Este trabalho tem por objetivo estudar o estado da pesquisa em Machine Learning aplicado em algoritmos de negociação de ativos financeiros por meio de uma revisão descritiva da literatura. Pretende-se contribui-se para identificar na literatura recente, abordagens, técnicas e ferramentas de apoio à predição de tendências e movimento de preços baseadas em Machine Learning, que possam auxiliar gestores de recursos, instituições financeiras e investidores a reduzir incertezas e riscos na gestão de investimentos. A revisão descritiva literatura é conduzida por meio de uma análise bibliométrica seguida de análise de conteúdo dos artigos mais relevantes. Os resultados indicam uma evolução do número de publicações concentrado nos últimos cinco anos, e particularmente acentuado em 2019, com 275 estudos, mais que dobrando em relação à 2018. A distribuição geográfica dos estudos evidencia que o continente asiático concentra quase 45% da produção sobre o tema. O Brasil se situa em sétimo lugar, indicando interesse consistente por parte da pesquisa local. A análise de conteúdo evidenciou abordagens mais prevalentes como Support Vector Machines, Random Forests e redes neurais. Entretanto, abordagens baseadas em redes neurais recorrentes, como a Long Short-Term Memory, começam a ganhar evidência.