Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRJ |
Texto Completo: | http://hdl.handle.net/11422/11418 |
Resumo: | Este trabalho apresenta um estudo preditivo do principal índice do mercado acionário brasileiro (Ibovespa) utilizando informações econômicas e financeiras extraídas de importantes provedores de notícias financeiras do Brasil. Um modelo híbrido é proposto combinando as potencialidades de duas arquiteturas de redes neurais artificiais distintas, uma rede neural Convolucional (arquitetura de aprendizado profundo) e uma máquina de aprendizado extremo, juntamente com técnicas de Processamento de Linguagem Natural, mais precisamente as técnicas de representação distribuída das palavras (word embeddings). A influência nos resultados dos principais parâmetros intrínsecos ao modelo proposto é mostrada e discutida. A acurácia máxima obtida com o modelo preditivo foi de 60,2%. Uma estratégia de negociação foi desenvolvida conforme as previsões do modelo reportando lucratividade superior quando comparada com a estratégia buy and hold. Por fim, os resultados obtidos sobre este mercado emergente são equivalentes a outros similares reportados na literatura, porém em mercados bem desenvolvidos. |
id |
UFRJ_a84dde2cc2c64c89831bc52ae483f486 |
---|---|
oai_identifier_str |
oai:pantheon.ufrj.br:11422/11418 |
network_acronym_str |
UFRJ |
network_name_str |
Repositório Institucional da UFRJ |
repository_id_str |
|
spelling |
Faria, Elisangela Lopes dehttp://lattes.cnpq.br/2703716951709834http://lattes.cnpq.br/3467601534464539Albuquerque, Marcelo Portes dehttp://lattes.cnpq.br/6430879459326899Alves, Jose Luiz DrummondDantas, Mario Antonio RibeiroFernandes, EltonEbecken, Nelson Francisco Favilla2020-03-06T12:27:07Z2023-11-30T03:03:50Z2018-09http://hdl.handle.net/11422/11418Este trabalho apresenta um estudo preditivo do principal índice do mercado acionário brasileiro (Ibovespa) utilizando informações econômicas e financeiras extraídas de importantes provedores de notícias financeiras do Brasil. Um modelo híbrido é proposto combinando as potencialidades de duas arquiteturas de redes neurais artificiais distintas, uma rede neural Convolucional (arquitetura de aprendizado profundo) e uma máquina de aprendizado extremo, juntamente com técnicas de Processamento de Linguagem Natural, mais precisamente as técnicas de representação distribuída das palavras (word embeddings). A influência nos resultados dos principais parâmetros intrínsecos ao modelo proposto é mostrada e discutida. A acurácia máxima obtida com o modelo preditivo foi de 60,2%. Uma estratégia de negociação foi desenvolvida conforme as previsões do modelo reportando lucratividade superior quando comparada com a estratégia buy and hold. Por fim, os resultados obtidos sobre este mercado emergente são equivalentes a outros similares reportados na literatura, porém em mercados bem desenvolvidos.This work presents a predictive study of the main index of the Brazilian stock market (Ibovespa) by using economic and financial information extracted from important financial news providers in Brazil. A hybrid model is proposed combining the potentialities of two distinct artificial neural network architectures, a convolutional neural network (deep learning architecture) and an extreme learning machine, together with techniques of Natural Language Processing, more precisely techniques of distributed representation of words (word embeddings). The influence on the results of the different parameters intrinsic to the proposed model is show and discussed. The maximum accuracy obtained with the predictive model was 60,2%. A trading strategy was developed according to the model predictions, reporting superior profitability as compared to the buy and hold strategy. Finally, the results obtained on this emerging market are similar to the other found in studies reported in the literature, although performed on well developed markets.Submitted by Moreno Barros (moreno@ct.ufrj.br) on 2020-03-06T12:27:07Z No. of bitstreams: 1 ElisangelaLopesDeFaria.pdf: 3732682 bytes, checksum: 39fe99ceae2191edacb2966479c28759 (MD5)Made available in DSpace on 2020-03-06T12:27:07Z (GMT). No. of bitstreams: 1 ElisangelaLopesDeFaria.pdf: 3732682 bytes, checksum: 39fe99ceae2191edacb2966479c28759 (MD5) Previous issue date: 2018-09porUniversidade Federal do Rio de JaneiroPrograma de Pós-Graduação em Engenharia CivilUFRJBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaCNPQ::ENGENHARIAS::ENGENHARIA CIVILRedes Neurais de Aprendizado ProfundoWord2vecMercados FinanceirosRedes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiroConvolution neural network and extreme learning machine applied to the Brazilian financial marketinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJORIGINALElisangelaLopesDeFaria.pdfElisangelaLopesDeFaria.pdfapplication/pdf3732682http://pantheon.ufrj.br:80/bitstream/11422/11418/1/ElisangelaLopesDeFaria.pdf39fe99ceae2191edacb2966479c28759MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/11418/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD5211422/114182023-11-30 00:03:50.576oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2023-11-30T03:03:50Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.fl_str_mv |
Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro |
dc.title.alternative.pt_BR.fl_str_mv |
Convolution neural network and extreme learning machine applied to the Brazilian financial market |
title |
Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro |
spellingShingle |
Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro Faria, Elisangela Lopes de CNPQ::ENGENHARIAS::ENGENHARIA CIVIL Redes Neurais de Aprendizado Profundo Word2vec Mercados Financeiros |
title_short |
Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro |
title_full |
Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro |
title_fullStr |
Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro |
title_full_unstemmed |
Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro |
title_sort |
Redes neurais convolucionais e máquinas de aprendizado extremo aplicadas ao mercado financeiro brasileiro |
author |
Faria, Elisangela Lopes de |
author_facet |
Faria, Elisangela Lopes de |
author_role |
author |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/2703716951709834 |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3467601534464539 |
dc.contributor.advisorCo1.none.fl_str_mv |
Albuquerque, Marcelo Portes de |
dc.contributor.advisorCo1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6430879459326899 |
dc.contributor.author.fl_str_mv |
Faria, Elisangela Lopes de |
dc.contributor.referee1.fl_str_mv |
Alves, Jose Luiz Drummond |
dc.contributor.referee2.fl_str_mv |
Dantas, Mario Antonio Ribeiro |
dc.contributor.referee3.fl_str_mv |
Fernandes, Elton |
dc.contributor.advisor1.fl_str_mv |
Ebecken, Nelson Francisco Favilla |
contributor_str_mv |
Alves, Jose Luiz Drummond Dantas, Mario Antonio Ribeiro Fernandes, Elton Ebecken, Nelson Francisco Favilla |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL Redes Neurais de Aprendizado Profundo Word2vec Mercados Financeiros |
dc.subject.por.fl_str_mv |
Redes Neurais de Aprendizado Profundo Word2vec Mercados Financeiros |
description |
Este trabalho apresenta um estudo preditivo do principal índice do mercado acionário brasileiro (Ibovespa) utilizando informações econômicas e financeiras extraídas de importantes provedores de notícias financeiras do Brasil. Um modelo híbrido é proposto combinando as potencialidades de duas arquiteturas de redes neurais artificiais distintas, uma rede neural Convolucional (arquitetura de aprendizado profundo) e uma máquina de aprendizado extremo, juntamente com técnicas de Processamento de Linguagem Natural, mais precisamente as técnicas de representação distribuída das palavras (word embeddings). A influência nos resultados dos principais parâmetros intrínsecos ao modelo proposto é mostrada e discutida. A acurácia máxima obtida com o modelo preditivo foi de 60,2%. Uma estratégia de negociação foi desenvolvida conforme as previsões do modelo reportando lucratividade superior quando comparada com a estratégia buy and hold. Por fim, os resultados obtidos sobre este mercado emergente são equivalentes a outros similares reportados na literatura, porém em mercados bem desenvolvidos. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-09 |
dc.date.accessioned.fl_str_mv |
2020-03-06T12:27:07Z |
dc.date.available.fl_str_mv |
2023-11-30T03:03:50Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11422/11418 |
url |
http://hdl.handle.net/11422/11418 |
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.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Civil |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
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/11422/11418/1/ElisangelaLopesDeFaria.pdf http://pantheon.ufrj.br:80/bitstream/11422/11418/2/license.txt |
bitstream.checksum.fl_str_mv |
39fe99ceae2191edacb2966479c28759 dd32849f2bfb22da963c3aac6e26e255 |
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_ |
1784097177612582912 |