Este trabalho apresenta a aplicação de modelos de aprendizado de máquina baseados em árvores de decisão na avaliação dos momentos ideais para compra e venda de ativos no mercado de ações brasileiro. O aprendizado dos modelos é conduzido utilizando indicadores de mercado, calculados a partir da série histórica de preços. O trabalho apresenta uma aplicação prática, abordando o desafio do tratamento de variáveis não estacionárias, bem como a seleção das melhores variáveis para o modelo. Além de avaliar a capacidade de classificação dos melhores momentos de compra e venda, o estudo também inclui uma análise da aplicação dos modelos na geração de ordens de compra e venda, com a realização do backtesting no período de 2017 até 2023. Os resultados obtidos são comparados com a estratégia conhecida como Moving Average Crossover e uma estratégia baseada em ordens aleatórias, além de serem comparados com o Buy and Hold.

This work presents the application of machine learning models based on decision trees in evaluating the optimal moments for buying and selling assets in the Brazilian stock market. The learning of these models is conducted using market indicators calculated from the historical price series. The study introduces a practical application, addressing the challenge of handling non-stationary variables, as well as the selection of the best variables for the model. In addition to assessing the classification capability of the best moments to buy and sell, the study also includes an analysis of the models application in generating buy and sell orders, with backtesting conducted from 2017 to 2023. The obtained results are compared with the strategy known as Moving Average Crossover and a strategy based on random orders, in addition to being compared with Buy and Hold.