Redes neurais para predição de series temporais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRJ |
Texto Completo: | http://hdl.handle.net/11422/19468 |
Resumo: | Diversas classes de modelos têm sido propostas como solução do dilema do passeio aleatório para previsão de séries temporais financeiras. Embora não haja nenhuma prova formal sobre sua previsibilidade, alguns trabalhos argumentam que, na prática, este fenômeno temporal é, de alguma forma, previsível. Portanto, este trabalho analisa qual a eficiência dos modelos (ARIMA, MultiLayer Perceptrons e Long Short-Term Memory para séries temporais propostos para a predição do índice Bovespa? como solução do dilema do passeio aleatório no problema de previsão de séries temporais financeiras. Uma análise experimental é conduzida com os modelos investigados utilizando uma série temporal relacionada ao Índice da Bolsa de Valores de São Paulo (IBOVESPA) utilizando normalização e diferenciação dos dados, janelamento temporal e otimização dos hiperparâmetros dos modelos. Os resultados alcançados demonstraram efetividade, em desempenho preditivo, dos modelos investigados. |
id |
UFRJ_3559f827952bdefb6a07bbdb0f333eba |
---|---|
oai_identifier_str |
oai:pantheon.ufrj.br:11422/19468 |
network_acronym_str |
UFRJ |
network_name_str |
Repositório Institucional da UFRJ |
repository_id_str |
|
spelling |
Mghazli, Yá-Sin Barceloshttp://lattes.cnpq.br/6726568187545538Zago, Camila Avosani2023-01-06T17:47:48Z2023-11-30T03:05:24Z2021-09MGHAZLI, Yá-Sin Barcelos. Redes neurais para predição de series temporais. 2021. 40 f. Trabalho de Conclusão de Curso (Bacharelado em Administração) - Faculdade de Administração e Ciências Contábeis, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2021.http://hdl.handle.net/11422/19468Submitted by Juliana Pinho (julianafpinho5@gmail.com) on 2022-07-04T14:58:57Z No. of bitstreams: 1 YBMghazli.pdf: 529397 bytes, checksum: ca7e650d7c8473098e5bbe4130b7dee4 (MD5)Approved for entry into archive by Luiza Arao (luizah@ccje.ufrj.br) on 2023-01-06T17:47:48Z (GMT) No. of bitstreams: 1 YBMghazli.pdf: 529397 bytes, checksum: ca7e650d7c8473098e5bbe4130b7dee4 (MD5)Made available in DSpace on 2023-01-06T17:47:48Z (GMT). No. of bitstreams: 1 YBMghazli.pdf: 529397 bytes, checksum: ca7e650d7c8473098e5bbe4130b7dee4 (MD5) Previous issue date: 2021-09Diversas classes de modelos têm sido propostas como solução do dilema do passeio aleatório para previsão de séries temporais financeiras. Embora não haja nenhuma prova formal sobre sua previsibilidade, alguns trabalhos argumentam que, na prática, este fenômeno temporal é, de alguma forma, previsível. Portanto, este trabalho analisa qual a eficiência dos modelos (ARIMA, MultiLayer Perceptrons e Long Short-Term Memory para séries temporais propostos para a predição do índice Bovespa? como solução do dilema do passeio aleatório no problema de previsão de séries temporais financeiras. Uma análise experimental é conduzida com os modelos investigados utilizando uma série temporal relacionada ao Índice da Bolsa de Valores de São Paulo (IBOVESPA) utilizando normalização e diferenciação dos dados, janelamento temporal e otimização dos hiperparâmetros dos modelos. Os resultados alcançados demonstraram efetividade, em desempenho preditivo, dos modelos investigados.porUniversidade Federal do Rio de JaneiroUFRJBrasilFaculdade de Administração e Ciências ContábeisCNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAORedes neuraisSéries temporaisMercado de açõesRedes neurais para predição de series temporaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJLICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/19468/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD52ORIGINALYBMghazli.pdfYBMghazli.pdfapplication/pdf529397http://pantheon.ufrj.br:80/bitstream/11422/19468/1/YBMghazli.pdfca7e650d7c8473098e5bbe4130b7dee4MD5111422/194682023-11-30 00:05:24.894oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2023-11-30T03:05:24Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.fl_str_mv |
Redes neurais para predição de series temporais |
title |
Redes neurais para predição de series temporais |
spellingShingle |
Redes neurais para predição de series temporais Mghazli, Yá-Sin Barcelos CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO Redes neurais Séries temporais Mercado de ações |
title_short |
Redes neurais para predição de series temporais |
title_full |
Redes neurais para predição de series temporais |
title_fullStr |
Redes neurais para predição de series temporais |
title_full_unstemmed |
Redes neurais para predição de series temporais |
title_sort |
Redes neurais para predição de series temporais |
author |
Mghazli, Yá-Sin Barcelos |
author_facet |
Mghazli, Yá-Sin Barcelos |
author_role |
author |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6726568187545538 |
dc.contributor.author.fl_str_mv |
Mghazli, Yá-Sin Barcelos |
dc.contributor.advisor1.fl_str_mv |
Zago, Camila Avosani |
contributor_str_mv |
Zago, Camila Avosani |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO |
topic |
CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO Redes neurais Séries temporais Mercado de ações |
dc.subject.por.fl_str_mv |
Redes neurais Séries temporais Mercado de ações |
description |
Diversas classes de modelos têm sido propostas como solução do dilema do passeio aleatório para previsão de séries temporais financeiras. Embora não haja nenhuma prova formal sobre sua previsibilidade, alguns trabalhos argumentam que, na prática, este fenômeno temporal é, de alguma forma, previsível. Portanto, este trabalho analisa qual a eficiência dos modelos (ARIMA, MultiLayer Perceptrons e Long Short-Term Memory para séries temporais propostos para a predição do índice Bovespa? como solução do dilema do passeio aleatório no problema de previsão de séries temporais financeiras. Uma análise experimental é conduzida com os modelos investigados utilizando uma série temporal relacionada ao Índice da Bolsa de Valores de São Paulo (IBOVESPA) utilizando normalização e diferenciação dos dados, janelamento temporal e otimização dos hiperparâmetros dos modelos. Os resultados alcançados demonstraram efetividade, em desempenho preditivo, dos modelos investigados. |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021-09 |
dc.date.accessioned.fl_str_mv |
2023-01-06T17:47:48Z |
dc.date.available.fl_str_mv |
2023-11-30T03:05:24Z |
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.citation.fl_str_mv |
MGHAZLI, Yá-Sin Barcelos. Redes neurais para predição de series temporais. 2021. 40 f. Trabalho de Conclusão de Curso (Bacharelado em Administração) - Faculdade de Administração e Ciências Contábeis, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2021. |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11422/19468 |
identifier_str_mv |
MGHAZLI, Yá-Sin Barcelos. Redes neurais para predição de series temporais. 2021. 40 f. Trabalho de Conclusão de Curso (Bacharelado em Administração) - Faculdade de Administração e Ciências Contábeis, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2021. |
url |
http://hdl.handle.net/11422/19468 |
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.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Faculdade de Administração e Ciências Contábeis |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRJ instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Repositório Institucional da UFRJ |
collection |
Repositório Institucional da UFRJ |
bitstream.url.fl_str_mv |
http://pantheon.ufrj.br:80/bitstream/11422/19468/2/license.txt http://pantheon.ufrj.br:80/bitstream/11422/19468/1/YBMghazli.pdf |
bitstream.checksum.fl_str_mv |
dd32849f2bfb22da963c3aac6e26e255 ca7e650d7c8473098e5bbe4130b7dee4 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
|
_version_ |
1784097254106202112 |