Previsão de taxas de câmbio: Modelos ARIMA, XGBoost, LSTM e Monte Carlo

O processo de conversão de uma moeda noutra para uma variedade de objectivos - mais frequentemente comércio, turismo ou comércio - é conhecido como câmbio, ou forex (FX). Como pares de taxas de câmbio, as moedas são transaccionadas umas contra as outras. Por exemplo, o par de moedas EUR/USD permite que os investidores negoceiem o euro contra o dólar americano, enquanto o GBP/JPY (libra esterlina/iene japonês). Os mercados de divisas (Forex), sendo a maior arena financeira do mundo, exigem estratégias de previsão robustas para navegar na sua natureza dinâmica e complexa. Este estudo efectua uma análise comparativa exaustiva de modelos de previsão que abrangem duas décadas, de 2000 a 2019, utilizando dados da série cronológica da Reserva Federal. O projeto investiga o núcleo da previsão da taxa de câmbio, abordando a necessidade crítica de precisão na previsão dos movimentos da taxa de câmbio. Neste contexto, a pesquisa examina a eficácia de diversos modelos, incluindo o tradicional AutoRegressive Integrated Moving Average (ARIMA), o XGBoost do aprendizado de máquina, o Long Short-Term Memory (LSTM) do aprendizado profundo e a perspetiva única oferecida pelas simulações de Monte Carlo.