Utilizando um algoritmo LSTM para previsão do preço de uma ação.

• Autor(a) principal: PAZ, Raquel Rufino Costa da.
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20551
• topic: Rede neural recorrente; Bolsa de valores; Memória de longo prazo; Algoritmo LSTM; Mercado financeiro; Redes LSTM; Recurrent neural network; Stock exchange; Long-term memory; LSTM Algorithm; Market financial; LSTM Networks

A previsão do valor das ações desempenha um papel importante na definição de uma estratégia de negociação ou na determinação do momento apropriado para comprar ou vender. Na medida que a tecnologia avança, ajuda os analistas a descobrir os indicadores mais rele- vantes para fazer uma melhor suposição. De fato, os investidores estão muito interessados na área de pesquisa de previsão de preço das ações. Para um investimento bom e bem-sucedido, os acionistas desejam saber a situação futura do mercado de ações. Nesta perspectiva, este trabalho propõe uma abordagem de rede neural recorrente (RNN) e Memória de Longo Prazo (LSTM) para prever índices do mercado, que combina recursos aprendidos de diferentes representações dos mesmos dados. O modelo proposto de rede neural é treinado com os preços diário das ações, elementos que incluem valores importantes chamados Aberto, Alto, Baixo e Fechado, em um dataset que possui aproximadamente 55 anos de dados de preços das ações da GE nos Estados Unidos. Os resultados obtidos são promissores, atingindo uma média de erro absoluto de 0.07 ao prever o preço da ação no futuro. Essas informações devem ser muito úteis para serem usados no escritório da bolsa de valores. Palavras-chave - Previsão, Bolsa de Valores, Rede Neural, Tecnologia.