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

Contarini, Gabriel

Pantheon Repositorio Institucional

Recopila, preserva y difundi la producción académica digital en todas las áreas del conocimiento.
Comprende los activos del repositorio, además de tesis y disertaciones en la UFRJ, artículos científicos, libros electrónicos, capítulos de libros y trabajos presentados en eventos para los profesores, investigadores, personal administrativo y estudiantes de maestría y doctorado.

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11422/14800

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.contributor.advisor	Schommer, Susan	-
dc.contributor.author	Contarini, Gabriel	-
dc.date.accessioned	2021-08-17T17:15:58Z	-
dc.date.available	2023-12-21T03:08:06Z	-
dc.date.issued	2020-08	-
dc.identifier.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.	pt_BR
dc.identifier.uri	http://hdl.handle.net/11422/14800	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Redes neurais aritifciais	pt_BR
dc.subject	Redes neurais recorrentes	pt_BR
dc.subject	Modelo GARCH	pt_BR
dc.subject	Artificial neural networks	pt_BR
dc.subject	Recurrent neural networks	pt_BR
dc.subject	GARCH Model	pt_BR
dc.title	Redes neurais LSTM e modelo GARCH: uma abordagem conjunta para previsão de retornos	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/6580812800890001	pt_BR
dc.description.resumo	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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Economia	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA	pt_BR
dc.embargo.terms	aberto	pt_BR
Aparece en las colecciones:	Ciências Econômicas

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
GContarini.pdf		887.58 kB	Adobe PDF	Visualizar/Abrir

Mostrar el registro sencillo del ítem Recomiende este ítem View Statistics