Redes neurais, filtragem e programação aplicadas a finanças

Detalhes bibliográficos
Autor(a) principal: Siqueira, Felipe Carvalho
Data de Publicação: 2019
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/10480
Resumo: O trabalho apresentado a seguir tem como objetivo unir os aprendizados do curso de Engenharia de telecomunicações com os conhecimentos almejados e obtidos no Mercado Financeiro durante o estágio do autor. Este documento vislumbra sintetizar a beleza da matemática, programação e processamento de sinais no universo de Finanças, evidenciando que o conhecimento adquirido no curso pode ser utilizado em diversos cenários. Nele será apresentado e definido o que é uma Série Temporal, um Teste de Hipóteses e Filtro de Wiener, todos os três tópicos abordados com embasamento matemático e de programação, utilizando Redes Neurais e o Teste T de Student em linguagem Python para mostrar aplicações destes temas. A Série Temporal de preços de ativos é a ferramenta principal deste estudo, procurando auxiliar no processo de tomada de decisão. A relação de dependência entre os dados das séries figura como personagem principal, que será o fator determinante para se estabelecer uma previsão de preço. Foi implementada uma RNA para testarmos a precisão da previsão de preço do ativo PETR4, ação preferencial da Petrobras, utilizando uma amostra de quatro anos. No caso do Teste de Hipóteses, foi testada a presença do Efeito Segunda-Feira no índice Ibovespa, e foi concluído que não existe essa anomalia, que será explicada no documento
id UFF-2_0dd55fcbe83f7cf9339751fba45635de
oai_identifier_str oai:app.uff.br:1/10480
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Redes neurais, filtragem e programação aplicadas a finançasTeste de hipótesesProgramaçãoFiltragemSérie temporalTeste de hipóteseProgramação (Computação)Rede neuralPython (Linguagem de programação de computador)Temporal seriesHypothesis testProgrammingFilteringO trabalho apresentado a seguir tem como objetivo unir os aprendizados do curso de Engenharia de telecomunicações com os conhecimentos almejados e obtidos no Mercado Financeiro durante o estágio do autor. Este documento vislumbra sintetizar a beleza da matemática, programação e processamento de sinais no universo de Finanças, evidenciando que o conhecimento adquirido no curso pode ser utilizado em diversos cenários. Nele será apresentado e definido o que é uma Série Temporal, um Teste de Hipóteses e Filtro de Wiener, todos os três tópicos abordados com embasamento matemático e de programação, utilizando Redes Neurais e o Teste T de Student em linguagem Python para mostrar aplicações destes temas. A Série Temporal de preços de ativos é a ferramenta principal deste estudo, procurando auxiliar no processo de tomada de decisão. A relação de dependência entre os dados das séries figura como personagem principal, que será o fator determinante para se estabelecer uma previsão de preço. Foi implementada uma RNA para testarmos a precisão da previsão de preço do ativo PETR4, ação preferencial da Petrobras, utilizando uma amostra de quatro anos. No caso do Teste de Hipóteses, foi testada a presença do Efeito Segunda-Feira no índice Ibovespa, e foi concluído que não existe essa anomalia, que será explicada no documentoThe following document aims to unite the learning of Telecommunications Engineering course with the knowledge sought and obtained in the Financial Market during the author’s internship. This document glimpses to synthesize the beauty of mathematics, programming and signal processing in the universe of Finance, evidencing that the knowledge acquired in the course can be used in several scenarios. In it, Time Series, Hypothesis Test and Wiener Filter will be presented and defined, all three topics covered with mathematical and programming bases, using Neural Networks and Student’s T Test in Python language to show applications about these topics. The Temporal Series of asset prices is the main tool of this study, seeking to assist in the decision making process. The relationship of dependence between the data of the series appears as main character, which will be the determining factor to establish a price forecast. An Artificial Neural Network was implemented to test the accuracy of the PETR4 asset price forecast, a preferential share of Petrobras, using a four-year sample. In the case of the Hypothesis Test, the presence of the Monday Effect was tested on the Ibovespa index, and it was concluded that there is no such anomaly, which will be explained in the documentUniversidade Federal FluminenseNiteróiFerreira, Tadeu NagashimaHarboe, Paula BrandãoPereira, Jacqueline SilvaSiqueira, Felipe Carvalho2019-07-22T12:47:15Z2019-07-22T12:47:15Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://app.uff.br/riuff/handle/1/10480Aluno de Graduaçãohttp://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-05-10T17:14:19Zoai:app.uff.br:1/10480Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:08:19.010313Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Redes neurais, filtragem e programação aplicadas a finanças
title Redes neurais, filtragem e programação aplicadas a finanças
spellingShingle Redes neurais, filtragem e programação aplicadas a finanças
Siqueira, Felipe Carvalho
Teste de hipóteses
Programação
Filtragem
Série temporal
Teste de hipótese
Programação (Computação)
Rede neural
Python (Linguagem de programação de computador)
Temporal series
Hypothesis test
Programming
Filtering
title_short Redes neurais, filtragem e programação aplicadas a finanças
title_full Redes neurais, filtragem e programação aplicadas a finanças
title_fullStr Redes neurais, filtragem e programação aplicadas a finanças
title_full_unstemmed Redes neurais, filtragem e programação aplicadas a finanças
title_sort Redes neurais, filtragem e programação aplicadas a finanças
author Siqueira, Felipe Carvalho
author_facet Siqueira, Felipe Carvalho
author_role author
dc.contributor.none.fl_str_mv Ferreira, Tadeu Nagashima
Harboe, Paula Brandão
Pereira, Jacqueline Silva
dc.contributor.author.fl_str_mv Siqueira, Felipe Carvalho
dc.subject.por.fl_str_mv Teste de hipóteses
Programação
Filtragem
Série temporal
Teste de hipótese
Programação (Computação)
Rede neural
Python (Linguagem de programação de computador)
Temporal series
Hypothesis test
Programming
Filtering
topic Teste de hipóteses
Programação
Filtragem
Série temporal
Teste de hipótese
Programação (Computação)
Rede neural
Python (Linguagem de programação de computador)
Temporal series
Hypothesis test
Programming
Filtering
description O trabalho apresentado a seguir tem como objetivo unir os aprendizados do curso de Engenharia de telecomunicações com os conhecimentos almejados e obtidos no Mercado Financeiro durante o estágio do autor. Este documento vislumbra sintetizar a beleza da matemática, programação e processamento de sinais no universo de Finanças, evidenciando que o conhecimento adquirido no curso pode ser utilizado em diversos cenários. Nele será apresentado e definido o que é uma Série Temporal, um Teste de Hipóteses e Filtro de Wiener, todos os três tópicos abordados com embasamento matemático e de programação, utilizando Redes Neurais e o Teste T de Student em linguagem Python para mostrar aplicações destes temas. A Série Temporal de preços de ativos é a ferramenta principal deste estudo, procurando auxiliar no processo de tomada de decisão. A relação de dependência entre os dados das séries figura como personagem principal, que será o fator determinante para se estabelecer uma previsão de preço. Foi implementada uma RNA para testarmos a precisão da previsão de preço do ativo PETR4, ação preferencial da Petrobras, utilizando uma amostra de quatro anos. No caso do Teste de Hipóteses, foi testada a presença do Efeito Segunda-Feira no índice Ibovespa, e foi concluído que não existe essa anomalia, que será explicada no documento
publishDate 2019
dc.date.none.fl_str_mv 2019-07-22T12:47:15Z
2019-07-22T12:47:15Z
2019
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://app.uff.br/riuff/handle/1/10480
Aluno de Graduação
url https://app.uff.br/riuff/handle/1/10480
identifier_str_mv Aluno de Graduação
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal Fluminense
Niterói
publisher.none.fl_str_mv Universidade Federal Fluminense
Niterói
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1811823670140600320

Registros relacionados