Uso de séries temporais para análise quantitativa de ações em meio à  Covid-19

Chagas, Gabriel Ribas  Penha das; Ferreira, Caio Naim Paes; Farias, Lucas da Silva

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/21401

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Bastos, Valeria Menezes	-
dc.contributor.author	Ferreira, Caio Naim Paes	-
dc.contributor.author	Chagas, Gabriel Ribas Penha das	-
dc.contributor.author	Farias, Lucas da Silva	-
dc.date.accessioned	2023-08-18T17:19:39Z	-
dc.date.available	2023-12-21T03:01:39Z	-
dc.date.issued	2023-06-14	-
dc.identifier.uri	http://hdl.handle.net/11422/21401	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	inteligência artificial	pt_BR
dc.subject	aprendizado de máquina	pt_BR
dc.subject	redes neurais	pt_BR
dc.subject	séries temporais	pt_BR
dc.title	Uso de séries temporais para análise quantitativa de ações em meio à Covid-19	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/6948667770415330	pt_BR
dc.contributor.referee1	Menasche, Daniel Sadoc	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/9931198850020140	pt_BR
dc.contributor.referee2	Farias, Claudio Miceli de	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/6243465206463403	pt_BR
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Computação	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
CNPFerreira.pdf		1.64 MB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository