Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU

Detalhes bibliográficos
Autor(a) principal: Ribeiro, Marcos Vinicius de Oliveira
Data de Publicação: 2021
Outros Autores: Correa, Matheus Morgado
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: http://app.uff.br/riuff/handle/1/25522
Resumo: Previsão de valores no mercado financeiro é algo muito discutido e buscado por muitas pessoas, afinal, prever os movimentos do mercado pode significar maiores lucros em suas transações. Sua imprevisibilidade, no entanto, é bem significativa e envolve muitos fatores, principalmente externos. Com esse trabalho, objetiva-se prever os valores de algumas ações do mercado brasileiro, utilizando redes neurais recorrentes, mais especificamente LSTM e GRU. Para isso, foi desenvolvido diferentes cenários, combinando as redes neurais com as métricas da análise técnica do mercado financeiro, utilizando médias móveis e bandas de Bollinger para verificarmos os resultados de diferentes cenários combinados. Além disso, foram utilizados os valores do Índice Bovespa e o volume do índice e das respectivas ações para identificar alguma melhora no comportamento de cada uma das redes neurais. Foi possível, através dos testes nos cenários determinados, detectar uma melhora nas médias de erro percentuais em cenários com outras métricas além dos valores da ação em si, principalmente nas redes LSTM.
id UFF-2_a8c5307e5c33b6f09f2869fe15b74759
oai_identifier_str oai:app.uff.br:1/25522
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRUInteligência artificialMercado financeiroRede neuralSérie temporalInteligência artificialRede neuralMercado futuro de açãoArtificial intelligenceNeural networkStock marketTime seriePrevisão de valores no mercado financeiro é algo muito discutido e buscado por muitas pessoas, afinal, prever os movimentos do mercado pode significar maiores lucros em suas transações. Sua imprevisibilidade, no entanto, é bem significativa e envolve muitos fatores, principalmente externos. Com esse trabalho, objetiva-se prever os valores de algumas ações do mercado brasileiro, utilizando redes neurais recorrentes, mais especificamente LSTM e GRU. Para isso, foi desenvolvido diferentes cenários, combinando as redes neurais com as métricas da análise técnica do mercado financeiro, utilizando médias móveis e bandas de Bollinger para verificarmos os resultados de diferentes cenários combinados. Além disso, foram utilizados os valores do Índice Bovespa e o volume do índice e das respectivas ações para identificar alguma melhora no comportamento de cada uma das redes neurais. Foi possível, através dos testes nos cenários determinados, detectar uma melhora nas médias de erro percentuais em cenários com outras métricas além dos valores da ação em si, principalmente nas redes LSTM.Predicting values on stock markets is thoroughly discussed and searched by a lot of people. After all, by predicting the market movements it may lead to more profit on your transactions. Your unpredictability however, is highly significant and is affected by others factors, especially external ones. With this work, it is intended to predict the stock values of a few companies from the Brazilian market, using recurrent neural networks, more specifically LSTM and GRU. In order to do that, there was a development of different scenarios, combining the neural networks with technical analysis metrics from financial markets, using moving averages and Bollinger bands to check the results for those scenarios. It was also added the values from Bovespa Index, the volume from it and the volume from each stock to try and identify any improvement on the neural networks behaviour. It was accomplished, through the tests, to identify an improvement on the mean absolute percentage error when added the Bovespa Index in our tests, especially when training the LSTM networksBernardini, Flávia CristinaVolotão, Jane VieiraSobral, Ana Paula BarbosaViterbo Filho, JoséRibeiro, Marcos Vinicius de OliveiraCorrea, Matheus Morgado2022-07-04T12:56:33Z2022-07-04T12:56:33Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfRIBEIRO, Marcos Vinicius de Oliveira; CORREA, Matheus Morgado. Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU. 2021. 49 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense, Niterói, 2021http://app.uff.br/riuff/handle/1/25522CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-07-04T12:56:36Zoai:app.uff.br:1/25522Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:15:35.024304Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU
title Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU
spellingShingle Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU
Ribeiro, Marcos Vinicius de Oliveira
Inteligência artificial
Mercado financeiro
Rede neural
Série temporal
Inteligência artificial
Rede neural
Mercado futuro de ação
Artificial intelligence
Neural network
Stock market
Time serie
title_short Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU
title_full Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU
title_fullStr Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU
title_full_unstemmed Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU
title_sort Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU
author Ribeiro, Marcos Vinicius de Oliveira
author_facet Ribeiro, Marcos Vinicius de Oliveira
Correa, Matheus Morgado
author_role author
author2 Correa, Matheus Morgado
author2_role author
dc.contributor.none.fl_str_mv Bernardini, Flávia Cristina
Volotão, Jane Vieira
Sobral, Ana Paula Barbosa
Viterbo Filho, José
dc.contributor.author.fl_str_mv Ribeiro, Marcos Vinicius de Oliveira
Correa, Matheus Morgado
dc.subject.por.fl_str_mv Inteligência artificial
Mercado financeiro
Rede neural
Série temporal
Inteligência artificial
Rede neural
Mercado futuro de ação
Artificial intelligence
Neural network
Stock market
Time serie
topic Inteligência artificial
Mercado financeiro
Rede neural
Série temporal
Inteligência artificial
Rede neural
Mercado futuro de ação
Artificial intelligence
Neural network
Stock market
Time serie
description Previsão de valores no mercado financeiro é algo muito discutido e buscado por muitas pessoas, afinal, prever os movimentos do mercado pode significar maiores lucros em suas transações. Sua imprevisibilidade, no entanto, é bem significativa e envolve muitos fatores, principalmente externos. Com esse trabalho, objetiva-se prever os valores de algumas ações do mercado brasileiro, utilizando redes neurais recorrentes, mais especificamente LSTM e GRU. Para isso, foi desenvolvido diferentes cenários, combinando as redes neurais com as métricas da análise técnica do mercado financeiro, utilizando médias móveis e bandas de Bollinger para verificarmos os resultados de diferentes cenários combinados. Além disso, foram utilizados os valores do Índice Bovespa e o volume do índice e das respectivas ações para identificar alguma melhora no comportamento de cada uma das redes neurais. Foi possível, através dos testes nos cenários determinados, detectar uma melhora nas médias de erro percentuais em cenários com outras métricas além dos valores da ação em si, principalmente nas redes LSTM.
publishDate 2021
dc.date.none.fl_str_mv 2021
2022-07-04T12:56:33Z
2022-07-04T12:56:33Z
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 RIBEIRO, Marcos Vinicius de Oliveira; CORREA, Matheus Morgado. Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU. 2021. 49 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense, Niterói, 2021
http://app.uff.br/riuff/handle/1/25522
identifier_str_mv RIBEIRO, Marcos Vinicius de Oliveira; CORREA, Matheus Morgado. Previsão de preço de ações baseada em redes neurais recorrentes LSTM e GRU. 2021. 49 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense, Niterói, 2021
url http://app.uff.br/riuff/handle/1/25522
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
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_ 1817064549124145152

Registros relacionados