Redes neurais LSTM e modelo GARCH: uma abordagem conjunta para previsão de retornos

Contarini, Gabriel

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/14800

Type:	Trabalho de conclusão de graduação
Title:	Redes neurais LSTM e modelo GARCH: uma abordagem conjunta para previsão de retornos
Author(s)/Inventor(s):	Contarini, Gabriel
Advisor:	Schommer, Susan
Abstract:	A ideia principal do trabalho é analisar a performance de previsão do retorno de ações, particularmente da ação PETR3. Primeiramente, para prever os retornos futuros, foi usado um tipo de rede neural chamada de redes neurais recorrentes, especificamente neurônios do tipo LSTM. Depois são estimados modelos GARCHs para a série e são usados suas variâncias condicionais como novos inputs para as redes neurais, transformando assim um problema de regressão univariado em um problema multivariado usando os mesmos dados iniciais. As redes neurais LSTM, em geral, apresentaram melhores resultados em comparação ao próprio GARCH e as redes neurais com GARCH como input.
Keywords:	Redes neurais aritifciais Redes neurais recorrentes Modelo GARCH Artificial neural networks Recurrent neural networks GARCH Model
Subject CNPq:	CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
Production unit:	Instituto de Economia
Publisher:	Universidade Federal do Rio de Janeiro
Issue Date:	Aug-2020
Publisher country:	Brasil
Language:	por
Right access:	Acesso Aberto
Citation:	CONTARINI, Gabriel. Redes neurais LSTM e modelo GARCH: uma abordagem conjunta para previsão de retornos. 2020. 40 f. Trabalho de Conclusão de Curso (Bacharelado em Ciências Econômicas) - Instituto de Economia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2020.
Appears in Collections:	Ciências Econômicas

Files in This Item:

File	Description	Size	Format
GContarini.pdf		887.58 kB	Adobe PDF	View/Open

Show full item record Recommend this item View Statistics

Pantheon Institutional repository