A pesquisa apresentada neste trabalho visou analisar o desempenho de diferentes algoritmos de inteligência artificial (IA) para previsão de movimentos dos principais índices das maiores bolsas de valores ao redor do mundo. Para tanto, foram coletados dados diários, entre os anos de 2010 e 2019, de 34 índices e estimados os movimentos desses índices com o uso de quatro dos principais algoritmos de IA: Artificial Neural Networks (ANN), k-Nearest Neighbors (KNN), Naive Bayes (NB) e Random Forest (RF). Tais algoritmos foram treinados com base em nove indicadores técnicos amplamente empregados na análise técnica de ativos financeiros. Evidenciou-se a possibilidade de se obter retornos superiores à média de mercado a partir dos algoritmos de IA selecionados e treinados com base em indicadores técnicos. Assim, destaca-se o potencial de exploração de ineficiências de diferentes mercados de capitais ao redor do mundo em sua forma fraca a partir de algoritmos de IA. Constatou-se que o desempenho dos algoritmos variou de acordo com a medida de desempenho utilizada. Contudo, enquanto o algoritmo ANN obteve desempenhos superiores aos dos demais, quando se considerou a acurácia como medida de desempenho, o algoritmo NB apresentou os piores desempenhos independentemente das medidas empregadas para mensurá-lo. O estudo desenvolvido traz uma série de contribuições à pesquisa sobre o emprego desses algoritmos para previsão do movimento de índices de ativos financeiros nos mercados de capitais ao redor do mundo: (i)  obtiveram-se evidências robustas da utilidade e relevância de algoritmos de IA para prever movimentos de preços nas principais bolsas de valores do mundo; (ii)  verificou-se que a medida empregada para mensurar o desempenho dos algoritmos influencia de forma significativa sua avaliação; e (iii) constatou-se que os indicadores técnicos podem auxiliar em decisões que agregam valor ao serem conjugados com técnicas de IA.