Redes neurais para predição de series temporais

Mghazli, Yá-Sin Barcelos

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/19468

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Zago, Camila Avosani	-
dc.contributor.author	Mghazli, Yá-Sin Barcelos	-
dc.date.accessioned	2023-01-06T17:47:48Z	-
dc.date.available	2023-12-21T03:09:43Z	-
dc.date.issued	2021-09	-
dc.identifier.citation	MGHAZLI, Yá-Sin Barcelos. Redes neurais para predição de series temporais. 2021. 40 f. Trabalho de Conclusão de Curso (Bacharelado em Administração) - Faculdade de Administração e Ciências Contábeis, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2021.	pt_BR
dc.identifier.uri	http://hdl.handle.net/11422/19468	-
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	pt_BR
dc.subject	Séries temporais	pt_BR
dc.subject	Mercado de ações	pt_BR
dc.title	Redes neurais para predição de series temporais	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/6726568187545538	pt_BR
dc.description.resumo	Diversas classes de modelos têm sido propostas como solução do dilema do passeio aleatório para previsão de séries temporais financeiras. Embora não haja nenhuma prova formal sobre sua previsibilidade, alguns trabalhos argumentam que, na prática, este fenômeno temporal é, de alguma forma, previsível. Portanto, este trabalho analisa qual a eficiência dos modelos (ARIMA, MultiLayer Perceptrons e Long Short-Term Memory para séries temporais propostos para a predição do índice Bovespa? como solução do dilema do passeio aleatório no problema de previsão de séries temporais financeiras. Uma análise experimental é conduzida com os modelos investigados utilizando uma série temporal relacionada ao Índice da Bolsa de Valores de São Paulo (IBOVESPA) utilizando normalização e diferenciação dos dados, janelamento temporal e otimização dos hiperparâmetros dos modelos. Os resultados alcançados demonstraram efetividade, em desempenho preditivo, dos modelos investigados.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Faculdade de Administração e Ciências Contábeis	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Administração

Files in This Item:

File	Description	Size	Format
YBMghazli.pdf		516.99 kB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository