Uso de redes neurais recorrentes para previsão na Bovespa

• Autor(a) principal: Passos, Luiz Otavio
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIFESP
• Texto Completo: https://repositorio.unifesp.br/handle/11600/60756
• topic: Redes neurais recorrentes; Long short term memory; LSTM; Inteligência artificial; Aprendizado de máquina; Regressão; Séries temporais; Bolsa de valores

O presente trabalho tem como objetivo a previsão do preço de uma ação na bolsa de valores de São Paulo por meio de Inteligência Artificial. Esse trabalho utiliza Redes Neurais Recorrentes, que é um modelo de Rede Neural com loop, o que permite a persistência de informações. Isso não é possível em redes neurais simples ou em outros modelos de aprendizado de máquina. Nesse trabalho será utilizada uma variação daquela rede, as LSTMs ou também Long Short-Term Memory, que se utiliza de memorização, para a previsão/regressão de séries temporais com intervalos de tempo de duração desconhecida. Quanto aos atributos utilizados da base de dados para a previsão estarão preço de abertura da ação, preço de fechamento e preço de alta e de baixa. Nesse trabalho de conclusão de curso pretende-se criar um modelo que estime o preço de uma ação com um erro absoluto de poucos centavos em relação ao preço verdadeiro, dessa forma auxiliando operadores e investidores quanto a venda e compra de ações na bolsa.