Esse estudo busca entender o impacto da combinação de redes neurais e fatores de prêmio de risco na previsibilidade do índice S&P500, e também de compreender a diferença de performance de topologias distintas dentro desse processo. Além disso, elucida as vantagens de se utilizar uma estratégia de retreinamento quando da criação de modelos que lidam com séries temporais, e, principalmente, séries de preços de ativos, mostrando a melhor performance obtida por modelos que utilizam desta técnica. Por fim, discute a viabilidade do uso do modelo de barreira tripla proposto por Lopez de Prado (2018) em seu livro, e a eficácia de um modelo classificador em comparação ao modelo regressor.
