Análise de Sentimentos em Dados Financeiros

• Processo: 24/17511-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de fevereiro de 2025
• Data de Término da vigência: 31 de dezembro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Lilian Berton
• Beneficiário: João Victor Assaoka Ribeiro
• Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
• Assunto(s): Análise de sentimentos Aprendizado computacional Processamento de linguagem natural Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Análise de Sentimentos | Aprendizado de Máquina | Dados financeiros | Processamento de Linguagem Natural | Inteligência Artificial

Resumo

No mercado financeiro, a velocidade e o impacto das informações, como notícias, postagens em redes sociais e comunicados de imprensa, desempenham um papel crucial na tomada de decisões por investidores, empresas e governos. Eventos como mudanças nas taxas de juros, relatórios de lucros ou acontecimentos políticos e econômicos geram reações rápidas que resultam em oscilações de preços de ativos financeiros. A crescente influência das redes sociais também amplifica esse efeito. Com o aumento do volume de informações e a limitada capacidade humana de processá-las, a análise de sentimentos se torna uma ferramenta essencial. A análise de sentimentos é uma técnica de processamento de linguagem natural (PLN) que identifica e classifica opiniões expressas em textos, avaliando se são positivas, negativas ou neutras. Essa técnica já é amplamente aplicada em diversos campos, incluindo o monitoramento de reações de consumidores e a análise de redes sociais. Este projeto tem como objetivo desenvolver modelos de PLN e aprendizado de máquina para classificar emoções em notícias financeiras em português. Para isso, será criado um dataset especializado em notícias financeiras e testados modelos de última geração, como BERTimbau, Llama, Gemini e GPT, a fim de comparar sua eficácia nas diferentes abordagens. Os resultados contribuirão para o avanço da análise de sentimentos em português, fornecendo uma ferramenta valiosa para interpretar emoções em textos financeiros e seu impacto nos mercados.