This paper proposes a combined approach of two machine learning techniques for nancial time series classi cation. Boltzmann Restricted Machines (RBM) were used as the latent features extractor and Support Vector Machines (SVM) as the classi er. Tests were performed with real data of ve assets from Brazilian Stock Market. The results of the combined RBM + SVM techniques showed better performance when compared to the isolated SVM, which suggests that the proposed approach can be suitable for the considered application.
ResumoEste trabalho propõe uma abordagem combinada de duas técnicas de aprendizado de máquina para classi cação de séries temporais nanceiras. Foram utilizadas Máquinas de Boltzmann Restritas (RBM) como o extrator de características latentes e Máquinas de Vetores de Suporte (SVM) como o classi cador. Cinco conjuntos de dados reais de ativos ou ações da BM&FBOVESPA foram usados para validação da abordagem. Em geral, as técnicas RBM + SVM combinadas apresentaram resultados superiores ao SVM isolado, con rmando o potencial da abordagem proposta.