Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/17959
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Almeida, Heraldo Luís Silveira de | - |
dc.contributor.author | Fernandes, Lucas Schlee de Brito | - |
dc.date.accessioned | 2022-07-27T19:43:44Z | - |
dc.date.available | 2023-12-21T03:00:19Z | - |
dc.date.issued | 2019-03 | - |
dc.identifier.uri | http://hdl.handle.net/11422/17959 | - |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal do Rio de Janeiro | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Aprendizado de Máquina | pt_BR |
dc.subject | Mercado Financeiro | pt_BR |
dc.subject | Algotrading | pt_BR |
dc.title | Técnicas de Aprendizado de Máquina aplicadas a AlgoTrading no Mercado de Ações | pt_BR |
dc.title.alternative | Machine Learning Techniques Applied to AlgoTrading in the Stock Market | pt_BR |
dc.type | Trabalho de conclusão de graduação | pt_BR |
dc.contributor.referee1 | Mello, Flávio Luís de | - |
dc.contributor.referee2 | Gozzi, Jomar | - |
dc.description.resumo | A cada dia no mercado de ações é possível identificar milhares de decisões tomadas automaticamente, sem a necessidade de intervenção humana. Apesar disso, essa tendência, considerada irreversível, ainda utiliza estratégias baseadas em regras estritamente definidas. Nesse contexto, o presente trabalho propõe a aplicação de técnicas de aprendizado de máquina para identificar padrões e prever a direção dos preços das ações para negociações de alta frequência. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Escola Politécnica | pt_BR |
dc.publisher.initials | UFRJ | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS | pt_BR |
dc.embargo.terms | aberto | pt_BR |
Aparece en las colecciones: | Engenharia de Controle e Automação |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
monopoli10028193.pdf | 1.68 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.