Redes neurais, filtragem e programação aplicadas a finanças
Autor(a) principal: | |
---|---|
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 |