Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/17253
Especie: | Trabalho de conclusão de graduação |
Título : | Exploração de arquiteturas de redes neurais em uma série temporal financeira |
Otros títulos: | Exploration of neural network architectures in a financial time series |
Autor(es)/Inventor(es): | Anjos, Carlos Eduardo Menezes dos |
Tutor: | Evsukof, Alexandre Gonçalves |
Resumen: | A predição de ações do mercado financeiro é um problema com alto grau de dificuldade devido ao fato da série temporal financeira não ser estacionaria e informações externas, como delações vazadas, a afetarem diretamente. Com o avanço da tecnologia ao longo dos anos, verifica-se possível a criação de modelos mais complexos para modelagem desse tipo de séries temporais, de forma que o trabalho aqui proposto visa explorar diferentes topologias e técnicas de redes neurais artificiais em um série temporal financeira brasileira. Os modelos propostos usam o valor de fechamento, junto com alguns indicadores, de cinco dias seguidos, para tentar predizer se o valor de fechamento subirá ou descerá no sexto dia. Apesar das técnicas de redes neurais serem consideradas o estado da arte para certos problemas, as redes testadas neste trabalho não apresentaram resultados satisfatórios, visto que apenas a informação apresentada aos modelos não foi suficiente para realizar uma modelagem adequada. |
Materia: | Redes neurais Aprendizado de máquina Mercado financeiro |
Materia CNPq: | CNPQ::ENGENHARIAS |
Unidade de producción: | Escola Politécnica |
Editor: | Universidade Federal do Rio de Janeiro |
Fecha de publicación: | abr-2018 |
País de edición : | Brasil |
Idioma de publicación: | por |
Tipo de acceso : | Acesso Aberto |
Aparece en las colecciones: | Engenharia de Computação e Informação |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
monopoli10025995.pdf | 642.83 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.