Caetano Meireles, desenvolvedor de software com interesse em estratégias financeiras pessoais, passou quatro meses construindo um modelo de deep learning para prever o preço de fechamento semanal de dez FIIs listados na B3.
Motivação e método
A escolha por FIIs foi deliberada: são ativos com menor volatilidade intradiária e comportamento mais previsível do que ações individuais. Caetano usou dados públicos do site da B3 combinados com dados de vacância física e financeira disponíveis nos relatórios mensais dos fundos.
Prós observados
As tecnologias subjacentes à IA, especificamente redes GRU treinadas com sequências de 30 semanas, conseguiram capturar a relação entre distribuição de dividendos e valorização de cota com consistência razoável. A análise de instrumentos de renda variável imobiliária ficou mais estruturada com o modelo como referência.
Contras observados
FIIs de papel, lastreados em CRIs, reagiram de forma imprevisível a variações do IPCA fora da tendência histórica. O modelo não tinha como incorporar expectativas de inflação futura, apenas inflação realizada.
| Tipo de FII | Precisão do modelo |
|---|---|
| FIIs de tijolo | Aceitável |
| FIIs de papel | Fraca |
| FIIs híbridos | Variável |
Para quem gosta de trabalhar sozinho com dados e documentar cada decisão metodológica, esse tipo de projeto é genuinamente interessante, independentemente do resultado comercial.