Resumo:
A adoção e crescimento dos Investimentos ESG no mercado financeiros de diferentes países nos últimos anos demonstram um forte tendencia das empresas e investidores em atuar com investimentos que visam tanto o lucro quanto sustentabilidade a longo prazo. Países em desenvolvimento como o Brasil, atualmente possuem investimento tímidos comparados aos países Europeus e da América do Norte, porém apresentam potencial de se beneficiarem dado os desafios sociais e de crescimento econômico com sustentabilidade que os afetam. Tal demanda evidencia o benefício e desafios que envolvem o pipeline de machine learning para suportar o crescimento e desenvolvimento dos investimentos ESG de maneira plural e global, especialmente em países de língua natural diferente do inglês, envolvendo o rastreamento dos dados, criação de métricas e a predição do retorno dos investimentos a longo prazo. O objetivo deste artigo é propor um processo que cubra a fases de coleta, organização, treinamento e avaliação dos investimentos ESG focados no Brasil utilizando modelos de machine learning com base na revisão sistemática da literatura. Os resultados obtidos mostraram que a revisão sistemática apresenta soluções relevantes para mitigar a complexidade dos investimentos financeiros ESG e evidencia que o conjunto de modelos de redes neurais como LSTM, que também faz parte do universo de machine learning são os mais indicados tanto para análise de sentimentos, classificação e predição dos investimentos ESG.
Referência:
GONÇALVES, Claudene Oliveira; GAVA, Vagner Luiz. Processo para avaliação de performance de investimentos financeiros ESG brasileiros com scrapy e machine learning. In: INTERNATIONAL CONFERENCE ON INFORMATION SYSTEMS AND TECHNOLOGY MANAGEMENT, 19.CONTECSI, 2022, São Paulo. Proceedings… São Paulo: FEA, 2023. 19p.
Documento com acesso restrito. Logar na BiblioInfo, Biblioteca/DAIT/IPT:
https://escriba.ipt.br/pdf_restrito/178154.pdf
A adoção e crescimento dos Investimentos ESG no mercado financeiros de diferentes países nos últimos anos demonstram um forte tendencia das empresas e investidores em atuar com investimentos que visam tanto o lucro quanto sustentabilidade a longo prazo. Países em desenvolvimento como o Brasil, atualmente possuem investimento tímidos comparados aos países Europeus e da América do Norte, porém apresentam potencial de se beneficiarem dado os desafios sociais e de crescimento econômico com sustentabilidade que os afetam. Tal demanda evidencia o benefício e desafios que envolvem o pipeline de machine learning para suportar o crescimento e desenvolvimento dos investimentos ESG de maneira plural e global, especialmente em países de língua natural diferente do inglês, envolvendo o rastreamento dos dados, criação de métricas e a predição do retorno dos investimentos a longo prazo. O objetivo deste artigo é propor um processo que cubra a fases de coleta, organização, treinamento e avaliação dos investimentos ESG focados no Brasil utilizando modelos de machine learning com base na revisão sistemática da literatura. Os resultados obtidos mostraram que a revisão sistemática apresenta soluções relevantes para mitigar a complexidade dos investimentos financeiros ESG e evidencia que o conjunto de modelos de redes neurais como LSTM, que também faz parte do universo de machine learning são os mais indicados tanto para análise de sentimentos, classificação e predição dos investimentos ESG.
Referência:
GONÇALVES, Claudene Oliveira; GAVA, Vagner Luiz. Processo para avaliação de performance de investimentos financeiros ESG brasileiros com scrapy e machine learning. In: INTERNATIONAL CONFERENCE ON INFORMATION SYSTEMS AND TECHNOLOGY MANAGEMENT, 19.CONTECSI, 2022, São Paulo. Proceedings… São Paulo: FEA, 2023. 19p.
Documento com acesso restrito. Logar na BiblioInfo, Biblioteca/DAIT/IPT:
https://escriba.ipt.br/pdf_restrito/178154.pdf
