Modelos de previsão com Big Data proveniente de transações financeiras

Detalhes bibliográficos
Autor(a) principal: Simões, Joana Patrícia da Silva
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/1822/65489
Resumo: Dissertação de mestrado em Estatística
id RCAP_16f2bd5545cf39191cbbdc7bf71d734b
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/65489
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Modelos de previsão com Big Data proveniente de transações financeirasForecasting models from Big Data financial transactionsEconomia colaborativaDados em painelModelos de efeitos mistosÁrvores de regressãoAmostra de treino / amostra de testeCollaborative economyPanel dataMixed modelsRegression treesTrain / test setCiências Naturais::MatemáticasDissertação de mestrado em EstatísticaA troca de serviços, por determinado período de tempo, com compensação monetária ou outra, através de plataformas digitais é um fenómeno bastante recente, designado por economia colaborativa. Esta realidade é ainda pouco compreendida, e o tipo de trocas/ transações incluídas neste conceito, ainda não são consideradas no cálculo de indicadores macroeconómicos como, por exemplo, o PIB. No entanto, há necessidade de estudar mais pormenorizadamente este tipo de economia para poder englobá-la no cálculo de indicadores de atividade económica, ou outros, já existentes. É este o principal objetivo do projeto ESSNet Big Data II – Financial Transactions Data, onde este trabalho se insere, sob a alçada do INE Porto. Nesta tese, utilizam-se variáveis que podem ser consideradas dentro de um conceito de economia colaborativa. Tais variáveis foram introduzidas em modelos de efeitos fixos e em modelos de efeitos aleatórios, conseguindo explicar o PIB além de proporcionarem modelos com elevado poder preditivo. Uma vez que o foco se encontra na previsão, propõem-se aqui modelos de machine learning bastante recentes, árvores de regressão com inclusão de efeitos aleatórios, que demonstram também elevado poder preditivo, embora em comparação com os modelos de efeitos mistos apresentados, ficam ligeiramente aquém pela natureza linear dos dados utilizados. Para a execução deste trabalho, recorreu-se a dados de levantamentos nacionais em caixas de multibanco, de compras através de terminais de pagamento automático e de dormidas nos estabelecimentos hoteleiros, ou seja, dados de transações financeiras que, em abstrato, são dados de economia colaborativa, pelo menos numa definição lata deste paradigma. Estes dados encontram-se agregados por regiões NUTS III e por ano, o que impõe que sejam tratados como dados em painel, tendo em conta a heterogeneidade entre as regiões.A new paradigm arises in economy, consisting in the exchange of services, for a certain period of time, with monetary compensation or other, through digital platforms. It’s a recent phenomenon, called collaborative economy. This reality is still poorly understood, and the type of transactions included in this definition are not yet considered in the calculation of macroeconomic indicators such as GDP. However, it is necessary to study this type of economy in more detail in order to be able to include it in indicators of economic activities. This is the focus of the ESSNet Big Data II project - Financial Transactions Data, where this work is included under the guidance of NSI, Porto, Portugal. In this thesis, we use variables that can be considered within a concept of collaborative economy. These variables were introduced in fixed effects models and random effects models, being able to explain the GDP and provide models with high predictive power. Since the focus is on prediction, very recent machine learning models are used here, like regression trees with random effects, which also show high predictive power. Although these models compared with mixed effects models, are slightly less powerful because of the linear nature of the data handled. In this work, we used data from national withdrawals at ATMs, purchases through automatic payment terminals and overnight stays in hotel establishments, i.e. financial transaction data that, in abstract, are “collaborative economy” data, at least in a broad definition of this paradigm. These data are aggregated by regions and by year, which requires the use of a panel data approach, taking into account the heterogeneity between regions.Castro, CecíliaCampos, PedroUniversidade do MinhoSimões, Joana Patrícia da Silva20192019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/65489por202473961info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:17:16Zoai:repositorium.sdum.uminho.pt:1822/65489Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:09:52.110614Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Modelos de previsão com Big Data proveniente de transações financeiras
Forecasting models from Big Data financial transactions
title Modelos de previsão com Big Data proveniente de transações financeiras
spellingShingle Modelos de previsão com Big Data proveniente de transações financeiras
Simões, Joana Patrícia da Silva
Economia colaborativa
Dados em painel
Modelos de efeitos mistos
Árvores de regressão
Amostra de treino / amostra de teste
Collaborative economy
Panel data
Mixed models
Regression trees
Train / test set
Ciências Naturais::Matemáticas
title_short Modelos de previsão com Big Data proveniente de transações financeiras
title_full Modelos de previsão com Big Data proveniente de transações financeiras
title_fullStr Modelos de previsão com Big Data proveniente de transações financeiras
title_full_unstemmed Modelos de previsão com Big Data proveniente de transações financeiras
title_sort Modelos de previsão com Big Data proveniente de transações financeiras
author Simões, Joana Patrícia da Silva
author_facet Simões, Joana Patrícia da Silva
author_role author
dc.contributor.none.fl_str_mv Castro, Cecília
Campos, Pedro
Universidade do Minho
dc.contributor.author.fl_str_mv Simões, Joana Patrícia da Silva
dc.subject.por.fl_str_mv Economia colaborativa
Dados em painel
Modelos de efeitos mistos
Árvores de regressão
Amostra de treino / amostra de teste
Collaborative economy
Panel data
Mixed models
Regression trees
Train / test set
Ciências Naturais::Matemáticas
topic Economia colaborativa
Dados em painel
Modelos de efeitos mistos
Árvores de regressão
Amostra de treino / amostra de teste
Collaborative economy
Panel data
Mixed models
Regression trees
Train / test set
Ciências Naturais::Matemáticas
description Dissertação de mestrado em Estatística
publishDate 2019
dc.date.none.fl_str_mv 2019
2019-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1822/65489
url http://hdl.handle.net/1822/65489
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 202473961
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799132525993394176

Registros relacionados