NeuraTrade
Detecção não supervisionada de anomalias em 14 anos de ações da B3 com um LSTM-autoencoder, construído para a metodologia se sustentar de verdade.
A maior parte da literatura de detecção de anomalias com deep learning mira mercados dos EUA e cripto. O NeuraTrade aponta para ações brasileiras — PETR4, VALE3, AMER3, ITUB4 — treinando só na "normalidade" de 2010–2019 e sinalizando os anos seguintes pelo erro de reconstrução, cruzando cada anomalia com uma linha do tempo de eventos reais do mercado brasileiro.
O objetivo não era um modelo maior, e sim um modelo defensável. Trocar a agregação do erro para max dobrou o recall (0,16 → 0,35) e elevou a precisão (0,55 → 0,84). Um autoencoder condicional em USD/BRL e VIX separa choques sistêmicos (COVID-2020) dos idiossincráticos (o caso Americanas, 2023). E onde a ROC-AUC agradava com 0,84, a PR-AUC expôs o 0,15 real numa classe rara — por isso a PR-AUC virou a métrica reportada. Reprodutível offline, seed fixa, um comando.