📈 Análise de Série Temporal — AAPL (2015–2026)

Projeto de exploração e modelagem de série temporal do preço de fechamento da Apple (AAPL), comparando múltiplos modelos preditivos sobre dados corretamente tratados com log-retorno e RobustScaler.

Objetivo

Entender a estrutura estatística da série e avaliar como diferentes classes de modelos — estatísticos, ML e deep learning — se comportam em um problema de previsão de retornos financeiros diários.

Métrica primária: Direction Accuracy (DA%) — % de acertos na direção do movimento (alta/baixa).

---

Modelos Avaliados

Modelo	Tipo	DA% Teste	DA% Holdout
Naive (lag-1)	Baseline	52.4%	65.0%
ARIMA(1,0,0)	Estatístico	51.7%	40.0%
Hybrid ARIMA + LSTM	Ensemble	51.6%	—
LSTM (melhor grid)	Deep Learning	51.0%	35.0%
XGBoost	ML	80.8%	90.0% ✅

---

Estrutura do Projeto

.
├── aapl_series_temporal.ipynb   # Notebook principal (50 células)
├── validate_notebook_v2.py      # Pipeline completo em script Python
├── images/                      # Plots gerados durante a análise
│   ├── 01_serie_bruta.png
│   ├── 02_decomposicao.png
│   ├── 03_acf_bruto.png
│   ├── 04_log_retorno.png
│   ├── 05_acf_retorno.png
│   ├── 05_dist_retorno.png
│   ├── 07_splits.png
│   ├── 08_xgb_importance.png
│   ├── 09_lstm_learning.png
│   ├── 12_comparacao.png
│   └── 13_holdout_precos.png
├── pyproject.toml               # Dependências (uv)
├── requirements.txt             # Versões exatas
├── uv.lock                      # Lock file
└── .gitignore

---

Estrutura do Notebook

Seção	Conteúdo
1. Setup	Imports, seeds, reprodutibilidade
2. Coleta	yfinance 2015–2026, 2.786 pregões
3. EDA Bruta	Série temporal, decomposição multiplicativa, ACF/PACF, ADF
4. Log-Retorno	Estacionarização, ADF pós-diferenciação, Q-Q plot, Jarque-Bera
5. Indicadores	Volatilidade realizada, RSI-14, momentum, Bollinger width
6. Split	70% treino / 15% val / 15% teste / 20 dias holdout
7. Pré-processamento	RobustScaler fitado apenas no treino
8. Métricas	DA% como métrica primária; sem MAPE (inválido para log-retornos ≈ 0)
9. Baselines	Naive (lag-1) + ARIMA por auto_arima com rolling 1-step
10. XGBoost	500 árvores, early stopping, feature importance
11. LSTM	Grid search: 36 configs (seq_len × units × dropout × lr)
12. Hybrid	ARIMA captura autocorrelação + LSTM aprende nos resíduos
13. Holdout	Avaliação final nos 20 dias nunca vistos
14. Comparação	Tabela consolidada + plots
15. Conclusões	Achados, limitações, próximos passos

---

Decisões técnicas

Por que log-retorno?

O preço bruto da AAPL cresceu ~850% entre 2015 e 2026 — série altamente não-estacionária (ADF p=0.977). O log-retorno log(P_t / P_{t-1}) remove a tendência e torna a série estacionária (ADF p≈0), resolvendo o problema de escalas incompatíveis entre treino e teste.

Por que RobustScaler?

Baseado em mediana e IQR — mais robusto que MinMaxScaler para séries financeiras com picos de volatilidade (COVID, crises). Fitado exclusivamente no treino para evitar data leakage.

Por que XGBoost supera o LSTM?

Log-retornos diários têm baixa dependência temporal (ARIMA seleciona AR(1)). Features de lag explícito lag_1..lag_20 + rolling stats capturam toda a estrutura temporal que o LSTM extrairia de sequências — sem o custo de treinamento. Em séries com baixo sinal/ruído, modelos mais simples generalizam melhor.

---

Como reproduzir

1. Instalar dependências

# Com uv (recomendado)
uv sync

# Ou com pip
pip install -r requirements.txt

2. Registrar o kernel Jupyter

.venv/bin/python -m ipykernel install --user --name crypto_lstm --display-name "Python 3.10 (crypto_lstm)"

3. Abrir o notebook

.venv/bin/jupyter lab aapl_series_temporal.ipynb

Selecione o kernel "Python 3.10 (crypto_lstm)".

---

Dependências principais

Lib	Uso
yfinance	Download de dados históricos
tensorflow / keras	Modelo LSTM
xgboost	Gradient boosting
statsmodels	Decomposição STL, ADF, ARIMA
pmdarima	auto_arima (seleção por AIC)
scikit-learn	RobustScaler, métricas
pandas / numpy	Manipulação de dados
matplotlib / seaborn	Visualizações

---

Próximos passos

• Walk-forward validation (retreino periódico)
• Features de sentimento (NLP sobre notícias)
• ARIMAX com features técnicas como exógenas
• Temporal Fusion Transformer
• Sharpe Ratio como métrica financeira complementar