Pantheon Repositório Institucional da UFRJ
Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.
Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/21401| Tipo: | Trabalho de conclusão de graduação |
| Título: | Uso de séries temporais para análise quantitativa de ações em meio à Covid-19 |
| Autor(es)/Inventor(es): | Ferreira, Caio Naim Paes Chagas, Gabriel Ribas Penha das Farias, Lucas da Silva |
| Orientador: | Bastos, Valeria Menezes |
| Resumo: | 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. |
| Palavras-chave: | inteligência artificial aprendizado de máquina redes neurais séries temporais |
| Assunto CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Unidade produtora: | Instituto de Computação |
| Editora: | Universidade Federal do Rio de Janeiro |
| Data de publicação: | 14-Jun-2023 |
| País de publicação: | Brasil |
| Idioma da publicação: | por |
| Tipo de acesso: | Acesso Aberto |
| Aparece nas coleções: | Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| CNPFerreira.pdf | 1.64 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.