Resumo

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.

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.

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.

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.

As principais contribuições deste estudo residem em demonstrar o poder dos algoritmos de clusterização como uma ferramenta na análise do mercado de ações.

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.

To test the use in applying clustering algorithms on databases that contain their stock market information on different years concatenated with Tesla’s stock information from the as a way as a way to obtain more information.

The relevance of this study lies mainly in showing the power of clustering algorithms as tools in obtaining more information in stock data analysis.

By applying clustering algorithms in the many databases containing stock data of over 4000 companies, the present study will use the clusterings as starting points for more investigative analyses.

Our findings would suggest that Tesla’s stock market trends can be similarly observed in other instances across the years before the COVID-19 pandemic and in companies outside the field of electric car manufacturing.

This study’s main contributions lie in showing the power of clustering algorithms as a tool in stock market analysis.

By bringing attention to non intuitive correlations between different companies in the stock market, this study presents a new approach to discovering market trends and can bring a new dimension to stock market analysis.