Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/14800
Especie: | Trabalho de conclusão de graduação |
Título : | Redes neurais LSTM e modelo GARCH: uma abordagem conjunta para previsão de retornos |
Autor(es)/Inventor(es): | Contarini, Gabriel |
Tutor: | Schommer, Susan |
Resumen: | 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. |
Materia: | Redes neurais aritifciais Redes neurais recorrentes Modelo GARCH Artificial neural networks Recurrent neural networks GARCH Model |
Materia CNPq: | CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA |
Unidade de producción: | Instituto de Economia |
Editor: | Universidade Federal do Rio de Janeiro |
Fecha de publicación: | ago-2020 |
País de edición : | Brasil |
Idioma de publicación: | por |
Tipo de acceso : | Acesso Aberto |
Citación : | 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. |
Aparece en las colecciones: | Ciências Econômicas |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
GContarini.pdf | 887.58 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.