visual, uniformes, tipografia e disputa bilionária por audiência, marketing esportivo nunca esteve tão em evidência A Copa do Mundo de 2026 terminou com a Espanha erguendo a taça pela segunda vez, ao vencer a Argentina por 1 a 0 na prorrogação. O Brasil encerrou a competição na 11ª colocação, eliminado ainda nas oitavas […]

Governança

24 de agosto de 2026

Governança corporativa: entre o controle e a responsabilidade

O que as crises corporativas e os erros cometidos nos casos Enron, FTX e Americanas podem ensinar Uma empresa pode ter conselho de administração, auditoria independente, comitê de auditoria, código de conduta, políticas de compliance e dezenas de mecanismos de controle e, ainda assim, caminhar para o colapso. A pergunta incômoda é: se todos esses […]

Gestão Tributária

01 de setembro de 2026

Reforma tributária e planejamento patrimonial no campo

Eficiência para gerenciar os impostos facilita a governança e permite organizar a sucessão familiar A organização patrimonial rural virou uma medida estratégica diante da reforma tributária no Brasil, que entrou em vigor neste ano. O planejamento das atividades e da gestão do patrimônio rural, por meio de ferramentas como a transição da Pessoa Física para […]

Renata de Gaspari Valdejão Almeida

Inteligência Artificial

05 de agosto de 2026

Dentro da empresa e fora do radar: os riscos da Shadow AI

Segundo a Microsoft, 75% dos profissionais já utilizam inteligência artificial no trabalho sem homologação da empresa O uso da inteligência artificial generativa já faz parte da rotina corporativa. Ferramentas como ChatGPT, Copilot e outras plataformas ajudam profissionais a produzir textos, analisar dados, criar apresentações e acelerar tarefas em praticamente todos os setores. Mas esse avanço […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julho de 2026

O futuro como competência

Interesse acadêmico reforça a projeção de cenários como ferramenta essencial para a tomada de decisões Enquanto algumas empresas ainda tentam acertar o próximo passo, outras já trabalham com múltiplos futuros possíveis — e se preparam para todos eles. Mas afinal, o que significa “pensar o futuro”? É tendência, é estratégia ou uma nova competência que […]

Renata de Gaspari Valdejão Almeida

Inovação

Tecnologia

21 de maio de 2026

Corredor Agro SP: inovação, articulação institucional e futuro

Pecege comanda operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educação

27 de abril de 2026

Como transformar um TCC em negócio

Nova gestão do Parque Tecnológico de Piracicaba oferece consultoria a egressos de MBAs O novo diretor de projetos do Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, costuma dizer que uma das maiores recompensas que já teve na vida foi ver seus orientandos do MBA USP/Esalq estruturarem empresas a partir de seus trabalhos de conclusão de […]

Tecnologia

20 de março de 2026

O repertório humano na era da IA

Pensamento crítico e criatividade são insubstituíveis no trabalho do profissional de marketing A Inteligência Artificial (IA) é capaz de feitos incríveis, mas ainda não possui a capacidade de julgamento, empatia, intuição e criatividade estratégica necessárias para fazer o trabalho de um bom profissional de marketing. Nessa área, é importante saber usar a ferramenta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

23 de fevereiro de 2026

ESG como estratégia de crescimento em uma cooperativa do RS

Santa Clara equilibra responsabilidade social e ambiental com inovação Fundada em 1911 por imigrantes italianos em Carlos Barbosa, na serra gaúcha, a Cooperativa Santa Clara é um exemplo de que é possível equilibrar o crescimento econômico com a responsabilidade social e ambiental. De uma pequena empresa de produção de queijos, a organização evoluiu para um […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

22 de janeiro de 2026

Brasil livre de febre aftosa: o que muda para a carne brasileira?

Com um rebanho de mais de 200 milhões de cabeças de gado, o país é atualmente o líder em exportações O Brasil recebeu recentemente, pela primeira vez, a certificação de país livre de febre aftosa sem vacinação, conferida pela Organização Mundial de Saúde Animal (OMSA). O selo fortalece a posição do país como fornecedor de carne confiável para o […]

Renata de Gaspari Valdejão Almeida

Inovação

09 de dezembro de 2025

Inovação: o novo ciclo do Parque Tecnológico de Piracicaba

Instituto Pecege assume a gestão apostando na criação de novos negócios A partir de 2026, o Instituto Pecege assumirá a gestão do Parque Tecnológico de Piracicaba (PTP). Entre suas responsabilidades estarão a administração, operação, manutenção e expansão do parque, além do fomento de atividades de inovação, empreendedorismo e ciência e tecnologia. A escolha foi feita […]

Renata de Gaspari Valdejão Almeida

06 de julho de 2026

Arquitetura de Grande Porte: Gestão de Mudanças DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação. A arquitetura e o urbanismo configuram-se como bases imprescindíveis em um espaço urbano cada vez mais complexo e desafiador, onde a intrínseca conexão entre questões sociais, ambientais e tecnológicas […]