Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/21401| Type: | Trabalho de conclusão de graduação |
| Title: | Uso de séries temporais para análise quantitativa de ações em meio à Covid-19 |
| Author(s)/Inventor(s): | Ferreira, Caio Naim Paes Chagas, Gabriel Ribas Penha das Farias, Lucas da Silva |
| Advisor: | Bastos, Valeria Menezes |
| Abstract: | O estudo foi realizado buscando entender a consistência de modelos preditivos frente a impactos externos que influenciam diretamente a economia, como, por exemplo, a COVID 19. A análise consistiu em avaliar a acurácia de 3 abordagens: Simulação de Monte Carlo, Séries Temporais e Long Short-Term Memory (LSTM) antes do acontecimento da pande mia. Avaliaram-se as predições para o cenário de COVID-19 e foi feito um comparativo com o real, a fim de avaliar a robustez de modelos em meio ao cenário econômico mundial. O resultado obtido mostrou que apenas a variável de tempo não é o suficiente para lidar com predição de preços no mercado de ações, tornando até mesmo o modelo mais robusto suscetível a falhas nas predições em cenários pouco incertos. Portanto, há a necessidade de avaliar, juntamente aos padrões de evolução no tempo, fatores como notícias políticas, financeiras, redes sociais e diversas outras fontes que possam correlacionar com a variável de tempo e prover predições mais assertivas para cenários completos. |
| Keywords: | inteligência artificial aprendizado de máquina redes neurais séries temporais |
| Subject CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Production unit: | Instituto de Computação |
| Publisher: | Universidade Federal do Rio de Janeiro |
| Issue Date: | 14-Jun-2023 |
| Publisher country: | Brasil |
| Language: | por |
| Right access: | Acesso Aberto |
| Appears in Collections: | Ciência da Computação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| CNPFerreira.pdf | 1.64 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.