Objetivo do estudo
Testar a utilização da aplicação de algoritmos de clusterização em bancos de dados que contêm informações do mercado de ações em diferentes anos concatenadas com as informações das ações da Tesla, como forma de obter mais informações.
Relevância/originalidade
A relevância deste estudo reside principalmente em mostrar o poder dos algoritmos de clusterização como ferramentas para obter mais informações na análise de dados do mercado de ações.
Metodologia/abordagem
Ao aplicar algoritmos de clusterização em vários bancos de dados que contêm dados de ações de mais de 4000 empresas, o presente estudo utilizará os agrupamentos como pontos de partida para análises mais investigativas.
Principais resultados
Nossos resultados sugerem que as tendências do mercado de ações da Tesla podem ser observadas de forma semelhante em outros casos ao longo dos anos anteriores à pandemia de COVID-19 e em empresas fora do setor de fabricação de carros elétricos.
Contribuições teóricas/metodológicas
As principais contribuições deste estudo residem em demonstrar o poder dos algoritmos de clusterização como uma ferramenta na análise do mercado de ações.
Contribuições sociais/para a gestão
Ao chamar a atenção para correlações não intuitivas entre diferentes empresas no mercado de ações, este estudo apresenta uma nova abordagem para descobrir tendências de mercado e pode trazer uma nova dimensão para a análise do mercado de ações.