1. Pantheon
  2. Trabalhos Acadêmicos e Técnicos
  3. Trabalhos de Conclusão de Curso de Graduação
  4. Ciência da Computação
Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11422/21401
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorBastos, Valeria Menezes-
dc.contributor.authorFerreira, Caio Naim Paes-
dc.contributor.authorChagas, Gabriel Ribas Penha das-
dc.contributor.authorFarias, Lucas da Silva-
dc.date.accessioned2023-08-18T17:19:39Z-
dc.date.available2023-12-21T03:01:39Z-
dc.date.issued2023-06-14-
dc.identifier.urihttp://hdl.handle.net/11422/21401-
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectRedes neuraispt_BR
dc.subjectSéries temporaispt_BR
dc.titleUso de séries temporais para análise quantitativa de ações em meio à Covid-19pt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/6948667770415330pt_BR
dc.contributor.referee1Menasche, Daniel Sadoc-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9931198850020140pt_BR
dc.contributor.referee2Farias, Claudio Miceli de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6243465206463403pt_BR
dc.description.resumoO 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.countryBrasilpt_BR
dc.publisher.departmentInstituto de Computaçãopt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOpt_BR
dc.embargo.termsabertopt_BR
Aparece en las colecciones: Ciência da Computação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
CNPFerreira.pdf1.64 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem Recomiende este ítem View Statistics


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.