Inteligência artificial nos mercados financeiros

Coluna

Estrategia

Gestão Financeira

Inovação

08 de novembro de 2024

Inteligência artificial nos mercados financeiros

Ao utilizar indicadores técnicos, modelos conseguem prever possíveis tendências de preço e movimentos de mercado

Nos últimos anos, a inteligência artificial (IA) tem modificado os mercados financeiros de uma forma impressionante. Desde algoritmos que auxiliam na tomada de decisões até sistemas que automatizam completamente operações, o uso de IA está revolucionando a maneira como se negociam os ativos financeiros. Essa tecnologia oferece soluções rápidas e precisas, permitindo que investidores e instituições acompanhem e respondam às variações do mercado em tempo real (Dakalbab et al., 2024).

Com o avanço da tecnologia, surgiram diversas técnicas de IA voltadas para o mercado financeiro, cada uma com suas vantagens e aplicações específicas. Entre elas estão as redes neurais, um método de aprendizado supervisionado inspirado no funcionamento do cérebro humano. Essas redes são compostas por camadas de “neurônios” artificiais que processam informações de maneira interligada, colaborando para identificar padrões em grandes volumes de dados. As redes neurais são particularmente úteis na identificação de tendências e na previsão de movimentos nos preços dos ativos, oferecendo um suporte essencial para traders e investidores que buscam tomar decisões mais embasadas e eficazes.

Além das redes neurais, há o aprendizado por reforço, uma técnica mais moderna que aprende por tentativa e erro. No aprendizado por reforço, o algoritmo interage com o ambiente do mercado financeiro, testando diferentes estratégias e aprendendo com as recompensas ou penalidades recebidas. Essa técnica permite que o algoritmo otimize suas decisões ao longo do tempo, adaptando-se às condições do mercado. Essa adaptação contínua permite que o aprendizado por reforço se ajuste às constantes mudanças dos mercados, tornando-se uma ferramenta valiosa tanto para operações de curto prazo quanto para investimentos de longo prazo.

Benefícios

Um dos grandes benefícios da IA no mercado financeiro é a capacidade de analisar dados históricos e identificar padrões. Ao utilizar indicadores técnicos, como médias móveis ou índices de força relativa (RSI), os modelos de IA conseguem prever possíveis tendências de preço e movimentos de mercado. A análise de dados históricos e a identificação de padrões permitem que os investidores identifiquem potenciais momentos de compra e venda, tomando decisões mais racionais e embasadas em informações concretas, em vez de depender apenas de intuições ou especulações.

Além da análise de dados, a IA trouxe a automação para o mundo das finanças. Com algoritmos que executam ordens de compra e venda de forma autônoma, as estratégias de trading se tornaram mais rápidas e eficientes. Esse tipo de automação permite que operações sejam realizadas em frações de segundo, reduzindo o impacto emocional nas decisões e aproveitando oportunidades que, manualmente, poderiam passar despercebidas. Assim, a IA possibilita um trading mais consistente e baseado em análises rigorosas.

A IA também trouxe a possibilidade de personalizar estratégias financeiras conforme o perfil e os objetivos de cada investidor. Ao analisar o comportamento do mercado e a resposta dos ativos a diferentes variáveis, os algoritmos de IA podem ajustar as estratégias de investimento em tempo real, buscando otimizar o desempenho e gerenciar os riscos de forma personalizada. Dessa forma, tanto investidores individuais quanto grandes instituições conseguem utilizar modelos que considerem suas necessidades específicas, aumentando a precisão e eficiência das operações.

O Futuro

O futuro da inteligência artificial nos mercados financeiros é repleto de possibilidades. Com o avanço contínuo das tecnologias de machine learning e o acesso a volumes crescentes de dados, as ferramentas de IA têm o potencial de tornar as operações financeiras mais seguras, rápidas e personalizadas. Essa revolução contínua está em seus primeiros passos, mas promete transformar o modo como as pessoas negociam, gerenciam riscos e tomam decisões financeiras. Assim, a IA não apenas potencializa o desempenho dos investidores como também abre novos caminhos para inovações em todo o setor financeiro.

Para ter acesso às referências desse texto clique aqui

Quem publicou esta coluna

José Erasmo Silva

José Erasmo Silva é professor, formado em Matemática e Administração, com mais de 25 anos de experiência em gestão empresarial e de pessoas. É mestre e doutor em Administração, com foco em Finanças, e especialista em Data Science e Analytics e em Finanças e Controladoria. Realizou pós-doutorado na Universidade Federal da Bahia (UFBA). Atualmente, atua como professor orientador no MBA em Data Science, Inteligência Artificial e Analytics da USP/Esalq e leciona na EEP/FUMEP e na rede estadual de ensino de São Paulo.

Você também pode gostar

16 de outubro de 2026

Reforma tributária e empresas de tecnologia: adaptação da controladoria ao novo modelo de créditos tributários

A Reforma Tributária brasileira, instituída pela Emenda Constitucional n° 132/2023 e regulamentada pela Lei Complementar n° 214/2025, alterou a tributação sobre o consumo, substituindo impostos por Imposto sobre Bens e Serviços (IBS) e Contribuição Social sobre Bens e Serviços (CBS), sob o princípio da não cumulatividade plena. O estudo objetivou descrever os principais desafios percebidos por profissionais de controladoria de empresas de tecnologia na adaptação ao novo modelo de não cumulatividade e apuração de créditos tributários. Realizou-se uma pesquisa aplicada, descritiva, com abordagem mista (qualitativa-quantitativa), por meio de levantamento de campo. Coletaram-se dados de 15 profissionais de controladoria ou gestão fiscal, utilizando questionário estruturado. As respostas foram analisadas por distribuição de frequência e análise de conteúdo temática. Os resultados revelaram que os profissionais percebem a Reforma como um evento de impacto multifuncional, demandando revisões em sistemas Enterprise Resource Planning (ERP), critérios de apuração de créditos, capacitação de equipes e integração interáreas. A limitação do aproveitamento de créditos sobre custos com mão de obra emergiu como desafio estrutural específico para o setor. Constatou-se o fortalecimento do papel estratégico da controladoria na transição tributária, especialmente em precificação, planejamento tributário e estrutura de contratação, contribuindo para o debate sobre as implicações gerenciais e operacionais da Reforma Tributária.

Palavras-chave: controladoria; créditos tributários; empresas de tecnologia; não cumulatividade; reforma tributária.

16 de outubro de 2026

Previsão de alta precipitação no Rio Grande do Sul para prevenção de desastres hidrometeorológicos

Em abril de 2024, o Rio Grande do Sul enfrentou a maior tragédia climática de sua história, evidenciando a necessidade de aprimorar estratégias de previsão e prevenção de desastres hidrometeorológicos. O estudo teve como objetivo desenvolver um modelo preditivo baseado em redes neurais do tipo Long Short-Term Memory (LSTM) para classificar eventos de alta precipitação no estado. Utilizaram-se dados históricos do Instituto Nacional de Meteorologia (INMET) entre 2013 e 2025, coletados de 44 estações meteorológicas automáticas. A metodologia compreendeu a seleção de variáveis pelo algoritmo Random Forest, que identificou a precipitação total horária e a temperatura do ponto de orvalho como as features de maior poder preditivo, e a modelagem com arquitetura LSTM de duas camadas, treinada com aplicação do SMOTE para tratamento do desbalanceamento entre classes. O modelo alcançou um AUC-ROC de 0,9373 e um recall de 82,4% para eventos extremos, definidos como precipitação acima do percentil 95 da distribuição histórica (8,60 mm/hora). Demonstrou-se a capacidade de identificar a grande maioria das ocorrências de alta precipitação com antecedência, confirmando a viabilidade do uso de redes neurais LSTM para a previsão de eventos hidrometeorológicos extremos. O trabalho oferece potencial contribuição para sistemas de monitoramento climático e políticas públicas de prevenção de desastres naturais no Brasil.

Palavras-chave: Desastres hidrometeorológicos; LSTM; Precipitação extrema; Redes Neurais Artificiais; Rio Grande do Sul.

16 de outubro de 2026

Análise Espacial da Idade dos Condomínios em São Paulo como Ferramenta Estratégica para Administradoras

O adensamento habitacional em São Paulo, onde 29,4% da população reside em apartamentos, estabeleceu um mercado de gestão de condomínios altamente competitivo que demanda estratégias de prospecção baseadas em dados espaciais. O estudo objetivou mapear a evolução urbana da capital paulista por meio de algoritmos de análise espacial e indicadores de idade predial para o desenvolvimento de ferramentas de inteligência competitiva. A metodologia compreendeu a extração e integração de dados públicos do CNPJ via plataforma KNIME, resultando em uma base de 32.040 condomínios, dos quais 98% foram geocodificados com a API do Google Maps. A análise macroespacial identificou que as Zonas Leste e Sul lideraram o crescimento imobiliário recente, enquanto picos de registros em 1984 e 1985 foram associados a mudanças na legislação tributária e não a ciclos construtivos reais. Paralelamente, a análise microespacial utilizou o algoritmo BallTree para comparar cada condomínio aos seus 20 vizinhos mais próximos, revelando que 29% das unidades representaram pontos de renovação local em áreas consolidadas. Os resultados foram consolidados em um dashboard interativo que permite a visualização estratégica do mercado em diferentes níveis de granularidade. Concluiu-se que a integração da ciência de dados ao território permitiu que administradoras substituíssem abordagens genéricas por prospecções personalizadas ao ciclo de vida e à realidade competitiva de cada condomínio, otimizando a alocação de recursos de marketing e a efetividade das equipes comerciais.

Palavras-chave: Algoritmo BallTree; Análise Espacial; Ciência de Dados Urbanos; Gestão Condominial.

16 de outubro de 2026

Critérios e usabilidade de documentos no processo de escolha de materiais didáticos

Um estudo analisou documentos pedagógicos que orientam a escolha de materiais didáticos no Programa Nacional do Livro e do Material Didático (PNLD), considerando sua relevância para a prática docente e a gestão escolar. O objetivo foi analisar a clareza, a organização e a aplicabilidade do Guia Digital do PNLD 2023 – Anos Iniciais e do Roteiro de Apoio à Análise de Materiais Didáticos do Instituto Reúna, identificando seus limites, potencialidades e implicações para a prática pedagógica. Realizou-se uma pesquisa qualitativa, exploratória e descritiva, fundamentada na análise documental orientada pela técnica de análise de conteúdo. Examinaram-se aspectos como estrutura, navegabilidade, organização dos critérios, densidade textual e estimativa de tempo de leitura. A análise revelou tensões entre regulação estatal, mercado editorial e autonomia escolar, e os resultados apresentaram diferenças significativas entre os documentos. O Guia do PNLD mostrou-se extenso, tecnicamente denso e predominantemente normativo. Em contraste, o Roteiro do Instituto Reúna organizou-se de forma progressiva e didática, com recursos gráficos que favoreceram a compreensão e o uso coletivo pelas escolas. Concluiu-se que as características estruturais e discursivas dos documentos influenciam diretamente sua usabilidade e podem impactar o grau de autonomia e participação das equipes escolares no processo de escolha dos materiais didáticos.

Palavras-chave: formação docente; materiais didáticos; PNLD; políticas curriculares; processo decisório.

16 de outubro de 2026

Automação da Auditoria Fiscal e Contábil: Ferramenta de verificação da Qualidade para o Ranking SICONFI

A transparência e a integridade da informação contábil são requisitos fundamentais para a conformidade fiscal dos entes públicos, avaliadas pela Secretaria do Tesouro Nacional (STN) por meio do Ranking do Sistema de Informações Contábeis e Fiscais do Setor Público Brasileiro (SICONFI). O estudo teve como objetivo desenvolver uma ferramenta de auditoria proativa para um ente da federação, visando mitigar inconsistências fiscais na Dimensão 1 (Gestão da Informação) antes do resultado oficial. A metodologia baseou-se em Ciência de Dados, utilizando a linguagem Python para a extração automatizada da Matriz de Saldos Contábeis (MSC) via Interface de Programação de Aplicações (API) do Tesouro Transparente, e o software Power BI para a construção de um painel de conformidade. O projeto focou na integração de dados para garantir a simetria de prazos e entregas entre os registros contábeis e os demonstrativos fiscais. Os resultados demonstraram que a automatização do fluxo de dados permitiu a identificação antecipada de divergências, promovendo a confiabilidade da informação e a eficiência do controle interno governamental, com arquitetura estruturada para expansão às demais dimensões do ranking. A aplicação da ferramenta em dados do exercício de 2025 demonstrou seu pleno funcionamento, com 100% de conformidade nas 38 verificações de controle da Dimensão 1. Concluiu-se que a solução atuou como um modelo inovador e escalável para a modernização da gestão pública, entregando uma ferramenta capaz de mitigar inconsistências fiscais previamente à consolidação do Ranking SICONFI.

Palavras-chave: Ciência de dados; Conformidade governamental; Controle interno; Gestão pública; Inteligência de negócios.

16 de outubro de 2026

Modelo estruturado de gestão de alto risco na saúde suplementar: eficiência operacional e coordenação do cuidado

A crescente pressão pela sustentabilidade econômico-assistencial na saúde suplementar brasileira impulsionou a adoção de modelos de gestão para populações de maior risco. O estudo objetivou descrever e analisar a estruturação e operacionalização de um modelo de gestão de uma carteira de alto risco assistencial, bem como comparar, de forma descritiva, os indicadores agregados de internações hospitalares e passagens em pronto-socorro da mesma coorte de 100 beneficiários entre 2023 e 2025. Realizou-se um estudo de caso único, descritivo e retrospectivo, integrando análise documental qualitativa e análise quantitativa descritiva de dados administrativos. O modelo foi implementado em uma operadora verticalizada, com 100 beneficiários de alto risco identificados por marcador eletrônico. O processo envolveu captação diária de eventos assistenciais, categorização por especialidade, distribuição dos casos à equipe responsável e protocolo multiprofissional de acompanhamento por 28 dias após passagens pelo pronto-socorro ou altas hospitalares. A análise documental revelou maior padronização dos fluxos, definição das responsabilidades e rastreabilidade dos acompanhamentos no modelo reformulado. Na comparação entre os períodos, as internações hospitalares diminuíram de 166 em 2023 para 52 em 2025, uma redução de 68,67%, e as passagens em pronto-socorro caíram de 238 para 130, uma variação de 45,38%. As reduções ocorreram no período em que o modelo já se encontrava incorporado à rotina institucional, configurando uma associação temporal favorável. Contudo, devido ao delineamento descritivo, à ausência de grupo de comparação e à impossibilidade de ajuste de fatores clínicos e contextuais, as variações observadas não puderam ser atribuídas exclusivamente à implantação do modelo. O estudo contribuiu ao sistematizar uma experiência organizacional de gestão de uma carteira de alto risco na saúde suplementar, oferecendo elementos para análise e adaptação em contextos institucionais semelhantes.

Palavras-chave: Coordenação do cuidado; Gestão de alto risco; Gestão populacional; Monitoramento pós-evento; Saúde suplementar.

16 de outubro de 2026

Monitoramento ambiental utilizando IoT e “webserver”

O monitoramento e controle de variáveis ambientais é um fator crítico na indústria, comércio e agricultura. O objetivo foi construir um sistema baseado em Internet das Coisas (IoT) para automação e controle ambiental remoto, utilizando sensores e atuadores de forma eficaz e flexível. Para isso, a umidade do ar foi selecionada como variável a ser monitorada e controlada. Desenvolveram-se módulos para sensoreamento e modificação das variáveis ambientais, juntamente com um servidor central para processar as informações coletadas. A arquitetura incluiu um sensor DHT-11, microcontrolador ATMEGA328, módulo Wi-Fi ESP-8266 e um Raspberry Pi como servidor web. Os testes de funcionamento foram realizados em um protótipo físico com ambiente isolado, onde um micro ventilador atuou no controle da umidade. O sistema demonstrou capacidade de coletar dados, responder a variações ambientais e controlar a umidade do ar dentro da faixa especificada, reduzindo-a por exaustão. Contudo, a redução da umidade por exaustão mostrou-se limitada pela umidade externa. Concluiu-se que o sistema cumpriu seu objetivo de monitorar e controlar variáveis ambientais de forma automatizada, oferecendo flexibilidade e arquitetura modular para diversas aplicações, como laboratórios e estufas, e promovendo a democratização do acesso à tecnologia no campo.

Palavras-chave: Automação; Controle; ESP-8266; Raspberry Pi; Wi-Fi.

16 de outubro de 2026

Cultura digital, automação e uso do CRM: um estudo de caso no mercado imobiliário.

A transformação digital ampliou a disponibilidade de sistemas de Customer Relationship Management (CRM), automação e inteligência artificial no processo comercial, mas sua apropriação estratégica não é automática. O estudo analisou como a cultura digital organizacional, a automação comercial e o uso do CRM influenciam a gestão e a performance comercial em uma organização do mercado imobiliário, investigando práticas de uso do CRM, fricções operacionais, percepções de corretores e liderança, e mecanismos de governança orientados a dados. Adotou-se abordagem mista, aplicada e descritiva, com questionários estruturados aplicados a 48 corretores e 4 profissionais de liderança, além de análise estatística descritiva, construção de índices sintéticos e análise temática. Os achados indicaram que o CRM está incorporado à rotina de acesso, mas não à produção consistente de dados. Observou-se convergência entre corretores e liderança quanto às fragilidades de registro e fragmentação por canais paralelos, embora com percepções distintas dos efeitos. O tempo de atuação não se relacionou linearmente com a maturidade digital, e o aumento da carga de oportunidades associou-se a maior dificuldade de acompanhamento manual. Como contribuição, propôs-se o framework GCOD (Governança Comercial Orientada a Dados), que integra CRM, inteligência analítica, orquestração comercial e governança contínua. Concluiu-se que a eficiência comercial depende da capacidade organizacional de integrar tecnologia, comportamento e governança para reduzir fricções, preservar a qualidade dos dados e orquestrar a atenção humana e automatizada ao longo da jornada do lead.

Palavras-chave: Automação comercial; CRM; Cultura de dados; Governança comercial; Transformação digital.

16 de outubro de 2026

Aplicações de Inteligência Artificial e Simulação Computacional na Formação de Preços e Gestão de Liquidez

O estudo, de caráter exploratório, investigou como técnicas de Inteligência Artificial e Simulação Computacional podem ser aplicadas à formação de preços com foco na gestão da liquidez empresarial. O objetivo foi propor e ilustrar um método de Precificação Dinâmica Adaptativa Orientada pelo Caixa, no qual a definição de preços dependeu de seus efeitos esperados sobre as vendas e, subsequentemente, sobre a trajetória do fluxo de caixa. Para isso, desenvolveu-se um caso hipotético com dados sintéticos de preços e vendas, um modelo preditivo de vendas em função do preço próprio e do preço médio da concorrência, um modelo de projeção de fluxo de caixa capaz de incorporar prazos de recebimento, inadimplência, custos transacionais, reposição de estoque e custos fixos, e um simulador computacional para avaliação de cenários competitivos. O processo de modelagem preditiva comparou diferentes algoritmos de aprendizado de máquina, sendo selecionada uma regressão linear com termos quadráticos e de interação por apresentar desempenho preditivo competitivo, boa capacidade de generalização e maior interpretabilidade. Os resultados das simulações indicaram que a abordagem proposta superou um cenário baseline de preço fixo sob a ótica da liquidez, produzindo trajetórias de caixa superiores na maior parte do horizonte analisado. Concluiu-se que a precificação pode ser tratada não apenas como um problema comercial, mas também como um problema de gestão do caixa, abrindo espaço para aplicações práticas e estudos futuros com dados reais, múltiplos produtos e métodos mais avançados de decisão sequencial.

Palavras-chave: Aprendizado de Máquina; Fluxo de Caixa; Precificação; Simulação Computacional; Tomada de Decisão.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade