Prevendo o preço da BBAS3 com Python e Machine Learning

 O que foi feito:

• Coleta de dados históricos (1 ano)

• Uso do preço de fechamento (Close)

• Criação de variável temporal (dias)

• Treinamento de modelo com LinearRegression

• Previsão do próximo dia de negociação

💻 Tecnologias utilizadas:

• Python

• NumPy

• Scikit-learn

• yfinance

📈 O modelo é simples, mas demonstra como podemos aplicar conceitos de Machine Learning no mercado financeiro para criar previsões iniciais baseadas em tendência linear.

⚠️ Importante:
Esse tipo de modelo não considera volatilidade, notícias, indicadores macroeconômicos ou análise técnica. É apenas um exercício educacional para entender como funciona regressão aplicada a séries temporais.

🚀 Próximos passos poderiam incluir:

• Regressão polinomial

• Modelos ARIMA

• Redes neurais (LSTM)

• Uso de múltiplas variáveis (volume, indicadores técnicos)