Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos

Detalhes bibliográficos
Autor(a) principal: Pereira, João Pedro Peres
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFU
Texto Completo: https://repositorio.ufu.br/handle/123456789/41137
Resumo: The electric power sector in Brazil stands as one of the fundamental cornerstones of the national economy and daily life. This study aims to analyze and make predictions using time series models on assets within the electric power sector of the Brasil, Bolsa, Balcão [B]³ for the first 10 weeks of 2023. The selection of the most appropriate model for the data will be determined through hypothesis testing and comparisons using model fitting criteria. The methodology for constructing time series models follows the principles of the Box e Jenkins theory. After definition the of ARIMA models (2,1,2) and ARIMA (3,1,4) models for the assets, opting for the logarithmic version of the original time series as the best approach. As a result, the empirical evidence found demonstrated that the best model adjustments to make efficient and reliable forecasts for the series were the ARIMA models.
id UFU_da20f591bddb37f09e7b81146b4bad4d
oai_identifier_str oai:repositorio.ufu.br:123456789/41137
network_acronym_str UFU
network_name_str Repositório Institucional da UFU
repository_id_str
spelling Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivosPrediction of the share price of companies in the electric energy sector of [B]³ (Brasil, Bolsa, Balcão), using autoregressive modelsAnálise preditivaSéries temporaisARIMAEDP BrasilEngie BrasilPredictive analyticsTime seriesCNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICAThe electric power sector in Brazil stands as one of the fundamental cornerstones of the national economy and daily life. This study aims to analyze and make predictions using time series models on assets within the electric power sector of the Brasil, Bolsa, Balcão [B]³ for the first 10 weeks of 2023. The selection of the most appropriate model for the data will be determined through hypothesis testing and comparisons using model fitting criteria. The methodology for constructing time series models follows the principles of the Box e Jenkins theory. After definition the of ARIMA models (2,1,2) and ARIMA (3,1,4) models for the assets, opting for the logarithmic version of the original time series as the best approach. As a result, the empirical evidence found demonstrated that the best model adjustments to make efficient and reliable forecasts for the series were the ARIMA models.UFU - Universidade Federal de UberlândiaTrabalho de Conclusão de Curso (Graduação)O setor de energia elétrica no Brasil representa um dos pilares fundamentais da economia e do cotidiano nacional. Este estudo tem como objetivo analisar e realizar previsões utilizando modelos de séries temporais sobre ativos do setor de energia elétrica da Brasil, Bolsa, Balcão [B]³ para as 10 primeiras semanas de 2023. A seleção do modelo mais adequado aos dados ocorrerá mediante testes de hipóteses e comparações utilizando critérios de ajuste de modelos. A metodologia de construção dos modelos de séries temporais segue os fundamentos da teoria de Box e Jenkins. Após a definição dos modelos ARIMA (2,1,2) e ARIMA(3,1,4) para os ativos, optando pela versão logarítmica da série temporal original como a melhor abordagem. Como resultado, as evidências empíricas encontradas demonstraram que os melhores ajustes de modelos para realizar previsões eficientes e confiáveis para a série foram os modelos ARIMA.Universidade Federal de UberlândiaBrasilEstatísticaTavares, Marcelohttp://lattes.cnpq.br/4142478901587907Biase, Nadia Giarettahttp://lattes.cnpq.br/5113310672600001Costa, Tatiane Bentohttp://lattes.cnpq.br/2046579368217628Pereira, João Pedro Peres2024-02-08T12:57:46Z2024-02-08T12:57:46Z2023-11-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfPEREIRA, João Pedro Peres. Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos. 2023. 45 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2024.https://repositorio.ufu.br/handle/123456789/41137porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2024-02-09T06:22:31Zoai:repositorio.ufu.br:123456789/41137Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2024-02-09T06:22:31Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false
dc.title.none.fl_str_mv Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos
Prediction of the share price of companies in the electric energy sector of [B]³ (Brasil, Bolsa, Balcão), using autoregressive models
title Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos
spellingShingle Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos
Pereira, João Pedro Peres
Análise preditiva
Séries temporais
ARIMA
EDP Brasil
Engie Brasil
Predictive analytics
Time series
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA
title_short Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos
title_full Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos
title_fullStr Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos
title_full_unstemmed Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos
title_sort Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos
author Pereira, João Pedro Peres
author_facet Pereira, João Pedro Peres
author_role author
dc.contributor.none.fl_str_mv Tavares, Marcelo
http://lattes.cnpq.br/4142478901587907
Biase, Nadia Giaretta
http://lattes.cnpq.br/5113310672600001
Costa, Tatiane Bento
http://lattes.cnpq.br/2046579368217628
dc.contributor.author.fl_str_mv Pereira, João Pedro Peres
dc.subject.por.fl_str_mv Análise preditiva
Séries temporais
ARIMA
EDP Brasil
Engie Brasil
Predictive analytics
Time series
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA
topic Análise preditiva
Séries temporais
ARIMA
EDP Brasil
Engie Brasil
Predictive analytics
Time series
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA
description The electric power sector in Brazil stands as one of the fundamental cornerstones of the national economy and daily life. This study aims to analyze and make predictions using time series models on assets within the electric power sector of the Brasil, Bolsa, Balcão [B]³ for the first 10 weeks of 2023. The selection of the most appropriate model for the data will be determined through hypothesis testing and comparisons using model fitting criteria. The methodology for constructing time series models follows the principles of the Box e Jenkins theory. After definition the of ARIMA models (2,1,2) and ARIMA (3,1,4) models for the assets, opting for the logarithmic version of the original time series as the best approach. As a result, the empirical evidence found demonstrated that the best model adjustments to make efficient and reliable forecasts for the series were the ARIMA models.
publishDate 2023
dc.date.none.fl_str_mv 2023-11-24
2024-02-08T12:57:46Z
2024-02-08T12:57:46Z
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 PEREIRA, João Pedro Peres. Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos. 2023. 45 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2024.
https://repositorio.ufu.br/handle/123456789/41137
identifier_str_mv PEREIRA, João Pedro Peres. Previsão do preço de ações de empresas do setor de energia elétrica da [B]³ (Brasil, Bolsa, Balcão), por meio de modelos autoregressivos. 2023. 45 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2024.
url https://repositorio.ufu.br/handle/123456789/41137
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.publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Estatística
publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Estatística
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFU
instname:Universidade Federal de Uberlândia (UFU)
instacron:UFU
instname_str Universidade Federal de Uberlândia (UFU)
instacron_str UFU
institution UFU
reponame_str Repositório Institucional da UFU
collection Repositório Institucional da UFU
repository.name.fl_str_mv Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)
repository.mail.fl_str_mv diinf@dirbi.ufu.br
_version_ 1813711471672033280

Registros relacionados