Avaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPA

Detalhes bibliográficos
Autor(a) principal: Sivelli, Matheus Quevedo
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/252396
Resumo: O mercado de capitais é um mecanismo que possibilita o financiamento de empresas através de pessoas físicas poupadoras. Este instrumento assume um papel ímpar no desenvolvimento econômico de um país e possibilita a construção de patrimônio a longo prazo para os investidores. Entender e conseguir predizer o comportamento do mercado é de grande valia para investidores. O presente trabalho utilizou técnicas de Multilayer Perceptron e Long Short-Term Memory para prever o preço futuro das cinco empresas mais representativas do Ibovespa, que é principal índice do mercado brasileiro. Para construção dos algoritmos, utilizou-se a linguagem Python 3 e o ambiente em nuvem Google Collaboratory. Os modelos foram treinados e validados utilizando dados de 04 janeiro de 2010 a 05 de agosto de 2021 e testados com dados de 06 agosto até 30 de dezembro de 2021. Para encontrar o melhor conjunto de hiperparâmetros foi realizado uma otimização considerando 72 combinações distintas. Os resultados foram avaliados através do Root Mean Squared Error e demonstraram que as Multilayer Perceptron obtiveram um erro, na média, menor quando comparada as Long Short-Term Memory, e, portanto, foram consideradas a técnica mais segura para os investidores. Os resultados de RMSE obtidos para as empresas B3, Bradesco, Itaú, Petrobras e Vale, respecitvamente, foram de 0,37470; 0,44970; 0,69881; 0,64238; e 2,00160 para MLP contra 0,36930; 0,47892; 0,74098; 0, 65798; e 2,4009 para a LSTM. Por fim, os melhores resultados foram: B3 (0,36930), Bradesco (0,44970), Petrobras (0,64238), Itaú (0,69881) e Vale (2,00160).
id UFRGS-2_f45e32172b38b5e55feeb54ee2a0c8db
oai_identifier_str oai:www.lume.ufrgs.br:10183/252396
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Sivelli, Matheus QuevedoWeber, Tiago Oliveira2022-12-07T04:52:08Z2022http://hdl.handle.net/10183/252396001153722O mercado de capitais é um mecanismo que possibilita o financiamento de empresas através de pessoas físicas poupadoras. Este instrumento assume um papel ímpar no desenvolvimento econômico de um país e possibilita a construção de patrimônio a longo prazo para os investidores. Entender e conseguir predizer o comportamento do mercado é de grande valia para investidores. O presente trabalho utilizou técnicas de Multilayer Perceptron e Long Short-Term Memory para prever o preço futuro das cinco empresas mais representativas do Ibovespa, que é principal índice do mercado brasileiro. Para construção dos algoritmos, utilizou-se a linguagem Python 3 e o ambiente em nuvem Google Collaboratory. Os modelos foram treinados e validados utilizando dados de 04 janeiro de 2010 a 05 de agosto de 2021 e testados com dados de 06 agosto até 30 de dezembro de 2021. Para encontrar o melhor conjunto de hiperparâmetros foi realizado uma otimização considerando 72 combinações distintas. Os resultados foram avaliados através do Root Mean Squared Error e demonstraram que as Multilayer Perceptron obtiveram um erro, na média, menor quando comparada as Long Short-Term Memory, e, portanto, foram consideradas a técnica mais segura para os investidores. Os resultados de RMSE obtidos para as empresas B3, Bradesco, Itaú, Petrobras e Vale, respecitvamente, foram de 0,37470; 0,44970; 0,69881; 0,64238; e 2,00160 para MLP contra 0,36930; 0,47892; 0,74098; 0, 65798; e 2,4009 para a LSTM. Por fim, os melhores resultados foram: B3 (0,36930), Bradesco (0,44970), Petrobras (0,64238), Itaú (0,69881) e Vale (2,00160).The capital market is a mechanism that makes it possible to finance companies through savings of individuals person. This instrument plays a unique role in the economic development of a country and makes it possible to build long-term equity for investors. Understand and be able to predict market behavior is of great value to any investors. The present work used Multilayer Perceptron and Long Short-Term Memory techniques to predict the future value of the five most representative companies on the Ibovespa, which is the main index of the Brazilian market. To build the algorithms, it was used Python 3 language and the Google Collaboratory cloud environment. The models were trained and validated using data from January 4, 2010 to August 5, 2021 and tested with data from August 6 to December 30, 2021. To find the best set of hyperparameters, an optimization was performed considering 72 different topologies. The results were evaluated using the Root Mean Squared Error and showed that the Multilayer Perceptron obtained an error, on average, lower when compared to the Long Short-Term Memory, and therefore were considered the safest technique for investors. The RMSE results obtained for companies B3, Bradesco, Itaú, Petrobras and Vale, respectively, were 0,37470; 0,44970; 0,69881; 0,64238; and 2,00160 for MLP versus 0,36930; 0,47892; 0,74098; 0,65798; and 2,4009 for the LSTM. Finally, the best results were: B3 (0,36930), Bradesco (0,44970), Petrobras (0,64238), Itaú (0,69881) and Vale (2,00160).application/pdfporAprendizado de máquinaRedes neuraisMercado de capitaisMultilayer perceptronLong short-term memoryCapital marketIbovespaAvaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPAinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2022Engenharia Elétricagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001153722.pdf.txt001153722.pdf.txtExtracted Texttext/plain174254http://www.lume.ufrgs.br/bitstream/10183/252396/2/001153722.pdf.txtd1373a893778e2e61965a49eaf4a1651MD52ORIGINAL001153722.pdfTexto completoapplication/pdf2489393http://www.lume.ufrgs.br/bitstream/10183/252396/1/001153722.pdfb2a1e6a4502679903c6efbbd232d6d46MD5110183/2523962022-12-18 05:47:43.857414oai:www.lume.ufrgs.br:10183/252396Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2022-12-18T07:47:43Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Avaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPA
title Avaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPA
spellingShingle Avaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPA
Sivelli, Matheus Quevedo
Aprendizado de máquina
Redes neurais
Mercado de capitais
Multilayer perceptron
Long short-term memory
Capital market
Ibovespa
title_short Avaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPA
title_full Avaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPA
title_fullStr Avaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPA
title_full_unstemmed Avaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPA
title_sort Avaliação de redes neurais do tipo Long short-term memory e Multilayer perceptron para predição do valor da cotação das ações das cinco empresas mais representativas do IBOVESPA
author Sivelli, Matheus Quevedo
author_facet Sivelli, Matheus Quevedo
author_role author
dc.contributor.author.fl_str_mv Sivelli, Matheus Quevedo
dc.contributor.advisor1.fl_str_mv Weber, Tiago Oliveira
contributor_str_mv Weber, Tiago Oliveira
dc.subject.por.fl_str_mv Aprendizado de máquina
Redes neurais
Mercado de capitais
topic Aprendizado de máquina
Redes neurais
Mercado de capitais
Multilayer perceptron
Long short-term memory
Capital market
Ibovespa
dc.subject.eng.fl_str_mv Multilayer perceptron
Long short-term memory
Capital market
Ibovespa
description O mercado de capitais é um mecanismo que possibilita o financiamento de empresas através de pessoas físicas poupadoras. Este instrumento assume um papel ímpar no desenvolvimento econômico de um país e possibilita a construção de patrimônio a longo prazo para os investidores. Entender e conseguir predizer o comportamento do mercado é de grande valia para investidores. O presente trabalho utilizou técnicas de Multilayer Perceptron e Long Short-Term Memory para prever o preço futuro das cinco empresas mais representativas do Ibovespa, que é principal índice do mercado brasileiro. Para construção dos algoritmos, utilizou-se a linguagem Python 3 e o ambiente em nuvem Google Collaboratory. Os modelos foram treinados e validados utilizando dados de 04 janeiro de 2010 a 05 de agosto de 2021 e testados com dados de 06 agosto até 30 de dezembro de 2021. Para encontrar o melhor conjunto de hiperparâmetros foi realizado uma otimização considerando 72 combinações distintas. Os resultados foram avaliados através do Root Mean Squared Error e demonstraram que as Multilayer Perceptron obtiveram um erro, na média, menor quando comparada as Long Short-Term Memory, e, portanto, foram consideradas a técnica mais segura para os investidores. Os resultados de RMSE obtidos para as empresas B3, Bradesco, Itaú, Petrobras e Vale, respecitvamente, foram de 0,37470; 0,44970; 0,69881; 0,64238; e 2,00160 para MLP contra 0,36930; 0,47892; 0,74098; 0, 65798; e 2,4009 para a LSTM. Por fim, os melhores resultados foram: B3 (0,36930), Bradesco (0,44970), Petrobras (0,64238), Itaú (0,69881) e Vale (2,00160).
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-12-07T04:52:08Z
dc.date.issued.fl_str_mv 2022
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 http://hdl.handle.net/10183/252396
dc.identifier.nrb.pt_BR.fl_str_mv 001153722
url http://hdl.handle.net/10183/252396
identifier_str_mv 001153722
dc.language.iso.fl_str_mv por
language por
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 Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/252396/2/001153722.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/252396/1/001153722.pdf
bitstream.checksum.fl_str_mv d1373a893778e2e61965a49eaf4a1651
b2a1e6a4502679903c6efbbd232d6d46
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224646541967360