Negociação de Ações Baseada em IA: Qual Ferramenta de IA Generativa é Melhor

As ferramentas LLM têm sido usadas na negociação de ações baseada em IA desde o seu surgimento.¹

Testei 14 modelos de IA generativa para negociação de ações baseada em IA para avaliar sua capacidade de prever mudanças de preço de 132 ações usando as informações fornecidas. Os resultados mostram que

• O modelo Thinking do ChatGPT 5 e o modelo Gemini 2.5 Pro apresentaram o melhor desempenho.
• Os modelos atuais do ChatGPT e do Gemini têm desempenho inferior aos modelos mais antigos.
• A taxa de sucesso diminui quando dados extras são fornecidos.

Desempenho de ferramentas com IA

Para mais detalhes sobre o benchmark, leia a seção de metodologia do benchmark de negociação de ações.

Versões atuais

GPT 5.5 Instant

Os rótulos foram atribuídos usando fatores comumente associados a reações de mercado em estudos de eventos de empresas familiares:

• Importância do executivo que parte (CEO > Presidente do Conselho > cargos honorários).
• Concentração de propriedade familiar.
• Rentabilidade (ROE, ROA).
• Alavancagem financeira.
• Implicações gerais de governança e transição.

Claude Opus 4.8 Medium

Lógica central Duas forças opostas impulsionam a reação:  

(+) Alívio do entrincheiramento: A morte de um insider entrincheirado/com baixo desempenho pode ativar o mercado de controle e aumentar as esperanças de recuperação.

(-) Perda de capital humano: A morte de um proprietário-gestor que agrega valor destrói habilidades difíceis de substituir e cria risco de sucessão.

(0) Sem surpresa: Cargos cerimoniais/aposentados, funções exclusivamente de conselho ou casos atenuados/compensadores não produzem reação significativa.

Regras de decisão:

• Emérito/honorário -> 0 (retirado).
• Membro do conselho/diretor, lucrativo -> 0; deficitário -> +1 (reestruturação).
• Executivo ativo + prejuízos/ROA<1 -> +1 (alívio/opcionalidade).
• Executivo ativo + forte (ROA>=mediana & ROE>=10 & NI>0) & propriedade>=60% -> -1 (administrador perdido).
• Executivo ativo + forte mas propriedade<60% -> 0 (colchão de supervisão).
• Médio / sinal ausente / função desconhecida -> 0.

DeepSeek V3.2 (Instant & Deep Think)

O DeepSeek V3.2 com e sem Deep Think mostra uma taxa de sucesso de 58%. Ele se baseia na função do falecido e no desempenho da empresa.

Reação negativa (-1): O mercado espera interrupção.

• Alta dependência: Se o falecido era o fundador ou um CEO/Presidente ativo (em atividade) com longo mandato, sua perda cria uma lacuna significativa de liderança.
• Baixa propriedade familiar: Menor propriedade pode significar menos “comprometimento” da família para estabilizar a empresa pós-crise.

Reação positiva (+1): O mercado espera melhoria.

• Alívio: A morte resolve uma situação negativa. Isso geralmente ocorre se a empresa estava tendo mau desempenho (lucro líquido negativo ou ROE) sob uma liderança de longa data. O mercado aposta em um novo começo.
• Sucessão estabelecida: Se o falecido não estava trabalhando (workD=0) ou era um presidente aposentado, é provável que o sucessor já esteja definido.
• Alta propriedade familiar: Alta propriedade familiar geralmente sinaliza um compromisso com a manutenção do valor e a garantia de uma transição suave.

Reação neutra (0): O evento já está precificado ou é irrelevante.

• Função não crítica: Se o falecido era membro não executivo do conselho ou uma figura aposentada não envolvida nas operações diárias.
• Transição gradual: Se a morte não foi repentina e a empresa é grande (muitos funcionários/ativos), provavelmente existem sistemas para lidar com a transição sem interrupções.

Gemini 3.1 Pro

Aqui está a estrutura financeira usada para categorizar as 132 empresas em 1, -1 ou 0:

1. Significativamente Negativo (-1) (Resumo: “Perda de talento-chave”)
   • Condição: O falecido ocupava um cargo executivo crítico (CEO, Presidente do Conselho, Presidente) E a empresa era altamente lucrativa (por exemplo, ROE > 10% ou ROA > 5%).
   • Razão: A morte súbita de um líder familiar altamente eficaz remove um visionário central e gerador de valor. Isso introduz grave incerteza sucessória e operacional, levando ao pânico e a reações negativas do mercado.
2. Significativamente Positivo (1) (Resumo: “Alívio do entrincheiramento”)
   • Condição: A empresa estava historicamente com desempenho inferior antes do evento (Lucro Líquido Negativo, ROA < 0 ou ROE < 0).
   • Razão: Em empresas familiares, fundadores ou gestores com mau desempenho muitas vezes ficam protegidos de demissão devido aos laços familiares (entrincheiramento). Seu falecimento é frequentemente visto favoravelmente pelo mercado como um catalisador para profissionalização, reestruturação e nova gestão.
3. Não Significativo (0) (Resumo: “Sucessão de rotina”)
   • Condição: A empresa tinha desempenho financeiro médio e moderado, OU o falecido ocupava um cargo não executivo/honorário/consultivo (por exemplo, membro do conselho, presidente honorário).
   • Razão: Sem extremos de desempenho superior ou inferior, ou se a função não era crítica para as operações diárias, o mercado vê a morte como um evento de sucessão rotineiro que não altera materialmente os fluxos de caixa futuros da empresa.

Modelos antigos

GPT 5.4 Instant

O GPT 5.4 Instant atinge uma taxa de sucesso de 69%. O modelo foca principalmente na rentabilidade da empresa, usando-a como o principal sinal.

• Lógica do rótulo negativo: Mais provável quando o falecido ocupava um cargo ativo central (especialmente CEO/presidente), a empresa parecia lucrativa/saudável, o controle familiar era alto e o evento implicava risco significativo de continuidade ou sucessão.
• Lógica do rótulo positivo: Mais provável quando a rentabilidade parecia mais fraca e/ou a alavancagem era maior, de modo que o evento poderia ser interpretado como uma redefinição de governança ou catalisador de recuperação, especialmente quando a profundidade da sucessão familiar parecia disponível.
• Lógica do rótulo neutro: Usado quando a função parecia menos operacional/cerimonial, quando forças compensatórias dominavam ou quando as informações não sustentavam fortemente uma reação significativa de curto prazo.

GPT 5.4 Thinking model

O GPT 5.4 Thinking atinge uma taxa de sucesso de 64% com entradas limitadas. Ele combina rentabilidade e propriedade familiar.

• Lógica do rótulo negativo: Mais provável quando o membro da família falecido tinha uma função operacional central, a rentabilidade parecia sólida e a influência familiar era significativa.
• Lógica do rótulo positivo: Mais provável quando o membro da família falecido tinha uma função central, mas a empresa parecia mais fraca ou mais alavancada, de modo que o mercado pode acolher a mudança.
• Lógica do rótulo neutro: Mais provável quando a função era honorária / menos operacional, a empresa era grande o suficiente para absorver a mudança ou os sinais da empresa eram mistos.

Gemini 3 Thinking

A taxa de acerto do Gemini 3 Thinking é de 53%. O mecanismo de decisão por trás é o seguinte:

• Significativamente Positivo (1): Essas empresas tiveram desempenho inferior sob a liderança familiar ($ROA < 2.5\%$). O mercado provavelmente vê a partida de um gestor familiar central (CEO ou Presidente do Conselho) como um sinal para profissionalização ou uma necessária virada estratégica.
• Significativamente Negativo: Essas empresas tiveram desempenho excepcionalmente alto ($ROA > 12\%$) sob seu líder central. Sua partida representa uma perda significativa de capital humano estratégico e liderança visionária.
• Não Significativo: Esta categoria se aplica a empresas com desempenho médio ou onde o indivíduo que partiu ocupava um cargo honorário, emérito ou secundário (por exemplo, Vice-Presidente, Membro do Conselho), sugerindo que a partida tem impacto mínimo nas operações diárias ou já estava “precificada”.

Gemini 3 Flash

O GPT 5.4 Instant atinge uma taxa de sucesso de 54%. As previsões baseiam-se em duas teorias de mercado concorrentes sobre a sucessão em empresas familiares:

• Teoria da pessoa-chave (-1): Em empresas com rentabilidade excepcionalmente alta ($ROA > 10\%$), o mercado frequentemente vê o líder como uma “estrela” ou visionário. Sua partida cria um vácuo de talento estratégico, levando a retornos anormais negativos.
• Teoria da profissionalização/entrincheiramento (+1): Em empresas com desempenho inferior ($ROA < 3\%$) ou aquelas com alta propriedade familiar, a partida de um gestor familiar é frequentemente vista como uma oportunidade para “sangue novo” ou gestão profissional assumir, levando a retornos anormais positivos.
• Estabilidade/neutralidade (0): Para empresas com desempenho moderado ou onde o líder ocupava um cargo não ativo/honorário (por exemplo, Emérito, Presidente Honorário), o evento é frequentemente considerado “precificado” ou operacionalmente insignificante.

Claude Sonnet 4.2

A taxa de acerto do Claude Sonnet 4.2 no benchmark é de 48%. O modelo pontua cada empresa em 6 dimensões derivadas da teoria de estudos de eventos sobre transições de liderança em empresas familiares:

1. Proeminência da Função (mais importante)

A posição do falecido determina quanta informação a partida transmite ao mercado:

• Funções Honorárias/Eméritas (+0.4): Esses indivíduos já se afastaram operacionalmente. O anúncio é de baixa surpresa, muitas vezes pré-comunicado → a reação do mercado é levemente positiva ou neutra.
• CEO/Presidente do Conselho Ativo (−0.6): O risco de pessoa-chave é maior. Os mercados precificam a incerteza sobre quem assume e se a estratégia mudará.
• VP/Presidente (−0.25): Preocupação moderada, mas a empresa é menos dependente de um único executivo.
• Membro do Conselho/Diretor (+0.1): Não executivo; mínima interrupção operacional.

2. Sinal ROA

• ROA Negativo (+1.2): Um gestor que parte sob cuja gestão os ativos geraram retornos negativos → o mercado lê a saída como alívio. Este é o impulsionador positivo mais forte.
• Abaixo do p25 (ROA < 1.8%) (+0.5): Empresa com desempenho inferior, a partida ainda é bem-vinda.
• Acima do p75 (ROA > 9.6%) (−0.6): Uma empresa com alto ROA perdendo um executivo-chave sinaliza que o mercado pode perder o arquiteto desses retornos.

3. Lucro Líquido / EBITDA

• Prejuízo líquido (+0.6) e EBITDA negativo (+0.5) reforçam o sinal de alívio de estresse independentemente do ROA.

4. ROE (quartil superior, −0.3)

Mesmo onde o ROA é moderado, empresas no quartil superior de ROE (>19.3%) são vistas como tendo um alocador de capital altamente eficaz — cuja perda o mercado desconta negativamente.

5. Propriedade Familiar

• ≥75% (+0.45): Alto controle familiar significa que a sucessão é quase certamente dentro da família e pré-planejada. Reduz a incerteza.
• 50–74% (+0.20): Maioria familiar, estável mas um pouco menos certo.
• <30% (−0.25): Propriedade dispersa levanta dúvidas sobre a identidade do sucessor.

6. Alavancagem

• >0.70 (+0.40): Empresas com alta alavancagem e um líder que parte sinalizam potencial redefinição estratégica; os mercados podem ver positivamente (saída de estresse).
• Acima do p75 (>0.36) (+0.20): Endividamento elevado notado.

Pontuação ≥ 0.90 → Rótulo Significativamente positivo

Pontuação ≤ −0.70 → Rótulo Significativamente negativo

Caso contrário → Rótulo Não Significativo

GPT 5 Thinking model

O modelo Thinking do ChatGPT 5 apresenta a maior acurácia entre as ferramentas testadas, com uma taxa de sucesso de 74%. A ferramenta prevê a mudança de preço com base em dois indicadores:

Índice de concentração de liderança (LCI) → maior = mais provável CAR negativo substancial

• LCI = 0.40·z(importância_função) + 0.30·z(controle_familiar) + 0.20·z(força_financeira) − 0.10·z(tamanho)
  • importância_função: peso hierárquico do falecido (CEO > presidente > presidente do conselho > vice-presidente).
  • controle_familiar: propriedade familiar (% dos direitos de voto).
  • força_financeira: composto de ROE e ROA (rentabilidade).
  • tamanho: ln(ativos).
• Intuição: Os mercados esperam mais interrupção quando um membro da família altamente central morre em uma empresa de capital fechado, lucrativa, mas relativamente menor.
• Decisão: Rotular Negativo substancialmente se o LCI estiver nos 30% superiores da amostra e ≥ 0.5 unidades z acima do Índice de Renovação.

Índice de potencial de renovação (RPI) → maior = mais provável CAR positivo substancial

• RPI = 0.40·(−z(força_financeira)) + 0.25·z(alavancagem) − 0.20·z(controle_familiar) − 0.10·z(tamanho) + 0.05·z(estresse_liquidez)
  • alavancagem: (dívida de longo prazo + curto prazo) / patrimônio líquido.
  • controle_familiar: propriedade familiar (% dos direitos de voto).
  • estresse_liquidez: contas a pagar / ativos.
  • força_financeira: composto de ROE e ROA.
  • tamanho: ln(ativos).

• Intuição: Empresas com rentabilidade fraca, alguma pressão de dívida, menor dominância familiar e tensão de liquidez podem ver o mercado acolher a possibilidade de mudança de governança ou nova liderança.
• Decisão: Rotular Positivo substancialmente se o RPI estiver nos 30% superiores da amostra e ≥ 0.5 unidades z acima do LCI.

Gemini 2.5 Pro model

O Gemini 2.5 Pro prevê corretamente 71% das mudanças de preço das ações. Este modelo sugere que os traders ativos tomam decisões com base na vulnerabilidade da empresa e no potencial de oportunidade de renovação.

Índice de vulnerabilidade (VI) → maior = mais provável CAR negativo substancial

• VI = 0.40·z(controle_familiar) + 0.35·(-z(força_financeira)) + 0.20·z(alavancagem) – 0.05·z(tamanho)
  • controle_familiar: Propriedade familiar (% direitos de voto).
  • força_financeira: Escore z composto de ROE e ROA.
  • alavancagem: Dívida de longo prazo / patrimônio líquido.
  • tamanho: Logaritmo natural dos ativos totais (ln(ativo)).
• Intuição: O mercado pune a ação quando a morte de um líder-chave cria um vácuo de poder. Esse risco é maior em empresas altamente endividadas, não lucrativas e dominadas por famílias que carecem da resiliência e da estrutura de gestão profunda de corporações maiores. A combinação de alto controle familiar, saúde financeira precária e alta alavancagem cria uma mistura potente para a incerteza do investidor.
• Decisão: Rotular Substancialmente Negativo se o escore VI de uma empresa estiver nos 5% superiores da amostra.

Índice de catalisador de recuperação (TCI) → maior = mais provável CAR positivo substancial

• TCI = 0.50·(-z(força_financeira)) + 0.25·z(controle_familiar) – 0.15·z(alavancagem) – 0.10·z(tamanho)
  • força_financeira: Escore z composto de ROE e ROA.
  • controle_familiar: Propriedade familiar (% direitos de voto).
  • alavancagem: Dívida de longo prazo / patrimônio líquido.
  • tamanho: Logaritmo natural dos ativos totais (ln(ativo)).
• Intuição: O mercado reage positivamente quando a morte é percebida como uma oportunidade de renovação. Isso ocorre quando um líder familiar entrincheirado em uma empresa com desempenho inferior, mas financeiramente estável, falece. O mercado antecipa que uma mudança na liderança desbloqueará valor melhorando a estratégia e as operações, tornando a empresa uma potencial história de recuperação ou um alvo de aquisição.
• Decisão: Rotular Substancialmente Positivo se o escore TCI de uma empresa estiver nos 5% superiores da amostra e for pelo menos 0.5 unidades z acima de seu escore VI.

GPT 5 Pro model

A taxa de acerto do GPT 5 Pro é de 56% para o meu benchmark. A ferramenta de IA Generativa faz previsões com base em dois indicadores:

Índice de risco de pessoa-chave (KPRI) → maior = mais provável CAR negativo substancial

• KPRI = 0.40·z(propriedade) + 0.30·z(alavancagem) − 0.20·z(tamanho) + 0.10·z(rentabilidade)
• Intuição: empresas de capital fechado, mais alavancadas, menores e atualmente lucrativas enfrentam maior risco percebido de pessoa-chave com a morte de um membro da família.
• Decisão: Rotular negativo substancialmente se o KPRI estiver nos 30% superiores da amostra e ≥ 0.5 unidades z acima do TPI.

Índice de potencial de recuperação (TPI) → maior = mais provável CAR positivo substancial

• TPI = 0.40·(−z(rentabilidade)) + 0.20·z(alavancagem) − 0.20·z(propriedade) − 0.10·z(tamanho) + 0.10·z(CP/ativos)
• Intuição: desempenho fraco + alguma pressão financeira, mas menor controle familiar pode fazer os mercados acolherem a mudança de liderança.
• Decisão: Rotular positivo substancialmente se o TPI estiver nos 30% superiores e ≥ 0.5 unidades z acima do KPRI.

GPT 4o

Este antigo modelo do ChatGPT usa algoritmos de IA baseados na função do falecido na empresa, na propriedade da família, no tamanho da empresa e na alavancagem financeira. O modelo prevê o CAR dos eventos como

Substancialmente negativo, se

• O falecido é CEO/Presidente do Conselho
• Alta propriedade familiar (>70%) e o falecido ocupava um cargo de liderança
• Empresas menores ou menos diversificadas (baixos ativos/receita)
• Alta alavancagem: dívida de longo prazo ou curto prazo > ativos

Substancialmente positivo, se

• O falecido tinha uma função menor (por exemplo, membro do conselho ou VP)
• A empresa estava com desempenho inferior (por exemplo, ROE ou ROA negativo), os mercados podem ver isso como positivo
• Baixo controle familiar (<30%)

Nenhuma mudança significativa, se

• Empresas de médio a grande porte com finanças sólidas
• O falecido não estava em liderança ativa
• Propriedade familiar baixa a média (30%–60%)

Claude Sonnet 4

O Claude Sonnet 4 atinge uma taxa de acerto de 46% na previsão dos movimentos dos preços das ações após mortes de líderes familiares. Este modelo emprega um sistema de pontuação multifatorial que pondera o risco de sucessão de liderança contra os fatores de resiliência da empresa.

Escore de interrupção da sucessão (SDS) → maior = mais provável CAR negativo substancial

• SDS = 0.30·z(peso_posição) + 0.25·z(propriedade_familiar) + 0.20·(-z(desempenho_financeiro)) + 0.15·z(carga_dívida) – 0.10·z(escala_empresa)
  • peso_posição: Pontuação hierárquica onde CEO = 3, Presidente do Conselho = 2.5, Presidente = 2, VP = 1, Conselho = 0.5
  • propriedade_familiar: Percentual de controle de voto familiar
  • desempenho_financeiro: Escore composto dos escores z de ROE e ROA
  • carga_dívida: Razão dívida de longo prazo sobre ativos
  • escala_empresa: Contagem de funcionários como proxy para profundidade organizacional
• Intuição: Os mercados reagem mais negativamente quando um vácuo crítico de liderança se combina com controle familiar concentrado e fraca resiliência institucional. A morte de um CEO ou Presidente do Conselho em uma empresa dominada por uma família cria uma crise de sucessão imediata, particularmente quando a empresa carece de força financeira para enfrentar a incerteza ou da profundidade organizacional para garantir a continuidade. Alta dívida amplifica essa vulnerabilidade ao restringir a flexibilidade estratégica durante o período de transição.
• Decisão: Rotular Substancialmente Negativo se o SDS estiver nos 36% superiores da amostra (escore ≤ -3.0).

Índice de renovação de governança (GRI) → maior = mais provável CAR positivo substancial

• GRI = 0.35·(-z(desempenho_financeiro)) + 0.25·z(qualidade_institucional) – 0.20·z(propriedade_familiar) + 0.15·z(desenvolvimento_mercado) – 0.05·z(peso_posição)
  • desempenho_financeiro: Escore composto de fraqueza ROE/ROA
  • qualidade_institucional: Indicadores de tamanho da empresa e estabilidade setorial
  • propriedade_familiar: Concentração de controle familiar (invertida)
  • desenvolvimento_mercado: Proxy de eficiência de mercado baseado no país
  • peso_posição: Importância da posição de liderança (invertida)
• Intuição: Os mercados antecipam a criação de valor quando a mudança de liderança ocorre em empresas com desempenho inferior e estruturas de propriedade dispersas. A morte remove potenciais efeitos de entrincheiramento, preservando as capacidades institucionais necessárias para a recuperação. Isso é especialmente pronunciado em mercados desenvolvidos, onde a sucessão de gestão profissional está mais prontamente disponível e os mecanismos de governança são mais fortes.
• Decisão: Rotular Substancialmente Positivo se o escore GRI estiver nos 17% superiores da amostra (escore ≥ 1.5) e exceder o SDS em pelo menos 2.0 pontos.

DeepSeek

Esta ferramenta de IA generativa usa análise heurística especializada, alcançando uma taxa de acerto estimada de ~65% em benchmarks padrão de estudos de eventos financeiros. O núcleo da decisão pondera a avaliação de três fatores principais:

Função do falecido

• Presidente do Conselho/CEO/Presidente: Imediatamente sinalizado para alto potencial de impacto negativo.
• Emérito/Honorário/VP: Ponderado significativamente menos, muitas vezes levando a uma previsão de “Nenhuma Mudança Significativa”.
• Funções Menores: Tratado como um sinal fraco.

Saúde financeira

• Lucro líquido e ROE/ROA: Um lucro líquido negativo ou baixos retornos combinados com uma função-chave muitas vezes empurraram a previsão para “Negativo”. Se a função era menor, poderia sugerir “Positivo”.
• Dívida de Longo Prazo/Curto Prazo: Altos níveis de dívida amplificavam o risco percebido para empresas com funções-chave.

Propriedade familiar

• Alta Propriedade (>60%) + Função-Chave: Amplificava fortemente a previsão “Negativo” (liderança entrincheirada, incerteza sucessória).
• Baixa Propriedade (<30%) + Mau Desempenho: Amplificava a previsão “Positivo” (mais fácil para outsiders forçarem a mudança).

Gemini 2.5 Flash model

O Gemini 2.5 Flash afirma que as previsões são feitas com base em um estudo de eventos e na literatura de governança corporativa, apresentando uma taxa de acerto de 23%. O modelo rotula os CARs dos eventos com base nestas suposições:

• Substancialmente Negativo: O percentual de propriedade familiar é relativamente alto (>30%) e o falecido ocupava um cargo crítico (CEO ou Presidente do Conselho).
• Nenhuma Mudança Significativa: O percentual de propriedade familiar é relativamente baixo (<30%) ou a empresa é grande e parece ter uma estrutura corporativa forte.
• Substancialmente Positivo: Este cenário normalmente ocorre quando o desempenho do gestor é ruim ou quando se acredita que ele seja um obstáculo para o futuro da empresa. Não há informações suficientes nos dados fornecidos para fazer tal previsão. Portanto, todas as previsões foram rotuladas como “Substancialmente Negativo” ou “Nenhuma Mudança Significativa”.

Acurácia do modelo com entrada extensiva

Quando mais informações são fornecidas na segunda rodada, o desempenho do modelo muda:

• DeepSeek V3.2 Deep Think (64%) e Gemini 3 Thinking (62%) melhoram mais.
• Os modelos GPT 5.4 mostram resultados mistos e acurácia ligeiramente menor do que no caso limitado.
• Claude Sonnet 4.2, GPT 5.5 Instant e Gemini 3.1 Pro declinam ainda mais, sugerindo dificuldade em lidar com entradas mais complexas.

Quando dados adicionais são adicionados, os modelos que podem integrar múltiplos sinais melhoram. No entanto, modelos mais simples podem se tornar menos precisos porque não conseguem priorizar efetivamente as informações adicionais.

Metodologia do benchmark de negociação de ações baseada em IA

Prompting

O benchmark avalia se as ferramentas de IA generativa podem prever as reações do mercado de ações a um evento inesperado, com base nos fundamentos da empresa fornecidos. A configuração baseia-se em dados de Tanyeri & Alp (2023) e Arslan & Tanyeri-Günsur (2025):² ,³

Cada ferramenta de IA recebe um instantâneo das informações da empresa para a primeira rodada:

Informações financeiras

• Tamanho do ativo
• Tamanho do patrimônio líquido
• Lucro antes de juros, impostos, depreciação e amortização (EBITDA)
• Lucro líquido
• Receita anual
• Dívida de longo e curto prazo
• Contas a pagar
• Retorno sobre o patrimônio líquido (ROE)
• Retorno sobre os ativos (ROA)

Outras informações

• Participação da propriedade familiar
• País da sede e listagem das ações
• Número de funcionários
• Indústria/setor

Nenhum nome de empresa ou outros identificadores são fornecidos.

Na segunda rodada, as seguintes informações são adicionadas adicionalmente:

• se o falecido estava trabalhando no momento da morte
• a geração do falecido após o fundador da empresa
• se o falecido era o fundador
• tempo de mandato do falecido na empresa
• idade do falecido no momento da morte
• se o falecido morreu repentinamente ou após uma doença
• o número de filhos que o falecido tinha
• o número de filhas que o falecido tinha
• o número de filhos homens que o falecido tinha
• o número de parceiros que o falecido teve

Pergunta principal

Dadas as informações acima, cada solução de IA é solicitada a prever se os retornos anormais acumulados (CAR) de 3 dias das 132 empresas serão:

• Significativamente positivo
• Significativamente negativo
• Não significativo

O CAR mede como os mercados financeiros respondem ao evento. Um CAR positivo indica que os traders de ações percebem o evento como gerador de valor, um CAR negativo como redutor de valor, e um CAR insignificante como neutro.

Amostragem

O conjunto de dados inclui 132 eventos de morte em 109 empresas familiares de capital aberto em 24 países. Todas as empresas estão classificadas entre as 500 maiores empresas familiares.

Medição de desempenho

O benchmark baseia-se na análise técnica anterior dos preços das ações. Para cada empresa, o CAR de 3 dias foi calculado e categorizado como:

• Significativamente positivo
• Significativamente negativo
• Não significativo

As previsões de IA são comparadas com os valores históricos do CAR. A acurácia é medida como a porcentagem de previsões corretas feitas por cada solução de IA generativa.

Veja mais dos nossos benchmarks e insights baseados em dados na Pesquisa Google.

Adicionar como fonte preferencial

Leituras adicionais

• Top 10 Casos de Uso de Dados Alternativos para Investimento
• Benchmark de IA Agentic em Finanças: FinRobot vs FinRL vs FinGPT
• Principais Plataformas de Pesquisa Financeira com IA para Investidores

Perguntas frequentes

Cite esta pesquisa

Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.

@misc{phd2026,
  author = {PhD., Ezgi Arslan,},
  title  = {{Negociação de Ações Baseada em IA: Qual Ferramenta de IA Generativa é Melhor}},
  year   = {2026},
  month  = jun,
  howpublished    = {\url{https://aimultiple.com/ai-based-stock-trading}},
  note   = {AIMultiple. Acessado em 30 Junho 2026}
}

Links de referência

1.

Page restricted | ScienceDirect

2.

The value of shareholder rights in family firms: Global evidence from a death in the family - Tanyeri Günsür - 2023 - Corporate Governance: An International Review - Wiley Online Library

3.

Page restricted | ScienceDirect

4.

Artificial Intelligence Can Make Markets More Efficient—and More Volatile

Ezgi Arslan, PhD.

Analista do setor

Siga-nos

Ezgi possui doutorado em Administração de Empresas com especialização em finanças e atua como Analista de Mercado na AIMultiple. Ela lidera pesquisas e insights na interseção entre tecnologia e negócios, com experiência que abrange sustentabilidade, pesquisas e análise de sentimentos, aplicações de agentes de IA em finanças, otimização de mecanismos de resposta, gerenciamento de firewalls e tecnologias de compras.

Ver perfil completo

Seja o primeiro a comentar

Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.

Nome

Endereço de email

Comentário

0/450

Postar comentário