Redes neurais para predição de series temporais

• Autor(a) principal: Mghazli, Yá-Sin Barcelos
• 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
• topic: CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO; Redes neurais; Séries temporais; Mercado de ações

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.